申请/专利权人:中车株洲电力机车研究所有限公司
申请日:2019-08-27
公开(公告)日:2024-04-09
公开(公告)号:CN112446230B
主分类号:G06V20/56
分类号:G06V20/56;G06V10/764;G06V10/82
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2021.03.23#实质审查的生效;2021.03.05#公开
摘要:本发明公开了一种车道线图像的识别方法及装置,识别方法包括获取当前道路图像;将当前道路图像输入至深度神经网络模型,以获取深度神经网络模型输出的m×n×k的矩阵信息,其中,m×n表示将输入至深度神经网络模型的图像划分成m×n个相同的矩形区域,k用于表示每个矩形区域内的车道线识别信息;以及,根据输出的矩阵信息识别出车道线。本发明能够快速且准确地从车辆前视道路图像中识别出车道线图像,从而为车辆横向控制提供车道线位置信息,辅助车辆自动驾驶,不仅提升了识别准确率,还提升了安全性及可靠性,具有较强的鲁棒性,而且降低了对硬件计算性能的要求,从而有效地降低了成本。
主权项:1.一种车道线图像的识别方法,其特征在于,包括:获取当前道路图像;将所述当前道路图像输入至深度神经网络模型,以获取所述深度神经网络模型输出的m×n×k的矩阵信息,其中,m×n表示将输入至所述深度神经网络模型的图像划分成m×n个相同的矩形区域,k用于表示每个所述矩形区域内的车道线识别信息;以及,根据输出的所述矩阵信息识别出车道线;其中,k为4维的特征向量,所述特征向量包括以下元素:p,表示所述矩形区域内存在车道线的概率;s,表示所述矩形区域内存在的车道线区域与所述矩形区域面积的比值;tx,表示所述矩形区域内存在的车道线区域的形心横坐标;ty,表示所述矩形区域内存在的车道线区域的形心纵坐标;其中,所述获取所述深度神经网络模型输出的m×n×k的矩阵信息的步骤包括:将所述当前道路图像划分为m×n个相同的矩形区域;针对第j行、第i列的矩形区域,通过计算式及计算式计算出对应的宽度w及高度h,通过计算式xc=i*w及计算式Yc=j*h计算出对应的左上角原点的实际横纵坐标Xc,Yc,通过计算式So=S×w×h计算出实际像素面积So,通过计算式Xo=Xc+w×Tx及Yo=Yc+h×Ty计算出实际横纵坐标Xo,Yo。
全文数据:
权利要求:
百度查询: 中车株洲电力机车研究所有限公司 车道线图像的识别方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。