[发明专利]一种基于多尺度信息道路可行驶区域分割方法

权利要求书

1.一种基于多尺度信息道路可行驶区域分割方法，其特征在于，包括如下步骤：

S1、构建基于多尺度信息道路可行驶区域分割网络，所述分割网络包括特征提取模块、并行空洞卷积模块、道路可行驶区域分割模块；

S2、选取道路可行驶区域分割网络的训练数据集及验证数据集；

S3、使用训练集训练所述的道路可行驶区域的分割网络，并提出新的损失函数最小化为网络优化目标函数，优化分割网络；

S4、使用在验证集上验证的最优模型，对实车道路场景下可行驶区域检测和分割。

2.根据权利要求1所述的一种基于多尺度信息道路可行驶区域分割方法，其特征在于，所述S1中，所述道路可行驶区域分割网络，包括特征提取模块、并行空洞卷积模块以及道路可行使区域分割模块；

所述特征提取模块能够提取道路可行驶区域的多层特征图；所述并行空洞卷积模块能够根据特征提取模块提取到的特征图，分别以不同膨胀率的空洞卷积并行采样，最终将特征图合并在一起用于道路可行驶区域分割模块的解码；所述道路可行驶区域分割模块能够根据并行空洞卷积模块输出的特征图，对其进行解码，完成对道路可行驶区域的分割。

3.根据权利要求2所述的一种基于多尺度信息道路可行驶区域分割方法，其特征在于，所述特征提取模块采用改进的全卷积神经网络ResNet-101对RGB图像进行特征提取；

所述改进的全卷积神经网络ResNet-101包括4个相串联的编码单元，第一个编码单元包括1个步长为2的残差卷积层、2个维度不变卷积层；第二个编码单元包括1个步长为2的残差卷积层、3个维度不变卷积层；第三个编码单元包括1个膨胀率为2的空洞卷积层、22个维度不变卷积层；第四个编码单元包括1个膨胀率为2的空洞卷积层、2个维度不变卷积层。

4.根据权利要求3所述的一种基于多尺度信息道路可行驶区域分割方法，其特征在于，所述残差卷积层用于改变输入特征图的维度，维度不变卷积层用于加深网络对特征的提取，其不改变输入特征图的维度；所述空洞卷积层用于提取道路可行驶区域特征，其空洞卷积操作公式如下：

其中，x为输入的特征图，w为空洞卷积核，r为空洞卷积的膨胀率，k为卷积核中信移动的范围，i为特征图每个特征点的位置，y为输出的特征图。

5.根据权利要求2所述的一种基于多尺度信息道路可行驶区域分割方法，其特征在于，所述并行空洞卷积模块能够对特征提取模块提取到的特征分别以膨胀率为6、12、18进行空洞卷积并行操作，最终特征图合并在一起后进行解码操作。

6.根据权利要求2所述的一种基于多尺度信息道路可行驶区域分割方法，其特征在于，所述道路可行驶区域分割模块用于将并行空洞卷积模块输出的深层特征与特征提取模块提取的浅层特征进行特征相加融合，并上采样与输入图片尺寸一致，将输出的上采样图像输入到argmax函数预测层，进行元素级argmax操作，得到图像中每个像素所属的类别，完成对道路可行驶区域分割的分割；

其中，argmax操作公式设计如下：

output_ij＝argmax(input_ijk)，k＝0,1,…,K-1

其中，K为类别总数，i、j为像素在图像中的行列索引，k为第K个类别的特征，input_ijk为输入的上采样后的特征图，output_ij为取值在0到K-1之间的预测值。

7.根据权利要求1所述的一种基于多尺度信息道路可行驶区域分割方法，其特征在于，所述S2中的数据集采用BDD100K数据集。