[发明专利]一种基于级联卷积神经网络的道线检测方法

摘要

本发明公开了一种基于级联卷积神经网络的道线检测方法，涉及图像处理领域。本发明以级联卷积神经网络检测道线标记块，然后将由级联卷积神经网络检测所得的所有道线标记块的中心位置坐标和所属类别标号通过Hough变换算法确定道线。相对于现有技术中以边缘点检测为算法基础的道线检测，本发明能够更好地区分干扰物与真实道线的边缘点，防止非道线对象引入的虚假信息影响道线检测的准确度和可靠性，降低ADAS系统在道线检测中的计算代价。

主权项

1.一种基于级联卷积神经网络的道线检测方法，级联卷积神经网络包括第一级卷积神经网络和第二级卷积神经网络，其特征在于，该方法包括以下步骤：步骤一:以预设的水平和垂直方向的步长扫描待检测图像，在每个扫描位置以多个尺度提取图像块，对所提取的图像块作缩放处理，使其具有与第一级卷积神经网络输入层相同的尺寸，将缩放后的图像块输入到第一级卷积神经网络，由第一级卷积神经网络的输出层得到图像块所属类别的标号和相应的概率；本步骤中图像块所属类别分成道线标记块和非道线标记块两类；步骤二:在被第一级卷积神经网络判定包含道线标记的扫描位置，以多个偏移和尺度提取图像块，对所提取的图像块作缩放处理，使其具有与第二级卷积神经网络输入层相同的尺寸，将缩放后的图像块输入到第二级卷积神经网络，由第二级卷积神经网络的输出层得到图像块所属的类别标号以及概率；本步骤中图像块所属类别分成包含道线标记的图像块和不包含道线标记的图像块，且包含道线标记的图像块还分为多个类别，每个类别代表道线在图像块中的不同方向；步骤三:若在扫描位置(x,y)，对所有的偏移和尺度所提取的图像块，第二级卷积神经网络的输出层都标记为不包含道线标记的图像块，则在后续的Hough变换过程中忽略该扫描位置；若只有一个图像块被判定为道线标记块，则计算该块的中心位置坐标，记录输出的类别标号，用于后续的Hough变换过程；若有多个图像块被判定为道线标记块，则取具有最大概率值的块，计算该块的中心位置坐标，记录输出的类别标号；步骤四:由级联卷积神经网络检测所得的所有道线标记块的中心位置坐标和所属类别标号通过Hough变换算法确定道线。