[发明专利]一种基于无人机视角的应急车道视觉检测方法和系统

权利要求书

1.一种基于无人机视角的应急车道视觉检测方法，其特征在于，包括：

S100.通过无人机获取车道图像，并将车道的图像流作为特征提取网络的输入；

S200.按照预设需求对图像尺寸进行调整，通过resnet-34网络结构提取不同尺度的特征图；

S300.判断当前图像识别是否为训练过程，当当前图像识别为训练过程时，接收不同尺度的的特征图，通过多尺度特征聚合模块对不同尺度的的特征图进行融合，得到不同层的特征数值；

S400.对不同层的特征数值进行相加，并且以预设规则抽取采样点,对图像进行特征采样；

S500.根据采样点特征进行分类，并根据分类结果进行曲线拟合；

S600.根据拟合曲线，对当前车道图像是否为应急车道进行判定。

2.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S200中，按照预设需求对图像尺寸进行调整，图片调整的宽高比为324×780。

3.如权利要求2所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S300中，多尺度特征聚合模块与ResNet-34网络结构的后三个阶段的输出连接，其中，输出的前两个阶段用来预测尺度较小的目标，第三个阶段用来预测尺度较大的目标。

4.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S400中，对图像进行特征采样的预设规则为：将车道表示为预定义行上的一系列水平位置，并进行网格划分，将水平位置划分为多个单元格，按固定间隔抽取采样点并送入到全连接层中。

5.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S500中，根据采样点特征进行分类的方法包括：对其中每个行设置分类器，将行中每个位置对应的像素进行分类，分类器的个数与行锚数相同，并且，每个分类器根据输入的一行特征将原图像中对应位置的像素点进行分类，分类的数目在包含背景的情况下比最大车道数个数多一个。

6.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S500中，根据采样点特征进行分类的方法还包括：在标注过程中，将应急车道左侧线标注类别号设置为偶数，右侧线标记号设置为奇数，通过分类结果号的奇偶性对车道线上点的左右侧进行判断。

7.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S500中，当场景较为简单时，通过霍夫变换对车道线进行直接拟合，将图片中同一类检测结果的坐标进行统计并总体拟合，寻找出贯穿这些点周围的拟合程度最高的直线。

8.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S500中，当场景较为复杂时，对预设个数的检测结果进行霍夫变换拟合一小段直线，最终将拟合出的所有小段直线首尾相连合并为一条完整曲线，将同一条车道线上采样点进行排序，保证程序遍历结果时按照自上而下或者自下而上的顺序遍历完这条车道线上所有的采样点。

9.如权利要求1所述的一种基于无人机视角的应急车道视觉检测方法，其特征在于，S600中，对当前车道图像是否为应急车道进行判定的方法为：拟合出车道线后，从网络分类的结果中可以得知当前车道线的类别代号，其奇偶性可以表示自身处于应急车道的左侧还是右侧；从左至右遍历所有检测出的车道线，若类别代号出现偶数-奇数的组合，就判别它们之间组成的部分就是应急车道，自上而下扫描两条线间的每一行进行标记，从而输出最终的应急车道检测结果图。

10.一种基于无人机视角的应急车道视觉检测系统，其特征在于，包括：车道图像获取模块、特征图提取模块、多尺度特征聚合模块、采样点特征分类模块、应急车道判定模块；其中：车道图像获取模块，用于通过无人机获取车道图像，并将车道的图像流作为特征提取网络的输入；

特征图提取模块,用于按照预设需求对图像尺寸进行调整，通过resnet-34网络结构提取不同尺度的特征图；

多尺度特征聚合模块,用于接收不同尺度的的特征图，对不同尺度的的特征图进行融合，得到不同层的特征数值；

采样点特征分类模块，用于对不同层的特征数值进行相加，并且以预设规则抽取采样点,对图像进行特征采样；根据采样点特征进行分类，并根据分类结果进行曲线拟合；

应急车道判定模块，用于根据拟合曲线，对当前车道图像是否为应急车道进行判定。