[发明专利]一种基于交通非现场执法场景下的车道线检测方法

权利要求书

1.一种基于交通非现场执法场景下的车道线检测方法，其特征在于，包括：

S1、获取经过标注的训练数据集，其中每一个图像样本中包含一张由执法摄像头俯拍的包含车道线的图像，图像中预先标注有每条车道线的中心线两端端点以及车道线偏向，所述车道线偏向用于判别车道线在其外包矩形框中处于主对角线还是副对角线；训练数据集中的图像样本分属于不同的路口场景，且所有图像样本按照拍摄时间分为白天拍摄的白天图像子集和晚上拍摄的夜晚图像子集；

S2、针对训练数据集中的每个图像样本，综合车辆数量越少越优先和白天图像优先于夜晚图像两个保留原则，结合图像的灰度值和图像中车辆的数量对同一个路口场景下的所有图像样本进行筛选过滤，针对每个路口场景分别剔除超过阈值数量的图像样本；

S3、以最小化损失函数为目标，利用经过S2筛选过滤后的训练数据集训练车道线检测网络；

所述车道线检测网络包含输入模块、多重反馈特征金字塔模块、分类回归模块和输出模块；

所述输入模块用于将待检测车道线的原始图像输入网络中；

所述多重反馈特征金字塔模块中由多个基于ResNet50的特征金字塔网络级联而成；第一个基于ResNet50的特征金字塔模型以原始图像作为唯一输入，由ResNet50为骨干网络自下而上提取多层次特征后再通过特征金字塔网络输出四个不同尺度的特征图；除第一个基于ResNet50的特征金字塔模型之外，在其余的每个基于ResNet50的特征金字塔模型中，均以原始图像作为第一输入，同时接收前一个基于ResNet50的特征金字塔模型中输出的四个不同尺度特征图作为第二输入，在ResNet50骨干网络对第一输入自下而上提取特征图的过程中，每提取到一个尺度的特征图后与第二输入中对应尺度的特征图进行连接后再通过3*3空洞卷积后用于提取下一个尺度的特征图，而当前基于ResNet50的特征金字塔模型中特征金字塔网络输出的四个不同尺度特征图再与所述第二输入进行对应层级的融合后，最终输出四个不同尺度特征图作为当前基于ResNet50的特征金字塔模型的最终输出；

所述多重反馈特征金字塔模块中最后输出的四个不同尺度特征图作为所述分类回归模块的输入；所述分类回归模块包含分类网络和回归网络，所述分类网络用于对每一个特征图中每个像素点进行二分类，输出每个像素点在原始图像中的映射区域是否属于车道线的分类标签以及置信度；所述回归网络用于通过回归得到每一个特征图中每个像素点的6个预测参数，包括每个像素点在原始图像中的映射区域中心到车道线外包矩形框四个边界的距离值、车道线偏向以及中心度；

所述输出模块中，首先利用所述分类网络的二分类结果对每一个特征图中的像素点进行第一次筛选，剔除不属于车道线的像素点，然后对剩余属于车道线的像素点进行第二次筛选，剔除所述距离值超过阈值范围的像素点，再对剩余的像素点基于对应的所述置信度进行非极大值抑制，最终得到原始图像中车道线外包矩形框的预测结果，对于预测结果中的每个外包矩形框再结合所述车道线偏向确定对应的外包矩形框对角线，作为最终输出的车道线预测结果；

S4、将包含车道线的待检测图像输入训练后的所述车道线检测网络中，输出待检测图像中的车道线预测结果；

S5、对待检测图像中的车道线预测结果进行过滤，去除不满足车道线在图像中的空间位置关系的线段；

S6、将经过S5过滤后剩余的每一条车道线分割为一系列点，对所有车道线的点一并进行聚类，属于同一条车道线的点被聚至同一类簇；

S7、对每一个类簇中的点进行直线拟合，拟合得到的线段作为待检测图像中最终的车道线检测结果。