[发明专利]基于TensorFlow和OpenCV的车道线识别方法

摘要

本发明公开了基于TensorFlow和OpenCV的车道线识别方法，从道路图像中识别出车道线并建立车道线拟合方程，解决了传统车道线识别算法中遇到的干扰项多、识别率低的难题。本发明使用TensorFlow建立卷积和反卷积神经网络模型，模型经过训练后可以实现道路图像的语义分割，使该模型能够对道路图像中的车道线区域实现像素级的分类；然后建立可变阈值的图像二值化方法，将神经网络的输出图像二值化，区分出道路图像中的车道线区域；最后使用OpenCV建立提取车道线坐标点的方法，从而进一步排除干扰项，从二值化图像中提取出车道线坐标点，并建立车道线方程。本发明提出的算法具有效率高、识别率高的特点，并且在实际应用中也有较好的鲁棒性。

主权项

1.基于TensorFlow和OpenCV的车道线识别方法，其特征在于，包括如下：步骤1.图像数据集的制作方法：制作图像数据集的原始图像数据来源于车前CCD相机采集到的彩色道路图像，本发明利用这些图像生成用于神经网络训练的图像数据集；步骤2.神经网络模型的设计方法：采用卷积神经网络模型；步骤3.可变阈值的图像二值化方法：将所述卷积神经网络模型输出的具有车道线特征的图像进行二值化处理；步骤4，提取车道线坐标点的方法：利用OpenCV建立提取车道线坐标点算法，从经过二值化处理后的道路图像中提取出车道线坐标点；步骤5.建立车道线拟合方程的方法：利用提取到的车道线坐标点建立车道线拟合方程并求解该方程得到车道线识别结果。