[发明专利]城市交通场景图像理解与多视角群智优化方法

摘要

本发明公开了城市交通场景图像理解与多视角群智优化方法，利用道路布局随机变量的交叉口行车路径先验建模与基于FCN学习网络的路面语义先验建模方法，提高交叉口行车路线与路面的认知精度与整个场景语义理解程度；融合认知驱动的先验模型与数据驱动的二维‑三维空间变换的候选框语义特征，结合深度神经网络，实现复杂交通场景三维目标检测与识别；协同考虑车辆位置姿态与行驶轨迹先验模型，对复杂道路环境如交叉口交通场景，对三维场景流进行估计与描述，全面表征场景中交通参与者的姿态与运动趋势；针对城市复杂交叉口路段环境，通过多视角群智优化实现交通场景的全息理解，本发明有效且易实现的交通环境理解，为智能车的自主控制提供决策依据。

主权项

1.城市交通场景图像理解与多视角群智优化方法，其特征在于，具体包括以下步骤：步骤1)、基于车辆目标获取车辆三维信息，建立反映三维空间先验的车辆目标二维检测候选框；针对道路交通参与者占用的结构非完整性路面，采用深度学习的方法，对路面进行语义先验建模得到路面语义先验模型；步骤2)、采用候选框的图像熵排序实现车辆目标的感兴趣区域提取并由回归器进行边界框的精确回归、角度的回归及分数预测，得到车辆目标检测结果；步骤3)、采用Faster‑rcnn的深度架构对路面导向标识和交叉口交通信号灯实现检测与识别，为行驶路径模型的建立提供约束条件；步骤4)、基于单车辆行驶路径路面语义先验模型与路面导向标识识别方法生成车辆行驶路径模型，结合车辆目标检测结果中得到的位置姿态生成单车运动矢量轨迹，将可视范围内的所有单车运动矢量轨迹融合获得场景流估计；步骤5)、基于场景感知图得到像素分割栅格图，结合场景流估计与车辆目标检测结果构建路权占有概率模型E以得到路权概率栅格图，融合路权概率栅格图确定的可行驶区域与交通信号灯决定的可行驶概率得到单视角下场景理解；步骤6)、构建融合俯视视角与前视视角的深度集合网络架构，从而通过多视角群智优化实现交通场景的全息理解。