[发明专利]一种精确检测交通标志或标线的方法

说明书

本发明公开了一种精确检测交通标志或标线的方法，包括：将交通标志或标线的图像进行叠加合并，形成新的合成的标志或标线；在合成的标志或标线上设置关键点；检测所述关键点，识别关键点对应的交通标志或标线所指示或提示的交通信息。

技术领域

本发明涉及图像检测领域，具体涉及精确检测交通标志或标线的方法。

背景技术

导向箭头是施划在路面上的一类重要交通标识，用于指示复杂道路的行驶方式。对于包括自动驾驶在内的很多领域，导向箭头都是指引智能车辆或者自动驾驶车辆正确使用道路的重要信息，因此，导向箭头在自动驾驶领域的多个模块中有着广泛的应用，包括高精地图构建、高精定位和驾驶决策等。

现有的模板匹配法，通过构建每种箭头的模板，对待检测图像与每个模板进行匹配，匹配值超过阈值的，则认定匹配成功。该技术缺点是不能鲁棒地处理遮挡、光照变化、天气变化、实际导向箭头大小变化及不同国家地区施划标准不一等问题。

发明内容

为了解决当前技术不能鲁棒地处理遮挡、光照变化、天气变化、实际导向箭头大小变化及不同国家地区施划标准不一等缺陷，本发明提供一种精确检测交通标志或标线的方法。

根据本发明的一个方面，提供精确检测交通标志或标线的方法，该方法包括以下步骤：

将交通标志或标线的图像进行叠加合并，形成新的合成的标志或标线；在所述合成的标志或标线上设置关键点；检测所述关键点，识别所述关键点对应的交通标志或标线所指示或提示的交通信息。

优选地，所述交通标志或标线是导向箭头。

优选地，通过标号标识所述关键点。

优选地，所述通过标号标识所述关键点，包括：通过阿拉伯数字或英文字母或中文汉字标识所述关键点。

优选地，所述通过标号标识所述关键点，包括：通过逆时针或者顺时针或者自上而下的顺序进行标号。

优选地，所述检测所述关键点的步骤，通过深度卷积网络实现。

优选地，所述深度卷积网络通过两个卷积分支分别生成关键点分值图和关键点特征图，所述分值图用于度量被检测位置点存在所述关键点的可能性，所述特征图用于描述所述关键点是否对应同一个所述交通标志或标线。

优选地，所述分值图经过非极大值抑制的方式筛选所述关键点的检测结果。

优选地，所述检测所述关键点的步骤，包括：通过标注包含所述交通标志或标线的现实交通场景的图像来优化深度学习的效果。

与现有技术相比，本发明的有益效果包括：

通过合并导向箭头可以减少储存和加快计算，通过将导向箭头用关键点表示，可以处理遮挡、实际导向箭头大小变化及不同国家地区施划标准不一等问题。经过大量标注数据的监督学习，通过深度模型可以处理光照变化、天气变化等问题。

附图说明

通过结合附图进行阅读，将会更好地了解以上概述以及以下详细描述。为了便于说明，附图中示出本公开的某些实施例。但是，应当理解，本发明并不局限于所示的准确布置和工具。结合到本说明书中并且构成其部分的附图示出按照本发明的系统和设备的实现，并且连同本描述一起用来说明按照本发明的优点和原理。

其中，

图1是本发明一种精确检测交通标志或标线的方法的流程示意图。

图2是本发明导向箭头的结构示意图。

图3是本发明合并箭头的结构示意图。

图4是本发明深度卷积网络的检测流程示意图。

图5是本发明深度卷积网络的另一种检测流程示意图。