[发明专利]基于迁移学习缓解车道线检测的树影类问题的方法及系统

说明书

本发明提供通过迁移学习缓解车道线检测任务中的树影类问题的方法及系统。所述方法包括：获取含有被阴影遮挡的车道线的图像；通过对这些图像进行分析，从而得到被阴影遮挡的车道线的共有特征；利用迁移学习将所述共有特征与未被阴影遮挡的车道线的特征在学习任务中进行融合，从而训练出车道线检测模型；获取待检测图像；利用所述车道线检测模型对所述待检测图像中的车道线进行检测，并输出检测结果。本发明建立的车道线检测模型在保有原先分类能力的基础上，还能通对新图像的检测来提升自身的分类能力，有效防止了原先模型可能会产生的遗忘问题。

技术领域

本发明涉及图像处理领域，特别是涉及一种通过迁移学习缓解车道线检测任务中的树影类问题的方法与系统。

背景技术

在自动驾驶研究项目中，车道线的视觉感知任务具有非常重要的意义。在车道线分割与车道线检测的任务中，往往容易受路边树木、建筑等的影子影响，从视觉角度上看车道线的外观会发生很大变化。尤其在一些阴影严重的场景中，肉眼已经很难辨别哪些地方是车道线，哪些地方是路面。对于路边的树影或其他影子造成的目标难以辨别的情形，我们统称为树影问题。树影问题往往造成车道线的漏检与误检，成为该任务中的一个老大难问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供基于迁移学习缓解车道线检测的树影类问题的方法及系统，用于解决现有技术中的上述问题。

为实现上述目的及其他相关目的，本发明提供一种通过迁移学习缓解车道线检测任务中的树影类问题的方法，包括：获取含有被阴影遮挡的车道线的图像；通过对这些图像进行分析，从而得到被阴影遮挡的车道线的共有特征；利用迁移学习将所述共有特征与未被阴影遮挡的车道线的特征在学习任务中进行融合，从而训练出车道线检测模型；获取待检测图像；利用所述车道线检测模型对所述待检测图像中的车道线进行检测，并输出检测结果。

于本发明一实施例中，还包括：在所述学习任务中，借助强化学习思想对树影类问题进行有倾向性的训练，从而有针对性地解决树影类问题对车道线检测任务的影响。

于本发明一实施例中，所述有倾向性的训练是通过设置学习内容的权重大小来实现的。

于本发明一实施例中，所述学习内容包括：对背景图像的学习。

于本发明一实施例中，车道线的特征包括：车道线的像素分布、车道线的位置、车道线的形状、及车道线跟周围环境的关系中的一种或多种组合。

为实现上述目的及其他相关目的，本发明提供一种通过迁移学习缓解车道线检测任务中的树影类问题的系统，包括：图像获取模块，用于获取含有被阴影遮挡的车道线的图像；图像分析模块，用于通过对这些图像进行分析，从而得到被阴影遮挡的车道线的共有特征；模型建立模块，用于利用迁移学习将所述共有特征与未被阴影遮挡的车道线的特征在学习任务中进行融合，从而训练出车道线检测模型；图像检测模块，用于获取待检测图像；利用所述车道线检测模型对所述待检测图像中的车道线进行检测，并输出检测结果。

于本发明一实施例中，所述模型建立模块还用于：在所述学习任务中，借助强化学习思想对树影类问题进行有倾向性的训练，从而有针对性地解决树影类问题对车道线检测任务的影响。

于本发明一实施例中，所述有倾向性的训练是通过设置学习内容的权重大小来实现的。

于本发明一实施例中，所述学习内容包括：对背景图像的学习。

于本发明一实施例中，车道线的特征包括：车道线的像素分布、车道线的位置、车道线的形状、及车道线跟周围环境的关系中的一种或多种组合。

如上所述，本发明的通过迁移学习缓解车道线检测任务中的树影类问题的方法及系统，能够有效地检测出树影类问题中的车道线，并且，建立的车道线检测模型在保有原先分类能力的基础上，还能通对新图像的检测来不断提升自身的分类能力，有效防止了原先模型可能产生的遗忘问题。