[发明专利]基于深度学习的车道区域识别的数据集标定方法

摘要

本发明提供一种基于深度学习的车道区域识别的数据集制作方法，解决当前应用于深度学习识别车道区域的神经网络模型缺少相关数据集训练学习的问题。其中方法包括：采集各种天气情况下的不同车道图片，并进行分类；设计识别车道区域的相关算法，识别出车道区域；其中识别车道区域时候，需要根据分类的车道图片情况，对算法做出相应调整，达到对每张车道图片能够识别到最佳效果，并对识别区域进行高亮显示；将识别好的图片中的高亮显示颜色通道区域截取出来形成一张相关映射图片，即作为原始车道图片的标签。

主权项

1.基于深度学习的车道区域识别的数据集标定方法，其特征在于，包括：对车道区域进行识别检测，并将识别到的车道区域映射图截取出来作为数据标签。其执行步骤为：A.采用摄像头拍摄车辆行驶过程中的道路图片，将图片按照直道，弯道，含有斑马线的直道，强光弱光等进行分类；B.采用一组棋盘格图片计算相机校准矩阵和失真系数，通过两组系数对车道图片进行畸变校正；C.截取感兴趣区域，仅对包含车道线信息的图像区域进行处理；D.对感兴趣区域进行透视变换得鸟瞰图，并对鸟瞰图进行滤波处理；E.增强鸟瞰图车道线亮度，并进行二值变换，捕捉二进制鸟瞰图中车道线；F.将二进制鸟瞰图检测到的车道线通过逆变矩阵镶嵌到原始图上，并采用颜色1通道高亮检测识别到的车道区域；H.提取高亮区域制作成数据集标签。