[发明专利]用于辅助驾驶的车道线检测方法

摘要

本发明公开了一种用于辅助驾驶的车道线检测方法，通过基于多任务卷积神经网络对图像样本训练，利用车辆与车道线的关联性来辅助车道线的识别，提高对实际行车环境复杂多变自动驾驶的检测安全性，降低硬件算力处理要求；本发明的车道线检测方法不仅使辅助驾驶更安全，还具有工作效率更高、识别精度更准、减少误判等优点。

主权项

1.一种用于辅助驾驶的车道线检测方法，其特征在于，具体步骤为：步骤1，图像样本采集，包括车辆图像样本和车道线图像样本；将图像样本随机分成80％和20％两部分，用于数据训练和结果测试；步骤2，构建多任务卷积神经网络，所述多任务卷积神经网络包括若干个卷积层、三个池化层和三个全连接层，其中前三个所述卷积层与所述三个池化层交替连接，所述卷积层在激活函数之前加入了BN层，对数据进行归一化，所述池化层采用最大化池化的方式，第四个所述卷积层后不连接所述池化层，直接与三个所述全连接层相连接，最后一个所述的全连接层由多个独立的子层构成，各个子层执行不同的任务，采用SOFTMAX损失函数作为目标函数计算其损失值完成对车辆和车道线的模型建立；步骤3，利用训练好的多任务卷积神经网络模型得到车辆识别结果，根据车辆识别结果设计生成图像掩模，所述的图像掩模是与车辆图像尺寸相同的二进制矩阵；步骤4，利用设计生成的图像掩膜信息与图像元图像做点乘，构造新的用于提取车道线特征的图像；步骤5，提取第二层池化层的指定卷积层的深度网络特征，将所述深度网络特征输入至分类器中；步骤6，根据所述分类器结果确定车辆信息和车道线信息，利用准备好的数据和LibSVM工具包训练相应的SVM分类器。