[发明专利]一种路面标线图像识别方法和训练方法

说明书

本发明提供了一种安全可靠的，低成本的，基于图像识别的路面标线识别方法及训练方法。该方法能够为车辆巡线控制提供路面标线信息，为车辆驾驶提供道路位置辅助信息，为车辆自动驾驶提供横向导航信息，为车辆定位、测算车辆与站点之间的距离数据、以及车辆进站路线规划与速度控制提供依据。

技术领域

本发明涉及图像识别及曲线拟合技术，尤其涉及一种路面标线的识别拟合技术。

背景技术

车辆驾驶正朝着智能化，自动化的方向发展。为了实现车辆的智能/自动驾驶，或是为驾驶员提供辅助驾驶功能，例如：车道保持功能，或是跟踪路面标线驾驶功能， 都需要在道路图像中识别路面标线，为智能/自动驾驶或是辅助驾驶提供车辆位于道路 上的空间位置信息，以便控制系统对车辆进行辅助控制。

现有车道线检测技术通常基于传动的计算机图像处理技术，需要人为的设计用于图像识别的几何特征，然后利用边缘提取技术对图像进行边缘提取，再进行特征比对。 这种方法对于图像成像质量要求较高，从而对光线环境适应性交差，并且图形被部分 遮挡或是污染，变形的时候，识别率较低，鲁棒性交叉。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提供一种安全可靠的，低成本的，基于图像识别的路面标线识别方法及训练方法。该方法能够为车辆巡线控制 提供路面标线信息，为车辆驾驶提供道路位置辅助信息，为车辆自动驾驶提供横向导 航信息，为车辆定位、测算车辆与站点之间的距离数据、以及车辆进站路线规划与速 度控制提供依据。

为了解决以上问题，根据本发明的第一个方面，提供了一种路面标线图像识别的训练方法，包括：

通过车辆前视摄像机拍摄所述车辆前进方向道路区域的图像，所述道路区域设有n条路面标线(n≥1)；

通过所述摄像机内部参数和外部参数对所述图像进行畸变矫正和透视变换，获得的道路俯视图；

在所述道路俯视图上建立平面坐标系，提取图像中车辆行驶方向同向道路区域的所述路面标线，采用深度神经网络模型输出识别参数，制作训练数据集；

训练所述深度神经网络模型识别路面标线输出的所有识别参数；

所述识别参数包括A₁、A₂……A_k共k个拟合数学方程参数和A_k+1,A_k+2……A_k+i共i个路面标线参数，所述路面标线条数和所述路面标线参数个数的关系为2ⁱn2^i-1， 所述深度神经网络模型包括全连接层和连接在所述全连接层后的输出层，所述全连接 层的每层节点数为1024个，所述输出层的节点数为n*(k+i)个，所述训练数据集为 n*(k+i)维向量label＝[A¹₁，A¹₂……A¹_k+i，A²₁，A²₂……A²_k+i，……，Aⁿ₁，Aⁿ₂…… Aⁿ_k+i]。

优选地，采用分阶段训练，包括如下步骤：