基于改进拟合算法的车道线检测方法和系统技术方案

本发明专利技术实施例公开一种基于改进拟合算法的车道线检测方法和系统，其中方法包括如下步骤：基于语义分割算法计算目标图像数据对应的概率图，目标图像数据包括第一区域数据和第二区域数据，概率图包括第一区域数据对应的第一概率图和第二区域数据对应的第二概率图；对第一概率图中的目标样本点进行图像拟合；采用第二概率图中的样本点和第一概率图中的剩余样本点验证图像拟合的目标拟合模型；根据目标拟合模型检测目标图像数据中的车道线；其中，样本点为从第一概率图和第二概率图的全部像素点中筛选出的样本点。采用本发明专利技术，通过语义分割算法并结合改进的数据拟合算法，利用车道线的先验结构信息，可以保证检测结果的准确度，提高鲁棒性。

Lane detection method and system based on improved fitting algorithm

【技术实现步骤摘要】
基于改进拟合算法的车道线检测方法和系统
本专利技术涉及车道线检测
，尤其涉及一种基于改进拟合算法的车道线检测方法和系统。
技术介绍
基于视觉算法的高级驾驶辅助系统(ADAS)，车道线检测是关键技术之一。传统的利用车道线边缘特性进行的检测会受到天气的变化、光照强度的变化、旁侧车辆的遮挡、附近建筑物或树木在车道线上投下的阴影、车道线模糊等不可控因素的影响导致检测准确性不高；现在常用的基于深度学习的检测方法，虽然克服了外界不可控因素的影响，对非直线的车道线检测准确性会有所下降。
技术实现思路
本专利技术实施例提供一种基于改进拟合算法的车道线检测方法和系统，通过语义分割算法并结合改进的数据拟合算法，利用车道线的先验结构信息，可以保证检测结果的准确度，提高鲁棒性。本专利技术实施例第一方面提供了一种基于改进拟合算法的车道线检测方法，可包括：基于语义分割算法计算目标图像数据对应的概率图，所述目标图像数据包括第一区域数据和第二区域数据，所述概率图包括所述第一区域数据对应的第一概率图和所述第二区域数据对应的第二概率图；对所述第一概率图中的目标样本点进行图像拟合；采用所述第二概率图中的样本点和所述第一概率图中除所述目标样本点之外的剩余样本点验证所述图像拟合的目标拟合模型；根据所述目标拟合模型检测所述目标图像数据中的车道线；其中，所述样本点为从所述第一概率图和所述第二概率图的全部像素点中筛选出的样本点。在一种可能的设计中，上述检测方法还包括：对所获取的原图像数据进行预处理得到目标图像数据，所述预处理至少包括ROI裁剪、中心分割和水平翻转。在一种可能的设计中，在基于语义分割算法计算目标图像数据对应的概率图时，上述检测方法还包括：对目标图像数据进行下采样处理，得到所述目标图像数据的特征图；结合空间卷积操作对所述特征图进行上采样处理，生成所述目标图像数据对应的概率图。在一种可能的设计中，上述检测方法还包括：将所述概率图中大于概率阈值的像素点作为所述概率图的样本点。在一种可能的设计中，在对所述第一概率图中的目标样本点进行图像拟合时，上述检测方法还包括：在所述第一概率图的样本点中随机选择样本点作为目标样本点；基于拟合数据模型对所述目标样本点进行三阶贝塞尔样条拟合。在一种可能的设计中，上述检测方法还包括：采用损失函数判断所述目标样本点是否符合所述拟合数据模型；当所述目标样本点符合所述拟合数据模型时，将所述目标样本点确定为正确样本点。在一种可能的设计中，上述检测方法还包括：当所述正确样本点的数量大于预设数量阈值时，确定所述拟合数据模型为满足一致性设置的有效拟合模型。在一种可能的设计中，上述检测方法还包括：将包含最多正确样本点的有效拟合模型确定为所述目标拟合模型。本专利技术实施例第二方面提供了一种基于改进拟合算法的车道线检测系统，可包括：概率计算模块，用于基于语义分割算法计算目标图像数据对应的概率图，所述目标图像数据包括第一区域数据和第二区域数据，所述概率图包括所述第一区域数据对应的第一概率图和所述第二区域数据对应的第二概率图；图像拟合模块，用于对所述第一概率图中的目标样本点进行图像拟合；模型验证模块，用于采用所述第二概率图中的样本点和所述第一概率图中除所述目标样本点之外的剩余样本点验证所述图像拟合的目标拟合模型；数据检测模块，用于根据所述目标拟合模型检测所述目标图像数据中的车道线；其中，所述样本点为从所述第一概率图和所述第二概率图的全部像素点中筛选出的样本点。在一种可能的设计中，上述检测系统还包括：图像处理模块，用于对所获取的原图像数据进行预处理得到目标图像数据，所述预处理至少包括ROI裁剪、中心分割和水平翻转。在一种可能的设计中，上述概率计算模块包括：下采样单元，用于对目标图像数据进行下采样处理，得到所述目标图像数据的特征图；上采样单元，用于结合空间卷积操作对所述特征图进行上采样处理，生成所述目标图像数据对应的概率图。在一种可能的设计中，上述检测系统还包括：样本点确定模块，用于将所述概率图中大于概率阈值的像素点作为所述概率图的样本点。在一种可能的设计中，上述图像拟合模块还包括：目标点选择单元，用于在所述第一概率图的样本点中随机选择样本点作为目标样本点；样本拟合单元，用于基于拟合数据模型对所述目标样本点进行三阶贝塞尔样条拟合。在一种可能的设计中，上述检测系统还包括：样本判断模块，用于采用损失函数判断所述目标样本点是否符合所述拟合数据模型；正确样本确定模块，当所述目标样本点符合所述拟合数据模型时，将所述目标样本点确定为正确样本点。在一种可能的设计中，上述检测系统还包括：有效模型确定模块，用于当所述正确样本点的数量大于预设数量阈值时，确定所述拟合数据模型为满足一致性设置的有效拟合模型。在一种可能的设计中，上述检测系统还包括：目标模型确定模块，用于将包含最多正确样本点的有效拟合模型确定为所述目标拟合模型。在本专利技术实施例中，通过对ROI裁剪和中心分割减少了模型输入图像的大小，降低了模型的计算量；通过语义分割获取图像的概率图，保证了分割的实时性，同时通过信息在特征图中横纵方向的传播，使网络更容易提取较长或较大的物体语义，从而提高了物体的识别精准度；最后通过改进的RANSAC拟合算法对上述概率图进行拟合，提高了检测车道线的精准度和模型的鲁棒性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1是本专利技术实施例提供的一种基于改进拟合算法的车道线检测方法的流程示意图；图2是本专利技术实施例提供的图像预处理结构示意图；图3是本专利技术实施例提供的一种基于改进拟合算法的车道线检测系统的结构示意图；图4是本专利技术实施例提供的概率计算模块的结构示意图；图5是本专利技术实施例提供的图像拟合模块的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。下面将结合附图1和附图2，对本专利技术实施例提供的基于改进拟合算法的车道线检测方法进行详细介绍。请参见图1，为本专利技术实施例提供了一种基于改进拟合算法的车道线检测方法的流程示意图。如图1所示，本专利技术实施例的所述方法可以包括以下步骤S101-步骤S104。S101，基于语义分割算法计算目标图像数据对应的概率图。需要说明的是，检测系统可以对所获取的原图像数据进行预处理得到目标图像数据，原图像数据可以是包含车道线的整体图片，上述预处理可以包括ROI裁剪、中心分割和水平翻转等处理过程。可以理解的是，在车道线检测任务中，输入图片的上半部分通常是天空区域，和车道线有关的信息基本都在图片底部。对输入图片进行ROI提取，一方面可以有效提高运算速度，另一方面可能也会去除一些与车道线标志类似的物体图像，从而也提高了运算精度。再者，左右车道线在现实生活是相互平行，在图像中也会形成一定程度的对称性。对于弯曲的左右车道线，在图像中也会保持相同的曲率。本专利技术实施例可以将裁剪得到的ROI区域从中心处分割成左右子区域。具体的，图2所示的过程为对原图像数据进行预处理的过程。具体的，检测系统可以基于语义分割算法计算目标图像数据对应的概率图，可以理解的是，上述目标图像数据可以包括第一区域数据和第二区域数据，第一和第二区域数据可以是图2中的左右子区域，进而，本文档来自技高网...

