[发明专利]一种车道线数据集的构建标注方法及应用系统

说明书

本发明提供了一种车道线数据集的构建标注方法及应用系统，属于图像处理领域。本发明针对车道数据集构建过程中，手动处理数据、标注数据效率低下的问题，包括：采集视频数据，根据时间戳命名保存；把视频数据分解为图片，根据神经网络模型动态选择保存哪一帧图像；对标注时显示的图像图像进行自适应增强，提高标注准确度和速度；使用基于大量数据预训练的神经网络镜像车道数据的自动标注；对神经网络标注的结果进行人工确认和修改，若神经网络自动标注的某些数据效果较差，则自动生成若干水平辅助线，加快标注速度。

技术领域

本发明属于图像处理领域，具体涉及一种车道线数据集的构建、标注方法及应用系统。

背景技术

随着人工智能和自动驾驶驾驶技术的发展，深度神经网络以其较好的识别效果，良好的 鲁棒性，成为当前主流的图像识别算法。然而神经网络模型的训练需要大量人工标注的数据， 需要花费大量的人力物力成本。同时人工标注容易因疲劳、专注度下降等原因造成标注结果 的准确度下降。

车道线作为结构化道路的一个主要特征，对驾驶以及自动驾驶都有很强的指导作用，因 此车道线的检测和识别是当前自动驾驶的一个重要研究方向。车道线数据的标注常常使用点 标注作为原始标注，后续再根据需要通过样条插值，最小二乘等方法拟合出车道线。

目前公开的使用较为广泛的车道数据集如Tusimple数据集，CULane数据集等单条车道 上标注点个数范围在最大可达48个，单张图像中通常有1～4条车道线，由此可见车道线标注 工作任务量巨大。图像标注领域的常用标注工具有labelImg，labelMe等软件，当进行大量数 据点标注时需要人工定位坐标，标注的效果好坏直接影响深度学习模型的训练效果。

发明内容

本发明的目的在于提供一种车道线数据集的构建、标注方法及应用系统，以解决车道数 据集构建过程中，手动处理数据、标注数据效率低下的问题。

一种车道数据集构建、标注方法，其包括以下步骤：

(1)通过视频的形式采集车道数据，并保存数据用于后续处理；

(2)对采集到的视频数据进行分解处理得到图片，并根据数据集要求批量调整图片尺寸、 格式等，其中视频数据分解过程有两种可选步骤：

(2.1)每隔N帧保存一帧图像。N的值通过人工设置；

(2.2)每隔N帧保存一帧图像。N的值通过深度学习技术自动设置，具体为：通过预先训 练的神经网络模型进行每一帧图像的关键点预测，并计算当前帧与参考帧的关键点的相似度， 当相似度大于阈值时，自动保存当前帧，并更新当前帧为参考帧。相似度由下述公式得到：

其中，S为不同图像帧上预测点的相似度，n为关键点的个数，为当前图像帧上关键点的横 坐标，y_i为当前图像帧上关键点的纵坐标，x′_i为参考帧上关键点的横坐标，y′_i为参考帧上关键 点的纵坐标，λ为比例系数，一般取大于0.5的值。

(3)对显示图像进行自适应增强，减小人工识别车道线的难度，加快标注速度。其所述的 图像自适应增强方法只增强标注时显示的图像，而不更改原图像，包括如下步骤：

(3.1)根据预先训练的神经网络划分出车道线感兴趣区域；

(3.2)计算感兴趣区域内图像的亮度值，若小于阈值则对整个图像进行亮度增强；

(3.3)若车道远端间隔小于阈值，则通过逆透视变换得到俯视图，方便标注。

(4)设置标注数据的格式，对要标注的车道数、每条车道标注点数及标注间隔类型进行设 置，其设置项包括

(4.1)需要标注的车道数目；