[发明专利]一种多视图融合交通标志检测识别方法及其系统

说明书

本发明公开了一种多视图融合交通标志检测识别方法及其系统，用于无人驾驶领域，该方法包括以下步骤：S1.实时采集不同视角的交通标志图像；S2.将不同视角的交通标志图像输入至训练好的神经网络模型中，得到不同视角的特征图；S3.建立不同视角的特征图之间的对应关系，进行特征融合，得到多视图融合结果后进行交通标志检测和信息识别，并将识别结果发送至所述辅助驾驶系统。本方法采用神经网络模型进行交通标志检测和识别，并结合多视图数据融合算法，使神经网络模型可以处理多个角度的交通标志数据，所获得的神经网络模型更加适用于复杂的现实行车环境中，可以避免环境遮挡、杂物干扰的影响，且经过对视图数据融合使检测精度得到提高。

技术领域

本发明涉及无人驾驶智能车辆的技术领域，更具体的说是涉及一种多视图融合交通标志检测识别方法及其系统。

背景技术

随着无人驾驶智能车的兴起，准确保证无人驾驶时的道路安全成为了一个亟待解决的问题。道路旁的交通标志能够提供实时的真实、准确的交通信息，可以根据这些道路交通信息来辅助控制汽车的行驶速度、前进、转向等操作。因此，准确检测和识别交通标志、协助控制智能车成为无人驾驶领域的一项关键技术。

目前，利用深度学习的目标检测算法是实现交通标志识别和检测的主要途径。交通标志识别系统主要是通过安装在智能车辆上的摄像头、传感器等设备获取自然场景图像，然后通过图像处理与模式识别等技术对场景中的标志进行实时检测和理解，最后将禁令、警告和指示等识别信息及时反馈，对车辆进行有效控制。

然而现有技术中交通识别的过程中仍是对单一图像进行处理进而得到反馈，但是单一视图数据在处理的过程中遇到杂物和遮挡而信息不完整的情况，在无人驾驶车辆中采用单一图像处理的方式显然不能满足安全性。

因此，提供一种多视图融合交通标志检测识别方法及其系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种多视图融合交通标志检测识别方法及其系统，主要通过采用安装于智能车上的多个摄像头来获取交通标志的多视图数据，提供更为丰富的交通标志信息，通过多视图数据的融合并结合结构简单但检测精度很高的网络模型，解决了智能车在现实有遮挡干扰行车环境下的交通标志实时识别和检测问题。

为了实现上述目的，本发明采用如下技术方案：

一种多视图融合交通标志检测识别方法，所识别到的结果发送至辅助驾驶系统，包括以下步骤：

S1.实时采集不同视角的交通标志图像；

S2.将不同视角的交通标志图像输入至训练好的神经网络模型中，得到不同视角的特征图；

S3.建立不同视角的特征图之间的对应关系，进行特征融合，得到多视图融合结果后进行交通标志检测和信息识别，并将识别结果发送至所述辅助驾驶系统。

优选的，S3中的建立不同视角的特征图之间的对应关系具体内容为：

其中，为视角平面u上的任一特征点，为视角平面v上的任一特征点，w_j,i是要确定的标量；

对于一个特定的点i，只有一个w_j,i为正，而其余的都为0；且仅当u平面上的和v平面上的对应同一个3D点时，w_j,i为正。

优选的，神经网络模型的训练包括根据训练样本图像进行特征提取的训练和多视图融合训练。

优选的，神经网络进行多视图融合训练的步骤包括以下内容：

(1)将不同视角的训练样本图片输入神经网络中，得到不同视角的特征图，并将特征图进行融合；