[发明专利]一种道路区域识别方法及系统

说明书

本发明涉及一种道路区域识别方法及系统，方法包括：1)采集道路实时图像；2)判断道路实时图像的图像亮度值是否介于最佳亮度范围内，若是则执行步骤4)，否则执行步骤3)；3)判断自然环境因素是否影响图像采集亮度，若是则通过亮度调节步骤调节道路实时图像的亮度，并执行步骤2)，否则执行步骤1)；4)将道路实时图像输入训练好的道路区域分割网络，获得道路区域图像。与现有技术相比，本发明具有计算量小、实时性强和准确性高等优点。

技术领域

本发明涉及图像识别领域，尤其是涉及一种道路区域识别方法及系统。

背景技术

随着传感技术、计算机技术以及无人驾驶技术的高速发展，基于视觉的无人驾驶汽车的研究也得到快速发展。确保无人驾驶汽车安全可靠运行的前提在于道路区域的准确识别。

对于行驶的道路，一般将其划分为两大类：结构化道路和非结构化道路。结构化道路，是具有标准车道线、标准宽度的沥青道路，比如常见的城市主干道、高速公路等；非结构化道路与之相反，没有固定宽度、模糊甚至没有车道线确定道路边界，而且道路的材质也是多样的，比如有石子路、水泥路、土路、沙子路等等，增加了识别的困难性。

道路区域的检测研究，根据道路类型的划分，一般也划分为两种，结构化道路区域识别与非结构化道路区域识别。结构化道路区域的识别技术，即车道线的检测，由于道路具有统一的特点，检测技术也取得了较快的发展，检测技术也趋于成熟。根据车道线检测算法的差异，目前将结构化道路车道线检测算法主要分为两类：一类是基于特征的车道线检测方法，算法实现主要是利用车道线本身具有颜色、宽度、边缘和梯度变化等特征信息，从路面区域中将车道线分割出来；另一类是基于模型的车道线检测算法，根据对车道线进行建模，选择一个能较好描述车道线的几何模型，常见的车道线模型有：直线模型、双曲线模型、线性抛物线模型和样条曲线模型。非机构化道路检测技术，由于缺乏易于识别的车道线、没有明晰的道路边界且道路形状不规则难以识别，外加道路周边环境较为原始且差异性不同，导致检测效果只能在特点道路类型中取得较好的结果。现阶段取得较好检测的算法有：基于消失点改进算法、基于道路特征的方法、基于道路模型的方法和基于神经网络的方法等。

综上，现有技术存在的缺陷在如下几方面：

对于实际应用中，道路是结构化道路与非结构化道路相结合的，结构化道路检测技术虽然趋于成熟，但应用于非结构化道路区域检测的效果并不佳，算法不具有通用性，由于非结构化道路具有多样性，大多提出的算法只能应用在特定的道路类型，不具有普遍性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种道路区域识别方法及系统，计算量小，实时性强，准确性高。

本发明的目的可以通过以下技术方案来实现：

一种道路区域识别方法，包括：

1)采集道路实时图像；

2)判断道路实时图像的图像亮度值是否介于最佳亮度范围内，若是则执行步骤4)，否则执行步骤3)；

3)判断自然环境因素是否影响图像采集亮度，若是则通过亮度调节步骤调节道路实时图像的亮度，并执行步骤2)，否则执行步骤1)；

4)将道路实时图像输入训练好的道路区域分割网络，获得道路区域图像。

通过最佳亮度范围作为亮度的判断条件，若道路实时图像的图像亮度值在最佳亮度范围内，则直接进行图像分割，否则对道路实时图像进行亮度调节，极大地减少了算法计算量，增强了实时性。

进一步地，所述的最佳亮度范围为[a，b]，其中a为最小亮度值，b为最大亮度值；

所述的亮度调节步骤包括：