[发明专利]一种基于无人机遥感的高速公路标线检测方法

权利要求书

1.一种基于无人机遥感的高速公路标线检测方法，其特征在于：检测方法如下：

S1：确定需要对标线进行检测的路段起点与终点，记录起点桩号SP与终点桩号EP；

S2：使用搭载摄影设备及GPS的无人机对起点桩号SP至终点桩号EP的路段进行巡航拍摄，拍摄的同时记录无人机的GPS信息，获取拍摄到的图片集；

S3：对步骤S2中的图片集进行图像预处理并对图片进行分类，分类为简单场景图片集及复杂场景图片集；

S4：对步骤S3中的简单场景图片集进行标线的缺损检测，并输出标线缺损信息；

S5：对复杂场景图片集，记录下位置信息，使用搭载激光雷达与GPS的无人机到相应位置进行扫描；根据获取的点云数据进行标线的缺损检测，并输出标线缺损信息；

S6：汇总S4和S5获取到的标线缺损信息，将缺损信息输出，得到检测区间的标线缺损调查表，包括破损位置、程度和数量等。

2.根据权利要求1所述的基于无人机遥感的高速公路标线检测方法，其特征在于：所述的步骤S3中采用降低分辨率、路面部分识别、裁剪图片对图集继续预处理，并采用Mnist-CNN算法对简单场景图片集及复杂场景图片集进行分类。

3.根据权利要求1所述的基于无人机遥感的高速公路标线检测方法，其特征在于：步骤S3的具体如下：

(1)、将获取到的高分辨率图片集i-A降低分辨率，获得与i-A一一对应的低精度图片集i-B；

(2)、通过基于Faster RCNN网络对低精度图片集i-B进行路面部分识别与裁剪，获得与i-B的对应关系的图片集i-C；

(3)、通过基于Faster RCNN网络对图片集i-C进行简单场景与复杂场景的分类；分类后可得到简单场景图片集i-C1与复杂场景图片集i-C2；

(4)、根据步骤(1)至步骤(3)所得结果，先将i-A依据i-B的对应关系与坐标矩阵Points进行裁剪，只保留i-A图片中的路面部分，得到高精度的路面图片集i-A1；再将i-A1根据与i-C1和i-C2的对应关系进行分类，得到高精度的简单场景图片集i-A2与复杂场景图片集i-A3。

4.根据权利要求1所述的基于无人机遥感的高速公路标线检测方法，其特征在于：步骤S4的具体方法如下：

(1)、通过SIFT算法将连续的图片拼接成长图；

(2)、对于得到的长图进行图片分割，排除图片中的干扰元素；

(3)、将分割后的图片建立以图片高度和宽度为行列的二值矩阵；该二值矩阵如下：

(4)、通过对于二值矩阵A的每一列与相邻k列的所有元素一起求和，k的大小可根据图片中的单条车道线起终点的横坐标差值调整；以第j列为起点的计算结果记为s_j，可作为判断该列是否处于标线区域的标准；判断计算公式如下：

所有列的计算结果形成一个数列记为S_n，S_n＝{s₁,s₂,s₃,...,s_j,...,s_n}。然后，对数列S_n进行多项式函数拟合求得函数f(x)；并得到其在区间x∈(0,n)内的每一个极大值的横坐标x_maxi，则图片中每条车道线的中心点C_i表述如下式：

以上述公式中C_i为中心点构建长为e宽为f的矩形框作为初始窗口，分别向图片上下两端滑动，每次滑动的距离Δy＝e，得到所有矩形中心点的坐标后，即可将它们拟合为二次函数，完成车道曲线拟合；根据步骤(1)到的长图中得到标线图片在原图上的对应位置信息；

(5)、通过Faster-RCNN算法对标线的图片进行分类，分辨出标线是否破损，输出对应位置信息标线缺损信息。

5.根据权利要求1所述的基于无人机遥感的高速公路标线检测方法，其特征在于：步骤S5的方法为：

(1)、通过点云滤波过滤掉离群点，

(2)、结合飞行轨迹信息进行点云配准与点云畸变校正，获取完整的点云地图，再根据筛选出点云地图标线部分的点云；

(3)、通过聚类算法将标线点云构建出外部轮廓，并基于图片分类算法，实现标线的缺损判别，并输出标线缺损信息。