[发明专利]一种山地道路边线位置检测方法

权利要求书

1.一种山地道路边线位置检测方法，其特征在于，包括如下步骤：

A1、将待检测图像转换为HSV图像以及灰度图像，作为网络输入；

A2、并行提取HSV图像、灰度图像各自的图像特征，再从边缘提取子网络嵌入图像边缘特征，通过融合得到全局混合特征F_m；

A3、将提取出的全局混合特征F_m，输入分类预测网络模型，得到道路边线位置检测结果，作为网络输出；

步骤A3具体实现如下：

A301、将混合特征F_m通过卷积、全连接操作，得到一维全连接向量；

A302、通过基于行挑选的道路边线位置预测方法，得到道路边线检测结果；

步骤A302的具体实现如下：

A3021、通过预定义图像行数量、每行的图像块数量，完成图像网格化，形成图像预定义行区域；

A3022、基于特征提取模块的全局特征信息F_m，完成对图像预定义行区域中各图像块属于各条道路边线位置的概率预测估计；

A3023、通过不同标识对图像预定义行区域中挑选出的各条道路边线位置或缺失情况进行标记，即完成图像块挑选任务，输出各道路边线的预测位置；

所述道路边线位置预测的具体实现还包括如下步骤：

B1、设定道路边线数量最大值为N，预定义的行数量为h，图像网格化后每行的网格数量为w，原图像大小分辨率为H×W，根据特征提取模块得到的全局图像混合特征F_m，设定用于挑选第j行中的第i条道路边线的分类器为G^ij，则第j行中各水平位置属于第i条道路边线位置的预测概率为：

P_i,j,:＝G^ij(F_m),s.t.i∈[1,N],j∈[1,h]

其中，P_i,j,:是w+1维的向量，第w+1维表示道路边线位置的缺失情况；

B2、通过softmax函数，正则化处理可得：

Pcell_i,j,:＝softmax(P_i,j,:)

Pcell_i,j,k则表示第j行中第k个图像块属于第i条道路边线位置的预测概率；

B3、通过回归处理，在第j行中的第i条道路边线预测位置为：

2.根据权利要求1所述的一种山地道路边线位置检测方法，其特征在于，所述步骤A2包括多个图像特征提取模块：

HSV图像特征提取支路：通过简易的卷积、池化层，对HSV图像提取得到带颜色信息的特征图F_h；

灰度图像特征提取支路：通过LBCNN局部二值卷积神经网络层，实现灰度图像的纹理增强，并采用卷积层结合残差模块完成特征提取，得到特征F_g；

多支路特征融合：将HSV图像特征提取支路得到的特征F_h与灰度图像特征提取支路得到的特征F_g相融合，得到特征F_gh；在进入分类预测模块之前，通过嵌入边缘特征F_e融合得到多维信息的全局混合特征F_m。