[发明专利]一种基于梯度的路牌配准定位方法

权利要求书

1.一种基于梯度的路牌配准定位方法，其特征在于，包括步骤如下：

A、构建数据库

所述数据库包括各个路牌的以下信息：地理坐标、路牌中心与车道的距离信息、底色，所述地理坐标是指路牌所在的经度、纬度；所述路牌中心与车道的距离信息是指路牌中心与每条车道线的横向距离；所述底色是指路牌的颜色；

B、路牌粗定位与提取

a、将双目相机安装在车辆前方以实时获取道路图像；

b、将步骤a获得的道路图像利用训练好的YOLOv8网络模型进行目标检测，实现目标路牌的粗定位，并识别当前路牌的类别，获取当前路牌的数据库信息，并求取粗定位区域图像；

c、将步骤b获得的粗定位区域图像从RGB空间转换为HSV空间；

d、将经过步骤c处理的图像在HSV空间进行阈值处理，并通过形态学操作、连通域长宽比例约束得到掩模图像，从而得到路牌区域ROI图像；

C、基于梯度的配准优化

根据得到的掩模图像，初步得到四对初始对应点，从而得到初始的透视变换矩阵，再利用基于梯度的优化算法对高斯平滑后的左右目路牌区域ROI图像进行亚像素级配准，迭代更新得到准确的透视变换矩阵；

D、车辆位姿计算

求得路牌整体位移，即求得视差，进而得到车辆的位置信息，包括相机相对于路牌的横向和法线距离，即车辆相对路牌的距离和所在车道。

2.根据权利要求1所述的一种基于梯度的路牌配准定位方法，其特征在于，步骤b的具体实现过程包括：

(1)训练YOLOv8网络模型：

获取训练集：选取含有路牌的图片，标注上标签，标签包括图片中路牌的坐标信息以及路牌的类别；

YOLOv8网络模型包括Backbone单元、Neck单元、Head单元；

Backbone单元包括卷积模块、C2f模块、SPPF模块，其中，卷积模块包括卷积层、批归一化层和SiLU激活函数层；C2f模块包括卷积模块、Bottleneck模块和残差结构模块；SPPF模块中包括卷积层、池化层；

Neck单元包括卷积模块、C2f模块、上采样层；

Head单元包括检测模块，检测模块包括卷积模块、卷积层；

基于Backbone单元对训练集中的每张图片进行放缩以及卷积操作，从而获得初始的特征图；基于Neck单元对得到的初始特征图进行二次提取，获得不同尺度的中间特征图；将获得的不同尺度的中间特征图输入Head单元，得到YOLOv8网络模型预测的路牌坐标；

通过YOLOv8网络模型预测的路牌坐标和真实的路牌坐标计算损失，通过损失获得YOLOv8网络模型优化的梯度，进行YOLOv8网络模型权重的更新，损失不断下降网络预测的准确率不断上升，从而获得一个训练好的YOLOv8网络模型；

将步骤a获得的道路图像利用训练好的YOLOv8网络模型进行目标检测，实现目标路牌的粗定位，并识别当前路牌的类别，获取数据库信息；

(2)在实际的推理测试阶段，将步骤a获得的道路图像输入训练好的YOLOv8网络模型，得到预测的路牌粗定位坐标，以及路牌的种类；

(3)将路牌粗定位坐标得到的粗定位区域置1，其他区域置0，得到粗定位区域图像。

3.根据权利要求1所述的一种基于梯度的路牌配准定位方法，其特征在于，步骤c中，

HSV空间中，分离出符合以下阈值范围的像素：

饱和度S的阈值取值范围为0.35S1，亮度V的阈值取值范围为0.35V1；色调H的阈值取值范围由路牌决定，对于矩形蓝色路牌，设置200H280，对于自制标准路牌提取四角红色区域，设置H330或H30。