[发明专利]基于无人机航拍图像的车道线检测及车道辅助保持方法

说明书

本发明涉及基于无人机航拍图像的车道线检测及车道辅助保持方法，属于计算机视觉领域。针对传统基于车载摄像头视角的车道线检测视野受限问题，该方法以无人机视角代替车载摄像头视角进行道路图像采集，设计了全新的车道线检测网络与损失函数，同时针对无人机图像传输干扰问题设计了航拍图像去噪模型；然后利用加载了车道线检测模块与航拍图像去噪模块的地面工作站接收无人机传输的道路图像进行车道线检测；接下来基于车道线检测模块的输出结果计算车道中心点与图像中心点之间的偏移量，最后根据偏移量生成偏移信号发送至无人车辅助其进行车道保持。

技术领域

本发明属于计算机视觉领域，涉及基于无人机航拍图像的车道线检测及车道辅助保持方法。

背景技术

随着智能交通系统(Intelligent Transportation System,ITS)的发展，城市智能化交通逐渐得到普及，以车辆自动驾驶为代表的智能交通技术也随之受到了广泛的关注。同时，计算机视觉技术已在车辆自动驾驶领域中得到广泛应用。利用视觉传感器获取自动驾驶车辆在行驶过程中的道路图像数据进行车道线检测，并利用检测结果辅助自动驾驶汽车进行车道保持，可大幅提高自动驾驶车辆的安全性与可靠性。

目前自动驾驶车辆车道辅助保持方法主要通过检测道路的车道线来为自动驾驶车辆提供道路区域与边界信息,主流的车道线检测方法包括基于雷达的车道线检测与基于图像的车道线检测。其中基于图像的车道线检测方法主要是通过对车载摄像头拍摄的道路图像进行处理实现的。由于车载摄像头的拍摄视野较小，在跟车距离过近或前车高度较高时视线容易被遮挡，因此在实际应用中会受到许多阻碍。随着无人机技术的发展，考虑无人机的远距视野优势，利用无人机代替车载摄像头获取道路图像进行车道线检测成为了可行方案。

然而，现有的车道线检测算法主要基于地面车辆视角的道路影像数据，在将其应用于无人机航拍图像时往往会造成车道线检测精度下降，同时由于无人机工作环境的特殊性与复杂性，从无人机获得的道路图像在成像及传输过程中也易于受到噪声干扰，进而导致图像质量下降，影响后续的车道线检测任务。此外，如何利用基于无人机航拍图像的车道线检测方法的检测结果辅助自动驾驶车辆进行车道保持也是一个亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供基于无人机航拍图像的车道线检测及车道辅助保持方法，具有感知范围广，鲁棒性强的特点，在车道线检测领域及车辆自动驾驶领域具有较强的现实意义与良好的应用前景。

为达到上述目的，本发明提供如下技术方案：

基于无人机航拍图像的车道线检测及车道辅助保持方法，该方法包括以下步骤：

S1：车道线检测模型构建部分：

S11构建并训练航拍视角下的车道线检测深度学习模型：

S12：模型的训练至少2000张标记后的无人机航拍视角下的车道线图片，其中按照10：1的比例设定为训练集以及测试集；

S13：针对主网络和辅助网络，分别设计分类损失函数L_cls与实例分割损失函数L_seg，其中主网络采用车道线概率分布预测值与训练数据集真实车道线位置之间的交叉熵作为损失函数L_cls，如下式所示：

式中P_i,j为主网络中车道线位置的预测值，T_i,j为训练集中车道线所在位置的标签，下标i表示图像中的某一车道线序号，下标j表示某一预设行锚的序号，C为图像中的车道线个数，h为预设的行锚数，N为模型预测的样本数量；

其次，考虑车道线的连续性与平滑性，采用L_cont作为主网络的连续性损失函数，如下式所示：