[发明专利]一种结合SegNet和U-Net的车道线检测方法和装置有效
申请号: | 202010953936.1 | 申请日: | 2020-09-11 |
公开(公告)号: | CN112149535B | 公开(公告)日: | 2023-06-27 |
发明(设计)人: | 朱显丞;黄德天;陈健;吴娇绿;于耀博 | 申请(专利权)人: | 华侨大学 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V10/32;G06V10/20;G06N3/0464;G06V10/56;G06V20/56;G06T3/40 |
代理公司: | 厦门市首创君合专利事务所有限公司 35204 | 代理人: | 张松亭 |
地址: | 362000 福建省*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 结合 segnet net 车道 检测 方法 装置 | ||
1.一种结合SegNet和U-Net网络的车道线检测方法,其特征在于,包括以下步骤:
制作数据集和标签;
构建基于SegNet的车道线检测网络;
将U-Net网络的跳跃连接结构加入所述的基于SegNet的车道线检测网络,得到一种结合SegNet和U-Net的车道线检测网络;
使用所述结合SegNet和U-Net网络的车道线检测网络对待识别的行车场景图像进行检测,得到检测结果;
所述构建基于SegNet的车道线检测网络,具体包括:
所述基于SegNet的车道线检测网络,包括编码模块和解码模块;
所述编码模块对输入图像进行多次卷积、ReLU激活、批量标准化、最大池化操作,得到用于提取车道线的多层特征图;
所述解码模块对输入的多层特征图进行多次反卷积、ReLU激活、批量标准化操作,用于根据编码模块提取的特征,逐层对车道线进行识别和分割,最终完成对车道线的检测;
所述将U-Net网络的跳跃连接结构加入所述的基于SegNet的车道线检测网络,具体为:将各个解码单元的第一次卷积操作后的输出与其对应的同尺寸浅层特征图在通道维度上进行拼接;
所述的各个解码单元的第一次卷积操作后的输出与其对应编码单元的浅层特征具有相同的尺寸,具体为:
第一解码单元的第一次卷积操作的输出对应第四编码单元的第二次卷积操作的输出;
第二解码单元的第一次卷积操作的输出对应第三编码单元的第二次卷积操作的输出;
第三解码单元的第一次卷积操作的输出对应第二编码单元的第三次卷积操作的输出;
第四解码单元的第一次卷积操作的输出对应第一编码单元的第二次卷积操作的输出。
2.根据权利要求1所述的一种结合SegNet和U-Net网络的车道线检测方法,其特征在于:所述制作数据集和标签,具体为:
选取行车场景图像;
对行车场景图像进行预处理;
对预处理后的行车场景图像进行旋转、水平翻转处理,得到扩展后的图像,作为数据集;
将数据集中的行车场景图像转换为二值图像,并采用最大类间方差法获取车道线在图像中所对应的像素点,进行灰度值赋值处理,得到灰度值赋值处理后的二值图像,作为数据集的标签;
选取训练样本。
3.根据权利要求1所述的一种结合SegNet和U-Net网络的车道线检测方法,其特征在于,所述编码模块由第一编码单元、第二编码单元、第三编码单元和第四编码单元串联组成;
所述第一编码单元、第三编码单元和第四编码单元均由卷积层、批量标准化层、卷积层、批量标准化层、池化层串联组成;所述第二编码单元由卷积层、批量标准化层、卷积层、批量标准化层、卷积层、批量标准层、池化层串联组成。
4.根据权利要求1所述的一种结合SegNet和U-Net网络的车道线检测方法,其特征在于,所述解码模块由第一解码单元、第二解码单元、第三解码单和第四解码单元串联组成;
所述第一解码单元和第二解码单元包括3层卷积层;第三解码单元和第四解码单元包括4层卷积层。
5.如权利要求1所述的一种结合SegNet和U-Net网络的车道线检测方法,其特征在于,所述使用所述结合SegNet和U-Net网络的车道线检测网络对待识别的行车场景图像进行检测,得到检测结果,具体为:
将行车场景图像作为所述的一种结合SegNet和U-Net的车道线检测网络的输入,得到的输出是一幅相应的掩膜图像;
将掩膜图像中的各个像素点的灰度值分别乘以255;
将掩膜图像等效为一幅“G”颜色通道图像,并将掩膜图像与“R”颜色通道和“B”颜色通道进行叠加,得到一幅大小为80*160的RGB图像;
将所述RGB图像的尺寸缩放至与输入图像相同,并与输入图像进行图像的加权和操作,实现原始图像与掩膜的可视化,最终得到实际效果图。
6.一种结合SegNet和U-Net网络的车道线检测装置,其特征在于,包括:
准备模块:制作数据集和标签;
构建基础网络模块:用于构建基于SegNet的车道线检测网络;
构建结合网络模块:将U-Net网络的跳跃连接结构加入所述的基于SegNet的车道线检测网络,得到一种结合SegNet和U-Net的车道线检测网络;
检测模块:使用所述结合SegNet和U-Net网络的车道线检测网络对待识别的行车场景图像进行检测,得到检测结果;
所述构建基于SegNet的车道线检测网络,具体包括:
所述基于SegNet的车道线检测网络,包括编码模块和解码模块;
所述编码模块对输入图像进行多次卷积、ReLU激活、批量标准化、最大池化操作,得到用于提取车道线的多层特征图;
所述解码模块对输入的多层特征图进行多次反卷积、ReLU激活、批量标准化操作,用于根据编码模块提取的特征,逐层对车道线进行识别和分割,最终完成对车道线的检测;
所述将U-Net网络的跳跃连接结构加入所述的基于SegNet的车道线检测网络,具体为:将各个解码单元的第一次卷积操作后的输出与其对应的同尺寸浅层特征图在通道维度上进行拼接;
所述的各个解码单元的第一次卷积操作后的输出与其对应编码单元的浅层特征具有相同的尺寸,具体为:
第一解码单元的第一次卷积操作的输出对应第四编码单元的第二次卷积操作的输出;
第二解码单元的第一次卷积操作的输出对应第三编码单元的第二次卷积操作的输出;
第三解码单元的第一次卷积操作的输出对应第二编码单元的第三次卷积操作的输出;
第四解码单元的第一次卷积操作的输出对应第一编码单元的第二次卷积操作的输出。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华侨大学,未经华侨大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010953936.1/1.html,转载请声明来源钻瓜专利网。