[发明专利]车道线确定方法及装置

说明书

本发明公开了一种车道线确定方法及装置，其中所述方法包括：对拍摄图像进行逆投影变换；从逆投影变换后的图像数据中提取包含待确定车道线的粗提取图像数据；将所述粗提取图像数据输入第一卷积神经网络模型进行识别，得到所述待确定车道线的第一识别结果；对所述粗提取图像数据进行逆投影反变换，将反变换后的待确定车道线的图像数据输入第二卷积神经网络模型进行识别，得到所述待确定车道线的第二识别结果；根据第一识别结果和第二识别结果将满足第一预设条件的待确定车道线确定为真实的车道线。本发明实施例能够精确定位各种拍摄场景下拍摄图像中的车道线。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种车道线确定方法及装置。

背景技术

随着地图导航技术的飞速发展，地图导航技术成为了人们日常出行必不可少的工具。而在地图导航中，车导航(包括自驾导航和无人驾驶导航)成为地图导航中主要的导航部分。而车导航中车道线的定位是决定导航准确率和召回率的关键因素。

现有车道线定位技术都是基于图像处理和机器学习算法来进行的。主要有一下两种：第一种是将拍摄图像投影到正视空间中，通过边缘检测、二值化、噪声滤除以及线条拟合来完成车道线的定位。第二种是直接在拍摄图像中利用窗口进行扫描，通过机器学习的方法判定属于车道线的像素点，再通过线条拟合定位车道线。

但是上述两种方法的车道定位的准确度均受限于拍摄场景，即针对于车道线和路面反差较大、且不考虑遮挡和阴影、曝光正常的场景进行处理，才能获得较好的车道线定位效果，而上述场景在实际应用中很难得到满足。

发明内容

本发明实施例提供一种车道线定位方法及装置，能够精确定位各种拍摄场景下拍摄图像中的车道线。

第一方面，本发明实施例提供了一种车道线确定方法，包括：

对拍摄图像进行逆投影变换；

从逆投影变换后的图像数据中提取包含待确定车道线的粗提取图像数据；

将所述粗提取图像数据输入第一卷积神经网络模型进行识别，得到所述待确定车道线的第一识别结果；

对所述粗提取图像数据进行逆投影反变换，将反变换后的待确定车道线的图像数据输入第二卷积神经网络模型进行识别，得到所述待确定车道线的第二识别结果；

根据第一识别结果和第二识别结果将满足第一预设条件的待确定车道线确定为真实的车道线。

第二方面，本发明实施例还提供一种车道线确定装置，包括：

图像变换模块，用于对拍摄图像进行逆投影变换；

粗提取模块，用于从逆投影变换后的图像数据中提取包含待确定车道线的粗提取图像数据；

第一识别模块，用于将所述粗提取图像数据输入第一卷积神经网络模型进行识别，得到所述待确定车道线的第一识别结果；

第二识别模块，用于对所述粗提取图像数据进行逆投影反变换，将反变换后的待确定车道线的图像数据输入第二卷积神经网络模型进行识别，得到所述待确定车道线的第二识别结果；

车道线确定模块，用于根据第一识别结果和第二识别结果将满足第一预设条件的待确定车道线确定为真实的车道线。

本发明实施例通过对拍摄图像进行逆投影变换，从逆投影变换后的图像数据中提取包含待确定车道线的粗提取图像数据，一方面将所述粗提取图像数据输入第一卷积神经网络模型进行识别，得到所述待确定车道线的第一识别结果，另一方面，对所述粗提取图像数据进行逆投影反变换，将反变换后的待确定车道线的图像数据输入第二卷积神经网络模型进行识别，得到所述待确定车道线的第二识别结果，最后根据第一识别结果和第二识别结果将满足第一预设条件的待确定车道线确定为真实的车道线。本发明实施例能够精确定位各种拍摄场景下拍摄图像中的车道线。