本發(fā)明屬于場景分割技術(shù)領(lǐng)域，更為具體地講，涉及一種基于高度信息的無人車車道場景分割方法。

背景技術(shù)：

隨著國家科技的迅猛發(fā)展，也帶動了諸如無人車技術(shù)的提升，在無人車車載智能系統(tǒng)中起到關(guān)鍵作用的機(jī)器視覺領(lǐng)域占據(jù)著越來越重要的位置,而道路場景的分析與理解作為車載智能系統(tǒng)的重要內(nèi)容自然成為了研究的熱點(diǎn)。場景理解是基于圖像分析的更深層次的物體識別，語義圖像分割，最終要得到對應(yīng)位置每個(gè)像素的分類結(jié)果，在未來計(jì)算機(jī)視覺將致力于在語義層面實(shí)現(xiàn)更加深刻的圖像理解，不僅滿足于識別出圖像中的物體，還能給出圖像標(biāo)題進(jìn)而講出圖像背后的場景內(nèi)容。

在現(xiàn)有技術(shù)中，對于語義分割的經(jīng)典做法是以某個(gè)像素點(diǎn)為中心取一個(gè)圖像塊,然后取圖像塊的特征作為樣本去訓(xùn)練分類器。在測試階段,同樣的在測試圖片上以每個(gè)像素點(diǎn)為中心采一個(gè)圖像塊進(jìn)行分類,分類結(jié)果作為該像素點(diǎn)的預(yù)測值，最后實(shí)現(xiàn)像素的分類從而達(dá)到場景分割的目的。但這樣對場景分割會出現(xiàn)較多噪聲，且非道路區(qū)域與道路區(qū)域由于噪聲的存在造成的邊界不明。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于高度信息的無人車車道場景分割方法，通過高度信息的誤差處理，實(shí)現(xiàn)車輛道路區(qū)域和非道路區(qū)域的劃分。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明一種基于高度信息的無人車車道場景分割方法，其特征在于，包括以下步驟：

(1)、神經(jīng)網(wǎng)絡(luò)對車道圖片進(jìn)行編碼、解碼

將攝像頭采集的車道圖片輸入神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)通過編碼部分的卷積操作、池化操作對輸入的車道圖像進(jìn)行特征提取得到稀疏特征圖；通過解碼部分的反卷積操作、反池化操作對特征圖稠化，得到稠化特征圖；

(2)、利用神經(jīng)網(wǎng)絡(luò)末端的softmax分類器將稠化特征圖中的像素點(diǎn)進(jìn)行分類，得到基于像素點(diǎn)的車道場景分割圖；

(3)、對步驟(2)中的車道場景分割圖進(jìn)行基于高度信息的誤差處理，得到最終車道場景分割圖。

其中，所述的池化操作為：將車道圖片劃分為m*m的像素點(diǎn)區(qū)域，在每個(gè)像素點(diǎn)區(qū)域中記錄最大像素值、第二大像素值的位置以及最大像素值和第二大像素值的位置關(guān)系；

所述的反池化操作為：根據(jù)最大像素值、第二大像素值的位置以及最大像素值和第二大像素值的位置關(guān)系，在對應(yīng)位置處寫入最大像素值和第二大像素值，其他位置置0。

進(jìn)一步的，所述步驟(3)中，對車道場景分割圖進(jìn)行基于高度信息的誤差處理的方法為：

(3.1)、將車道場景分割圖從中間一分為二；

(3.2)、取車道場景分割圖的下半部分圖像，并從左到右，自上而下的遍歷每個(gè)像素點(diǎn)，當(dāng)遍歷到第i行第j個(gè)像素點(diǎn)xi,j時(shí)，該像素點(diǎn)xi,j映射到實(shí)際空間中同一行右側(cè)l距離處的像素點(diǎn)為xi,j+k，那么像素點(diǎn)xi,j與像素點(diǎn)xi,j+k之間的像素點(diǎn)為道路區(qū)域中的像素點(diǎn)，且xi,j為道路區(qū)域中左邊車道邊緣像素點(diǎn)；

同理，按照上述方法從右到左，自上而下的遍歷每個(gè)像素點(diǎn)，得到右邊車道邊緣像素點(diǎn)yi',j'；

(3.3)、根據(jù)左邊車道邊緣像素點(diǎn)xi,j和右邊車道邊緣像素點(diǎn)yi',j'確定一條車道直線xi,jyi',j'；

(3.4)、判斷車道直線xi,jyi',j'上的所有像素點(diǎn)的高度是否小于h，如果小于h，則該像素點(diǎn)置為道路區(qū)域，否則置為非道路區(qū)域。

本發(fā)明的發(fā)明目的是這樣實(shí)現(xiàn)的：

本發(fā)明一種基于高度信息的無人車車道場景分割方法，先利用神經(jīng)網(wǎng)絡(luò)對車道圖片進(jìn)行編碼、解碼得到稠化特征圖，再通過softmax分類器將稠化特征圖中的像素點(diǎn)進(jìn)行分類，得到基于像素點(diǎn)的車道場景分割圖，最后利用基于高度信息的誤差處理的校正，實(shí)現(xiàn)車輛道路區(qū)域和非道路區(qū)域的劃分。這樣減少分割時(shí)出現(xiàn)的噪聲，以及由噪聲帶來的道路區(qū)域與非道路區(qū)域邊界識別不明等問題。

