[发明专利]一种基于多任务网络的车道线检测方法有效
| 申请号： | 201710957247.6 | 申请日： | 2017-10-16 |
| 公开（公告）号： | CN109543498B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 王慧燕 | 申请（专利权）人： | 浙江工商大学 |
| 主分类号： | G06V20/56 | 分类号： | G06V20/56;G06V10/774;G06V10/764;G06V10/82;G06V10/40;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州天正专利事务所有限公司 33201 | 代理人： | 王兵;黄美娟 |
| 地址： | 310018 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于多任务网络的车道线检测方法。本发明公开了一种基于深度学习的目标检测和拟合回归的车道线检测方法，包括：(1)将图像通过在卷积神经网络(简称CNN)中的正向传播提取到鲁棒的特征表达；(2)网络的两个全连接层使用提取的特征回归出可能存在的目标的位置，并同时对该区域是否是车道线做出判断；(3)过滤检测到的小段车道线；(4)将过滤后的结果拟合出n段车道线。本发明所提供的方法由于使用卷积神经网络提取图像特征，相比传统特征可以更为准确的确定车道线的位置，有着较好的精确度；由于最终的车道线检测结果是通过小段车道线的拟合，即使有少量的误检，也可以通过过滤孤立检测结果的方式消除，提高了本发明方法的鲁棒性。 | ||
| 搜索关键词： | 一种 基于 任务 网络 车道 检测 方法 | ||
【主权项】：
1.一种基于多任务网络的车道线检测方法，包括以下步骤：(1)构建上述功能的多任务卷积网络；a.以残差网络为基础作为卷积层提取特征，并在卷积层的最后一层连接两个全连接层用于实现网络的两个任务；一个全连接层执行分类任务，用于判断目标是否为车道线。另一个全连接层执行回归任务，用于确定目标的坐标点位置；b.用准备好的训练数据进行模型的训练；训练数据集中的样本包含各种路况条件下的车道线以及标定信息；用随机梯度下降算法优化网络权重，训练网络模型；(2)读取视频图像序列中的视频帧，其中i为帧号，N为视频总帧数；将该帧图像送入训练好的网络中做前向传播操作，分别取出两个全连接层的结果。分类结果记为，表示认为该目标是车道线的概率；回归结果记为，表示第i帧中的第j个检测结果的矩形区域，j表示该帧中第j个检测结果，表示第j个检测结果的左上点坐标，表示第j个检测结果的宽度和高度。依据分类任务输出的置信度过滤低于设定的阈值Th1的检测结果；(3)将检测结果依据位置信息聚合为多段车道线，记为，即将属于同一段车道线的检测框聚类到一个集合中；表示第m段车道线聚合的集合，该集合包含z个检测框；聚合操作完成后，对进行过滤，从中移除z
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工商大学，未经浙江工商大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710957247.6/，转载请声明来源钻瓜专利网。
