[发明专利]地面印刷物的边界提取方法

说明书

本申请提供了一种地面印刷物的边界提取方法，该方法包括：获取待分割的地面印刷物栅格图像；对所述地面印刷物栅格图像进行深度学习的首次分割，获取所述地面印刷物栅格图像中地面印刷物的属性类别信息和掩膜二值化图像；利用图像矩技术对所述属性类别信息和所述掩膜二值化图像进行先验模板定位和匹配，形成先验符号距离约束函数并根据所述先验符号距离约束函数生成先验形状约束项能量函数；构造水平集分割模型的整体能量函数，所述整体能量函数包括所述先验形状约束项能量函数和根据所述待分割的地面印刷物栅格图像生成的数据驱动项能量函数；求解所述水平集分割模型的整体能量函数得到所述地面印刷物的边界轮廓。

技术领域

本说明书一般涉及导航定位技术领域，尤其涉及一种地面印刷物的边界提取方法。

背景技术

道路内部独立地面印刷物的几何边界信息是高精地图最重要的组成部分之一，它能为构建智慧城市一和自动驾驶导航算法提供关键的参考信息。栅格图是提取道路独立地面印刷物几何边界信息的主要数据源之一。传统的高精地图生产环节，道路独立地面印刷物的边界提取仍然以手工为主。这部分工作的自动化程度会直接影响到高精地图的生产效率和更新的频率。

目前已有的另一种方式主要是利用深度学习算法进行独立地面印刷物的分割提取。但是由于栅格图中独立地面印刷物分割问题的复杂性，例如，如车辆遮挡，栅格图分辨率导致的像素化导致独立地面印刷物模糊不清，独立地面印刷物所在区域遭受磨损缺失或者与周围地面无明显界限，独立地面印刷物所在区域存在不同的光照条件(例如，强光、阴阳光等)，其分割的准确度和鲁棒性一直是实现自动化的阻碍。

利用深度学习技术对目标进行分割的方法中，首先利用深度学习网络进行深度特征提取，利用深度特征对目标进行分类和检测，并在检测过程中形成掩膜网络分支进行图像分割。受限于掩膜的大小和二次特征池化，其最终生成的分割掩膜还原到原始图像大小时会造成位置的精度损失较大从而使得分割结果的不准确，同时训练的真值图像存在标签标记噪声，尤其在分割的目标和背景交界处存在尖锐的边界或者模糊的弱边界时很难保证标签信息的高质量标记，这些原因都造成了分割边界结果的不准确性。

发明内容

为了解决现有技术中的技术问题，本申请提供了一种地面印刷物的边界提取方法，实现地面印刷物边界轮廓的自动提取，具有高鲁棒性和良好的目标边界分割的准确性。

本申请的一实施例中公开了一种地面印刷物的边界提取方法，包括：

获取待分割的地面印刷物栅格图像；

对所述地面印刷物栅格图像进行深度学习的首次分割，获取所述地面印刷物栅格图像中地面印刷物的属性类别信息和掩膜二值化图像；

利用图像矩技术对所述属性类别信息和所述掩膜二值化图像进行先验模板定位和匹配，形成先验符号距离约束函数并根据所述先验符号距离约束函数生成先验形状约束项能量函数；

构造水平集分割模型的整体能量函数，所述整体能量函数包括所述先验形状约束项能量函数和根据所述待分割的地面印刷物栅格图像生成的数据驱动项能量函数；

求解所述水平集分割模型的整体能量函数得到所述地面印刷物的边界轮廓。

在一优选例中，构造水平集分割模型的整体能量函数的步骤，进一步包括：

计算所述水平集分割模型的水平集演化曲线的曲率，所述整体能量函数还包括所述曲率，所述曲率作为所述整体能量函数的正则项。

在一优选例中，构造水平集分割模型的整体能量函数的步骤，进一步包括：

在所述整体能量函数中所述先验形状约束项能量函数和所述数据驱动项能量函数具有不同的权重。