[发明专利]一种基于机器视觉的轻量化道路路面检测方法及系统在审
申请号: | 202011566151.5 | 申请日: | 2020-12-25 |
公开(公告)号: | CN112598066A | 公开(公告)日: | 2021-04-02 |
发明(设计)人: | 胡增;钟生;彭鹏 | 申请(专利权)人: | 中用科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06T7/00;G06T7/73;G06N20/10;G06N3/04;G06N3/08 |
代理公司: | 合肥天明专利事务所(普通合伙) 34115 | 代理人: | 高微微 |
地址: | 230601 安徽省合肥市经济技术*** | 国省代码: | 安徽;34 |
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 基于 机器 视觉 量化 道路 路面 检测 方法 系统 | ||
1.一种基于机器视觉的轻量化道路路面检测方法,其特征在于,包括:
获取待识别的道路路面图像,所述道路路面图像包括路面损坏状态;
对道路路面图像中的路面损坏位置进行目标框标记,得到道路路面图像中路面损坏的目标区域;
将道路路面图像输入到已训练完成的深度学习模型中,所述深度学习模型包括SVM分类器和回归器;
根据SVM分类器对路面损坏的局部图像进行图像处理,得到道路路面的损坏类型;
根据回归器对预测框进行修正,并根据目标区域对锚框进行边界回归处理,得到路面损坏位置。
2.根据权利要求1所述的基于机器视觉的轻量化道路路面检测方法,其特征在于,在对道路路面图像中的路面损坏位置进行目标框标记,得到道路路面图像中路面损坏的目标区域之后,对道路路面图像进行预处理,具体预处理包括:
对道路路面图像进行数据增强处理,得到增强后的道路路面图像;
对增强后道路路面图像数据设定初始锚框,计算路面损坏位置所处的锚框值,该锚框值对应的锚框位置作为预测框;
对增强后道路路面图像进行自适应缩放,得到同一标准的道路路面图像。
3.根据权利要求1所述的基于机器视觉的轻量化道路路面检测方法,其特征在于,在将道路路面图像输入到已训练完成的深度学习模型中,包括:
对所述道路路面图像进行切片处理,得到特征向量图;
对所述特征向量图进行多次卷积处理,提取道路路面图像的特征值;
将道路路面图像的特征值送入SVM分类器中,以输出道路路面的损坏类型。
4.根据权利要求2所述的基于机器视觉的轻量化道路路面检测方法,其特征在于,在根据回归器对锚框进行修正,并根据目标区域对锚框进行边界回归处理,得到路面损坏位置中,其中,对锚框进行边界回归处理,具体包括:
利用平移变换和尺度变换对道路路面图像进行映射,得到预测框对应的预测值;
根据预测值和目标框对应的真实值之间差距最小原则,得到损失函数;
对根据函数优化目标对损失函数进行优化,得到修正后的预测框;
根据预测框和目标框,计算损失CIOU,得到预测框偏离目标框的损失量,最终得到路面损坏位置。
5.根据权利要求4所述的基于机器视觉的轻量化道路路面检测方法,其特征在于,在利用平移变换和尺度变换对道路路面图像进行映射,得到预测框对应的预测值d*(P)(*为x,y,w,h)中,通过以下公式计算:
其中,四维向量(x,y,w,h),x,y表示窗口的中心点坐标,w,h表示窗口的宽高,Φ5(P)是目标框的特征向量,w*T是要学习的参数。
6.根据权利要求5所述的基于机器视觉的轻量化道路路面检测方法,其特征在于,在根据预测值和目标框对应的真实值之间差距最小原则,得到损失函数中,损失函数LOSS通过以下公式计算:
ty=(Gy-Py)/Ph
tw=log(Gw/Pw)
th=log(Gh/Ph)
其中,预测框平移变换和尺度变换的真实特征向量t*=(tx,ty,tw,th),表示真实的学习参数,tx和ty为预测框的平移量,tw,th为尺度变换的缩放量,Gx、Gy、Gw、Gh表示目标框的中心点坐标值和宽高值,Px、Py、Pw、Ph表示预测框的中心点坐标值和宽高值。
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中用科技有限公司,未经中用科技有限公司许可,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/202011566151.5/1.html,转载请声明来源钻瓜专利网。