[发明专利]基于车载视频的车道线识别方法、系统和电子设备

说明书

本申请公开了一种基于车载视频的车道线识别方法、系统和电子设备。所述识别方法，包括：获取车载视频中的预定图像帧；将所述预定图像帧以所述预定图像帧的纵向分别划分为两个第一图像和三个第二图像以获得多个检测用图像；将所述多个检测用图像输入卷积神经网络以获得第一特征图；从所述卷积神经网络的前N层提取所述多个检测用图像的第二特征图，N是大于一且小于等于三的整数；融合所述第一特征图和所述第二特征图以获得检测特征图；以及，基于所述检测特征图获得所述预定图像帧中的车道线的识别结果。这样基于车载摄像头在车辆上的物理位置，将车载视频中的车道线的识别转换为图像所划分成的子图像中的边缘检测，以提高识别精度。

技术领域

本申请涉及人工智能技术领域，且更为具体地，涉及一种基于车载视频的车道线识别方法、系统和电子设备。

背景技术

“智慧城市”将信息技术与先进的城市经营服务理念进行有效融合，通过对城市的地理、资源、环境、经济等进行数字网络化管理，为城市提供更便捷、高效、灵活的公共管理的创新服务模式。

自动驾驶是智慧城市的重要组成部分。在自动驾驶应用中，车道线的检测是其中一个比较重要的部分。现行的一种做法是将车道线作为图像中的特定对象进行检测，例如，通过图像的语义分割来确定图像像素中车道线的语义含义，并进一步进行是否为车道线的分类。

然而，由于车道线在图像中特征并不明显，但车道线位置检测的精度需求又较高，导致现有的基于图像语义分割技术的方案难以满足应用需求。

因此，需要一种优化的车道线检测方案来满足应用需求。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于车载视频的车道线识别方法、系统和电子设备，其基于车载摄像头在车辆上的物理位置，将车载视频中的车道线的识别转换为图像所划分成的子图像中的边缘检测，以提高识别精度。

根据本申请的一个方面，提供了一种基于车载视频的车道线识别方法，其包括：

获取车载视频中的预定图像帧；

将所述预定图像帧以所述预定图像帧的纵向分别划分为两个第一图像和三个第二图像以获得多个检测用图像；

将所述多个检测用图像输入卷积神经网络以获得第一特征图；

从所述卷积神经网络的前N层提取所述多个检测用图像的第二特征图，N是大于一且小于等于三的整数；

融合所述第一特征图和所述第二特征图以获得检测特征图；以及

基于所述检测特征图获得所述预定图像帧中的车道线的识别结果。

在上述基于车载视频的车道线识别方法中，获取车载视频中的预定图像帧，包括：从车辆的前置摄像头或者后置摄像头获取车载视频；以及，从所述车载视频截取所述预定图像帧。

在上述基于车载视频的车道线识别方法中，所述识别方法，进一步包括：获取所述车载视频中的所述预定图像帧的后续一个或多个图像帧；确定所述后续一个或多个图像帧与所述预定图像帧的位置关系；以及，基于所述位置关系，将所述预定图像帧内的识别出的车道线沿所述预定图像帧的横向平移预定像素以获得所述后续一个或多个图像帧中的车道线的识别结果。

在上述基于车载视频的车道线识别方法中，确定所述后续一个或多个图像帧与所述预定图像帧的位置关系，包括：计算所述后续一个或多个图像帧与所述预定图像帧的差分图像；以及，基于所述差分图像通过图像处理确定所述后续一个或多个图像帧与所述预定图像帧的位置关系。

在上述基于车载视频的车道线识别方法中，确定所述后续一个或多个图像帧与所述预定图像帧的位置关系，包括：获取车辆的运动参数；以及，基于所述运动参数确定所述后续一个或多个图像帧与所述预定图像帧的位置关系。