【技术实现步骤摘要】
本专利技术涉及道路破损标线识别，具体为一种基于无人机视角的道路破损标线识别方法。
技术介绍
1、高速公路标线是诱导线形、保障交通安全的重要设施之一，为道路使用者提供了重要信息，标线因长期运营出现破损、磨损或污染等情况，极大地影响出行者驾乘体验以及对路面信息的获取和判断。目前高速标线检测主要通过车辆载人的方式发现破损，存在作业效率较低、主观性大、耗时长、难以定量分析等问题；虽然道路巡检车能检测单个车道的标线破损情况，但受其采集视野的限制，无法一次实现多车道的标线检测。因此，急需一种高效、便捷、经济的标线破损检测与分析方法；
2、传统的道路标线破损检测方法有模板匹配、图像处理等方法。2018年王立春基于利用模板匹配方式对道路标线破损进行了研究，通过标定的标线模板图像与待检测的标线图像与进行逐个像素对比，提取检测标线的破损并计算破损程度。采用模板匹配法的图像自动处理方法，原理是将采集图像像素与模板图像像素进行逐个比较。2021年薛兴国开展道路标线破损检测，首先将道路标线图像转化为灰度图像，用直方图均衡化的方法使图像中的道路区域与标线区域有明显区分，增强图像对比度。接着，采用otsu算法实现图像分割,将预处理后的道路标线图像转化为二值图像,利用图像形态学知识,去除二值图像的细小缺陷。最后以最大外接矩形为原始标线区域，依据破损像素与完好标线区域像素的个数比计算破损率，据此将破损划分为不同的处理状态。
3、总体上，目前采用无人机视角的道路标线破损识别研究较少，采用深度学习技术实现无人机视角的道路标线破损智能识别尚属空
技术实现思路
1、本专利技术的目的在于提供一种基于无人机视角的道路破损标线识别方法,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于无人机视角的道路破损标线识别方法，包括以下步骤：
4、步骤一：采用无人机搭载高清相机，采集含有路面标线的视频，对视频进行抽帧抽取有效图像；
5、步骤二：采用数据标注软件构建无人机视角道路标线破损数据集；
6、步骤三：将原始图像采用马赛克增强的方式，扩建道路标线破损数据集；
7、步骤四：构建深度学习模型，模型包括主干网络、特征融合层、预测分类器；
8、步骤五：主干网络包含图像切片模块，在图像行和列方向每间隔一个像素取值，下采样成4份并堆叠至通道维度；
9、步骤六：利用三层跨阶段局部网络提取图像特征信息，增强网络学习能力的同时降低计算量，第三层后利用金字塔空间池化对输出的特征图进行最大值池化并拼接，进行上采样；
10、步骤七：进一步输入特征融合层，特征融合层采用特征金字塔网络和路径聚合网络充分融合主干网络提取的不同层特征图，充分利用图像的高分辨率与低分辨率的特征信息，增强模型特征提取能力；
11、步骤八：预测分类器采用大、中、小三个尺度的特征图分别预测目标，通过广义交并比(giou)计算目标框损失函数，giou具体为：
12、
13、
14、
15、其中，iou为预测框和目标框的交并比，为预测框、目标框的中心点距离与最小包围盒对角线距离之比，v用于衡量高宽比的一致性，α为宽高比一致性影响因子；
16、步骤九：利用非极大值抑制nms方法筛除或融合预测目标边界框，选取出最佳目标边界框的预测结果。
17、作为一种优选方案，步骤一中无人机的图像采集速度为10-20km/h的速度，高度为45-50m。
18、作为一种优选方案，步骤二中数据集按照8：2比例构建训练集和验证集。
19、作为一种优选方案，步骤四中深度学习模型使用pytorch框架构建，cpu采用intel(r)core(tm)i7-9700k，gpu采用nvidia geforce rtx 3070ti，深度学习模型采用bceloss作为置信度损失函数和分类损失函数，并用adam优化器进行深度学习模型权重更新，bceloss损失函数具体为：
20、
21、其中，o为深度学习模型预测值；t为标签值；o[i]为第i个样本的模型预测值；t[i]为第i个样本的标签值；n为样本数量。
22、作为一种优选方案，深度学习模型采用精确度和召回率作为评价指标，其特点是他们的值越接近1，识别效果越好，其定义分别为：
23、
24、
25、其中，tp为正确预测正样本；fp为错误预测正样本；fn为错误预测负样本。
26、由上述本专利技术提供的技术方案可以看出，本专利技术提供的一种基于无人机视角的道路破损标线识别方法，有益效果是：能够准确识别道路标线破损，提高破损标线识别准确率。
本文档来自技高网...【技术保护点】
1.一种基于无人机视角的道路破损标线识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：步骤一中无人机的图像采集速度为10-20km/h的速度，高度为45-50m。
3.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：步骤二中数据集按照8：2比例构建训练集和验证集。
4.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：步骤四中深度学习模型使用Pytorch框架构建，CPU采用Intel(R)Core(TM)i7-9700K，GPU采用NVIDIA GeForce RTX 3070Ti，深度学习模型采用BCEloss作为置信度损失函数和分类损失函数，并用Adam优化器进行深度学习模型权重更新，BCELoss损失函数具体为：
5.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：所述深度学习模型采用精确度和召回率作为评价指标，其特点是他们的值越接近1，识别效果越好，其定义分别为：
【技术特征摘要】
1.一种基于无人机视角的道路破损标线识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：步骤一中无人机的图像采集速度为10-20km/h的速度，高度为45-50m。
3.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：步骤二中数据集按照8：2比例构建训练集和验证集。
4.根据权利要求1所述的一种基于无人机视角的道路破损标线识别方法，其特征在于：步骤四中深度学习...
【专利技术属性】
技术研发人员：甘宏，陈宇焜，
申请(专利权)人：福建省高速公路科技创新研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。