[发明专利]基于语义分割的可行驶区域检测方法

说明书

本发明公开了基于语义分割的可行驶区域检测方法，其步骤：1）区域分割：对输入的原始图像进行分割，得到包含路面标签、移动目标标签、障碍物标签及背景标签的分割结果图像；2）区域像素扫描：对分割后的图像进行扫描，逐列扫描，找到每列的关键点对，即像素列中成对的道路边缘点；3）关键点提取：经过区域扫描，得到一对或多对关键点，确定具体的可行驶区域范围；4）反投影变换：将像素坐标系下的可行驶区域信息，通过反投影变换将像素位置还原到车辆坐标系下，得到基于语义分割的可行驶区域图像。本发明经过特定区域扫描，形成关键点对，再筛选出最终的可行驶区域边界，有效剔除了因检测引入的路面空白噪声。

技术领域

本发明涉及汽车智能驾驶车外视觉感知应用技术领域，具体涉及基于语义分割的可行驶区域检测方法。

背景技术

近年来，自动驾驶、智能辅助驾驶等技术逐渐成为汽车行业的研究热点，要发展此类技术，离不开行车场景车外环境感知技术的辅助支持。车外环境感知主要依靠雷达和摄像头两类传感器，相较于雷达，摄像头具有成本低、可探测信息丰富等优点。在ADAS视觉感知领域，静态场景信息的检测包括车道线、交通标识、道路标识及可行驶区域等。其中，可行驶区域为智能驾驶控制决策提供了避开各类障碍物的参考行驶区域，是重要的道路环境信息之一。

现有技术中，对可行驶区域的检测有相应的技术方案，如CN202010726575.7 可行驶区域判定的方法、智能驾驶系统和智能汽车，需要依赖多传感器协作，其感知设备有摄像头、红外感应器、化学检测器、麦克风、激光雷达以及相关速度角度传感器等，还包括全球定位系统(global positioning system,GPS)、惯性导航系统(inertial navigationsystem,INS)等定位装置，通过智能驾驶系统检测到当前可行驶区域后，再查询历史可行驶区域，将二者进行一定规则的叠加得到当前最终的可行驶区域。该方案硬件系统复杂，成本相对较高，应用中受到一定限制。

现有技术的另一方案，如CN202011478180.6 一种可行驶区域检测方法及装置，对单目摄像头采集的图片用神经网络模型进行推理，检测图像信息得到分割后的区域块，然后构建可行驶区域像素轮廓，此方案侧重于神经网络的结构设计，并未涉及如何得到具体的可行驶区域的像素边缘，若网络检测的结果存在一定误差，将对最终的可行驶区域检测精度造成影响。

发明内容

针对现有技术存在的上述不足，本发明的目的是提供一种基于语义分割的可行驶区域检测方法，适用于单目摄像头车外环境感知场景，能够实现提取经过语义分割后的图像上的道路可行驶区域信息；进一步还能够解决分割后的图像区域检测不准确（例如路面检测空洞）等问题。

本发明的技术方案是这样实现的：

基于语义分割的可行驶区域检测方法，其特征在于包括如下步骤：

1）区域分割：对输入的原始图像进行基于深度学习的语义分割或者基于传统算法的图像阈值分割，得到包含路面标签、移动目标标签、障碍物标签及背景标签等的分割结果图像；

2）区域像素扫描：对分割后的图像进行扫描，逐列扫描，找到每列的关键点对，即像素列中成对的道路边缘点；

3）关键点提取：经过区域扫描，得到一对或多对关键点，确定具体的可行驶区域范围；

4）反投影变换：将像素坐标系下的可行驶区域信息，通过反投影变换将像素位置还原到车辆坐标系下，得到基于语义分割的可行驶区域图像。

这样，本发明经过特定区域扫描，形成关键点对，再筛选出最终的可行驶区域边界，有效剔除了因检测引入的路面空白噪声；在对障碍物进行分类贴标签的前提下，本方法仅通过一次遍历就能够给出可行驶区域的动静属性，为后续控制决策提供了更多参考。

进一步的：还包括步骤的5）测试数据，对步骤4）得到的可行驶区域图像进行实际上路行驶检测。本发明筛选出最终的可行驶区域边界，再进行实际上路行驶检测，能不断更新迭代。

进一步的：所述障碍物标签的障碍物主要包括路桩、锥筒、水马、栅栏 。