[发明专利]一种道路边缘线识别方法及系统

说明书

本发明涉及一种道路边缘线识别方法及系统，该方法包括步骤：接收并存储采集的车道图像；对采集的车道图像进行数据标注，标记出左边缘线、右边缘线、道路中间线、路面，得到标签图像；使用采集的车道图像和数据标注后的标签图像进行卷积神经网络模型训练，得到用于识别道路边缘线的道路边缘线识别模型。通过本发明方法或系统，可以精确地识别出道路边缘线，将道路边缘线与道路中间线区分开，方便于后续的处理。

技术领域

本发明涉及图像识别技术领域，特别涉及一种道路边缘线识别方法及系统。

背景技术

高精地图的主要构成是车道，车道的边界用车道线界定，因此在高精度地图的自动化过程中，车道线识别是其中一个重要任务。近年来，随着深度学习的逐渐发展，车道线识别主要基于卷积神经网络实现。具体而言，将车道线像素设置为前景要素，将其他像素(如道路、天空、树木、地面上物体、汽车、行人等)设置为背景要素，车道线识别即是将前景要素识别出来。将所有的车道线设置为前景要素，虽然能够比较容易识别出前景要素；但由于前景要素丰富度不够，后续处理往往比较麻烦，例如其中一个典型的问题就是：如何区分道路边缘线和道路中间线。

发明内容

本发明的目的在于改善现有技术中所存在的不能区分道路边缘线和道路中间线的不足，提供一种道路边缘线识别方法及系统。

为了实现上述发明目的，一方面，本发明实施例提供了一种道路边缘线识别方法，包括以下步骤：

接收并存储采集的车道图像；

对采集的车道图像进行数据标注，标记出左边缘线、右边缘线、道路中间线、路面，得到标签图像；

使用采集的车道图像和数据标注后的标签图像进行卷积神经网络模型训练，得到用于识别道路边缘线的道路边缘线识别模型。

在一个方案中，所述对采集的车道图像进行数据标注的步骤中，若采集的车道图像是在夜晚采集得到的，则在进行数据标注之前，上述方法还包括步骤：对采集的车道图像进行效果增强处理，且在数据标注时，以效果增强后的图像为基础进行标注。

根据本发明实施例，所述对采集的车道图像进行效果增强处理的步骤，包括：

对原始的车道图像进行白平衡处理；

对白平衡处理后的图像进行锐化处理；

对锐化处理后的图像进行伽马校正。

根据本发明实施例，所述使用采集的车道图像和数据标注后的标签图像进行卷积神经网络模型训练的步骤，包括：

步骤1)，随机抽取一张原始的车道图像；

步骤2)，将所述原始的车道图像作为卷积神经网路的输入，进行前向传播，得到预测结果；

步骤3)，将得到的预测结果与标签图像中标注的类别标签进行损失计算，并根据损失进行反向传播并优化模型参数；

循环执行上述步骤1至步骤3)，直至完成迭代，且每一次迭代过程，步骤1)中更换一张原始的车道图像，步骤3)中更换相应的标签图像。

进一步地，在得到用于识别道路边缘线的道路边缘线识别模型之后，上述方法还包括步骤：

接收待识别的车道图像，经所述道路边缘线识别模型识别后输出各像素分别为各种类别的概率值，将概率值最大者作为该像素的类别，进而识别出道路边缘线，道路边缘线包括左边缘线和右边缘线。

另一方面，本发明实施例中同时提供了一种道路边缘线识别系统，包括以下模块：

数据输入模块，用于接收并存储采集到的原始的车道图像；

数据标注模块，用于对原始的车道图像进行数据标注，标注出左边缘线、右边缘线、道路中间线、路面，得到标签图像；