[发明专利]一种基于深度分割网络的车道线检测方法

摘要

本发明公开了一种基于深度分割网络的车道线检测方法，其步骤包括：1获得归一化后的原始图像集和车道线实例分割灰度图像集；2构建多层深度分割网络，并训练得到最优多层深度分割网络；3获得车道线二值图像和背景二值图像；4获得待预测道路图像的特征图；5获得待预测道路图像的特征图；6获得车道线实例分割图像；7得到车道线的检测结果图。本发明能有效地解决车道线变化的问题，从而能适合多种复杂道路状况下的车道线检测，并提高检测的鲁棒性和实时性。

主权项

1.一种基于深度分割网络的车道线检测方法，其特征是按如下步骤进行：步骤1、获取带有每条车道线标签的原始图像集；给任意第i张原始图像上的车道线标签设定相应的灰度值，并令第i张原始图像的背景灰度值为零，从而得到第i张车道线实例分割灰度图像，再将所述第i张原始图像和第i张车道线实例分割灰度图像进行尺度归一化，得到归一化后的第i张原始图像和第i张车道线实例灰度图；从而得到归一化后的原始图像集和车道线实例分割灰度图像集；步骤2、构建多层深度分割网络：步骤2.1、令所述多层深度分割网络是由编码网络和解码网络两部分组成；令所述编码网络是由VGG16网络的前n层的卷积层和及其对应的最大池化层组成；且任意第j个卷积层对应第j个编码器；令第j个编码器通过卷积产生第j层特征图并存储，同时存储对应的第j个最大池化索引，从而得到n个编码器所产生的n层特征图并存储，同时存储对应的n个最大池化索引，j＝1,2,…,n；步骤2.2、所述解码网络中，与第j个编码器对应设置有第j个解码器，则所述解码网络也为n层；所述第j个解码器利用对应的第j个最大池化索引对输入的第j‑1层特征图进行非线性上采样，生成第j层稀疏特征图，再对第j层稀疏特征图进行卷积操作，生成第j层密集特征图，从而得到n层的密集特征图；再将第n层密集特征图经过一个卷积层处理，得到第n+1层特征图；步骤3、获得最优多层深度分割网络：步骤3.1、利用任意大型自然图像数据集对所述多层深度分割网络进行预训练，得到预训练后的网络参数；步骤3.2、将所述预训练后的网络参数作为初始化参数，并利用归一化后的原始图像集和车道线实例灰度图像集对所述多层深度分割网络进行微调训练，得到最优多层深度分割网络；步骤4、将获取的待预测道路图像尺度进行归一化处理，得到归一化后的待预测道路图像并输入到所述最优多层深度分割网络中，得到待预测道路图像的特征图；步骤5、对所述待预测道路图像的特征图进行二值化处理，得到待预测道路图像中车道线二值图像和背景二值图像；再使用邻近AND运算将车道线二值图像和背景二值图像进行融合，得到优化的车道线二值图像；步骤6、在所述车道线二值分割图中获取像素值为“1”的所有像素点所对应的位置，并根据所获取的对应位置，在所待预测道路图像的特征图中标记相同位置处的所有像素点，并使用均值漂移聚类算法对所标记的所有像素进行聚类，得到车道线实例分割图像；步骤7、将所述车道线实例分割图像与待预测道路图像以1:1的权重进行图像混合处理，从而得到车道线的检测结果图。