[发明专利]车辆车道偏移的测量方法

权利要求书

1.一种车辆车道偏移的测量方法，其特征在于，包括：

S1:通过车载相机采集车辆行驶前方的道路样张，获取第一关键帧和当前帧；其中，关键帧表示一段时间内画面特点的视频帧；

S2:将当前帧和第一关键帧输入到光流估计网络，得到特征图F1，通过所述特征图F1获得从第一关键帧变化到当前帧的光流估计矩阵M1；

S3：将所述特征图F1输入到关键帧判别算法，得到当前帧可以作为关键帧的置信度；

S4:判断当前帧是否可以更新为关键帧，若是则转至步骤S41，否则转至步骤S42；

S41：调用全卷积神经网络FCN-8s对所述当前帧进行语义分割生成第一识别掩膜R1；

S42：通过所述第一关键帧的语义分割结果和光流估计矩阵M1生成光流估计后的第二识别掩膜R2；

S5：对所述第一识别掩膜或所述第二识别掩膜进行处理，拟合出表征车道线的二次曲线方程；

S6：将范围内的行像素逐行代入行坐标到车道线的二次曲线方程中，得到两个列坐标点，并求这两个列坐标点的算术平均值，最终得到一组中点坐标，所述中点坐标即为理想轨迹点；

S7：定义世界坐标系、相机坐标系、像素坐标系和成像坐标系，将所述理想轨迹点变换到世界坐标系下；

S8：在世界坐标系下对所述理想轨迹点进行二次曲线拟合，生成理想轨迹线，通过所述理想轨迹线方程的常数项参数确定当前车辆的车道偏移情况。

2.如权利要求1所述的方法，其特征在于，所述步骤S2中，所述光流估计网络包括编码器和解码器，将所述当前帧和第一关键帧按通道叠加输入到所述编码器，通过连续的卷积操作提取特征获得特征图F1，所述解码器对所述特征图F1进行采样得到光流估计矩阵M1。

3.如权利要求2所述的方法，其特征在于，所述步骤S3包括：

将所述特征图F1输入到所述关键帧判别算法，则所述当前帧可以作为关键帧的置信度定义为：

其中，C_i表示当前帧中识别正确的像素点，P_all表示当前帧的像素点总数；所述关键帧判别算法包括五层神经网络，第一层为卷积层，第二层至第五层均为全连接层。

4.如权利要求3所述的方法，其特征在于，所述步骤S41包括：

设置所述置信度的阈值为90％，当所述置信度小于90％时，则当前帧被更新为新的关键帧，即得到第二关键帧；

通过全卷积神经网络FCN-8s对所述第二关键帧进行语义分割得到第一识别掩膜R1。

5.如权利要求4所述的方法，其特征在于，所述步骤S42包括：

当所述置信度大于90％时，当前帧不会被更新为关键帧，若当前帧上的目标像素点坐标为(u0，v0)，则所述目标像素点(u0，v0)在所述光流估计矩阵M1上对应的相对于第一关键帧的在水平方向u轴和垂直方向v轴上的位移是x(u，v)和y(u，v)，通过式(2)计算目标像素点(u0，v0)的像素值，生成当前帧的第二识别掩膜R2；

f(u₀，v₀)＝Q(u₁，v₁)·w₁+Q(u₁，v₂)·w₂+Q(u₂，v₁)·w₃+Q(u₂，v₂)·w₄； (2)；

其中，Q(u，v)表示第一识别掩膜R1中像素点(u，v)的像素值，w_j表示权重，j∈[1，4]；