【技术保护点】
1.一种基于改进拟合算法的车道线检测方法，其特征在于，包括：基于语义分割算法计算目标图像数据对应的概率图，所述目标图像数据包括第一区域数据和第二区域数据，所述概率图包括所述第一区域数据对应的第一概率图和所述第二区域数据对应的第二概率图；对所述第一概率图中的目标样本点进行图像拟合；采用所述第二概率图中的样本点和所述第一概率图中除所述目标样本点之外的剩余样本点验证所述图像拟合的目标拟合模型；根据所述目标拟合模型检测所述目标图像数据中的车道线；其中，所述样本点为从所述第一概率图和所述第二概率图的全部像素点中筛选出的样本点。

【技术特征摘要】
1.一种基于改进拟合算法的车道线检测方法，其特征在于，包括：基于语义分割算法计算目标图像数据对应的概率图，所述目标图像数据包括第一区域数据和第二区域数据，所述概率图包括所述第一区域数据对应的第一概率图和所述第二区域数据对应的第二概率图；对所述第一概率图中的目标样本点进行图像拟合；采用所述第二概率图中的样本点和所述第一概率图中除所述目标样本点之外的剩余样本点验证所述图像拟合的目标拟合模型；根据所述目标拟合模型检测所述目标图像数据中的车道线；其中，所述样本点为从所述第一概率图和所述第二概率图的全部像素点中筛选出的样本点。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所获取的原图像数据进行预处理得到目标图像数据，所述预处理至少包括ROI裁剪、中心分割和水平翻转。3.根据权利要求1所述的方法，其特征在于，在基于语义分割算法计算目标图像数据对应的概率图时，所述方法还包括：对目标图像数据进行下采样处理，得到所述目标图像数据的特征图；结合空间卷积操作对所述特征图进行上采样处理，生成所述目标图像数据对应的概率图。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述概率图中大于概率阈值的像素点作为所述概率图的样本点。5.根据权利要求1所述的方法，其特征在于，在对所述第一概率图中的目标样本点进行图像拟合时，所述方法还包括：在所述第一概率图的样本点中随机选择样本点作为目标样本点；基于拟合数据模型对所述目标样本点进行三阶...

【专利技术属性】
技术研发人员：刘鹏，祁亚斐，张世亮，
申请(专利权)人：开易北京科技有限公司，
类型：发明
国别省市：北京,11