附圖說明

圖1是本發(fā)明基于高度信息的無人車車道場景分割方法流程圖；

圖2為本發(fā)明深度神經(jīng)網(wǎng)絡(luò)中池化與反池化操作示意圖；

圖3是本發(fā)明基于高度信息的誤差處理示意圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計(jì)的詳細(xì)描述也許會淡化本發(fā)明的主要內(nèi)容時(shí)，這些描述在這里將被忽略。

實(shí)施例

圖1是本發(fā)明基于高度信息的無人車車道場景分割方法流程圖。

在本實(shí)施例中，如圖1所示，本發(fā)明一種基于高度信息的無人車車道場景分割方法，包括以下步驟：

s1、利用神經(jīng)網(wǎng)絡(luò)對車道圖片進(jìn)行編碼

在本實(shí)施例中，利用車載攝像頭采集車道圖片，再將采集的車道圖片輸入神經(jīng)網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)的編碼部分的卷積操作、池化操作對輸入的車道圖像進(jìn)行特征提取得到稀疏特征圖。

在本實(shí)施例中，每一個(gè)卷積層的具體操作為：1)、用模板矩陣對圖片像素矩陣進(jìn)行矩陣移位相乘運(yùn)算，即矩陣對應(yīng)位置相乘最后求和；2)、按照1)所述的運(yùn)算法則從左向右、自上而下完成對整個(gè)圖片的遍歷；

s2、利用神經(jīng)網(wǎng)絡(luò)對車道圖片進(jìn)行解碼

在得到稀疏特征圖后，利用神經(jīng)網(wǎng)絡(luò)的解碼部分對稀疏特征圖的反卷積操作、反池化操作對特征圖稠化，得到稠化特征圖。

池化操作為：建立2*2的像素點(diǎn)區(qū)域矩陣模板，用該矩陣模板對車道圖像進(jìn)行劃窗——從左向右、自上而下的運(yùn)算操作，在劃窗過程中記錄每個(gè)像素點(diǎn)區(qū)域中最大像素值、第二大像素值的位置以及最大像素值和第二大像素值的位置關(guān)系。也即實(shí)現(xiàn)遍歷到的每個(gè)2*2像素區(qū)域變?yōu)?*1區(qū)域，保留其值為操作前2*2區(qū)域中像素點(diǎn)的最大值。

反池化操作為：根據(jù)最大像素值、第二大像素值的位置以及最大像素值和第二大像素值的位置關(guān)系，在對應(yīng)位置處寫入最大像素值和第二大像素值，其他位置置0，如圖2所示。

這樣通過增加第二大像素值的位置以及最大像素值和第二大像素值的位置關(guān)系，可以避免現(xiàn)有的反池化操作中僅僅只記錄最大值位置，其他位置置0時(shí)所帶來的誤差。

s3、利用神經(jīng)網(wǎng)絡(luò)末端的softmax分類器將稠化特征圖中的像素點(diǎn)進(jìn)行分類，得到基于像素點(diǎn)的車道場景分割圖；

s4、將基于像素點(diǎn)的車道場景分割圖從中間一分為二，車道主要位于圖像的下半部分，上半部分主要為遠(yuǎn)景和天空圖像，不影響后續(xù)處理，因此在此處舍棄。

s5、取車道場景分割圖的下半部分圖像，并從左到右，自上而下的遍歷每個(gè)像素點(diǎn)，當(dāng)遍歷到第i行第j個(gè)像素點(diǎn)xi,j時(shí)，該像素點(diǎn)xi,j映射到實(shí)際空間中同一行右側(cè)l＝10cm距離處的像素點(diǎn)為xi,j+k，那么像素點(diǎn)xi,j與像素點(diǎn)xi,j+k之間的像素點(diǎn)為道路區(qū)域中的像素點(diǎn)，且xi,j為道路區(qū)域中左邊車道邊緣像素點(diǎn)；

在本實(shí)施例中，如圖3所示，像素點(diǎn)xi,j與像素點(diǎn)xi,j+k之間的像素點(diǎn)其實(shí)并不全是道路區(qū)域中的像素點(diǎn)，通常情況下由80％以上的像素點(diǎn)是道路區(qū)域內(nèi)的像素點(diǎn)，因此還需要對這些像素點(diǎn)一一進(jìn)行校正；

同理，按照上述方法從右到左，自上而下的遍歷每個(gè)像素點(diǎn)，得到右邊車道邊緣像素點(diǎn)yi',j'；

s6、根據(jù)左邊車道邊緣像素點(diǎn)xi,j和右邊車道邊緣像素點(diǎn)yi',j'確定一條車道直線xi,jyi',j'；

在本實(shí)施例中，道路區(qū)域內(nèi)的像素點(diǎn)的高度應(yīng)該小于5cm的，因?yàn)榈缆犯叨纫话闶呛艿偷?，基于這一點(diǎn)，我們需要判斷車道直線xi,jyi',j'上的所有像素點(diǎn)的高度是否小于h＝5cm，如果小于h，則該像素點(diǎn)置為道路區(qū)域，否則置為非道路區(qū)域。

s7、按照步驟s5、s6描述的高度信息的誤差處理方法處理完下半部分圖像中所有像素點(diǎn)后，就可以得到最終車道場景分割圖。

盡管上面對本發(fā)明說明性的具體實(shí)施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對本技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。