[发明专利]一种基于并联卷积神经网络的车道线检测方法

权利要求书

1.一种基于并联卷积神经网络的车道线检测方法，其特征在于，所述方法包括以下步骤：

S1、首先使用车载摄像头实际采集视频，从视频中截取训练样本图片，并手动标注出训练样本图片中的车道线，制作用于卷积神经网络训练的训练数据集；

S2、构建三个层数不同的自编码卷积神经网络，三个卷积神经网络组成并联卷积神经网络，每个卷积神经网络分别用来检测不同的对象：背景点、实线车道线或虚线车道线；

S3、使用制作好的训练数据集训练构建的并联卷积神经网络，根据训练过程中损失函数的变化和卷积神经网络的收敛情况来调整卷积神经网络的参数；

S4、使用验证集图片来检验所训练的并联卷积神经网络的检测效果，根据卷积神经网络的实际检测效果，调整卷积神经网络的参数，重复步骤S3来训练调整后的并联卷积神经网络，直至达到在验证集上有好的检测效果；

S5、使用测试图片和实际场景的视频来测试最终训练好的并联卷积神经网络进行车道线检测的效果。

2.根据权利要求1所述的一种基于并联卷积神经网络的车道线检测方法，其特征在于，步骤S1的具体过程为：使用安装在车辆前方的车载摄像头在汽车行驶过程中采集车辆前方路况的视频，从视频中每间隔N帧截取一些训练样本图片，并从训练样本图片中挑选出K张有代表性的图片作为训练数据集的原始图片，使用不同的颜色手动标注出原始图片中的实线车道线和虚线车道线后作为训练数据集中的标注图片，将原始图片和对应的标注图片分为一组，作为卷积神经网络训练的训练数据集。

3.根据权利要求2所述的一种基于并联卷积神经网络的车道线检测方法，其特征在于，步骤S2的具体过程为：构建三个层数不同的自编码卷积神经网络，第一个卷积神经网络包括C₁个卷积层和C₁个反卷积层，第二个卷积神经网络包括C₂个卷积层和C₂个反卷积层，第三个卷积神经网络包括C₃个卷积层和C₃个反卷积层，其中C₁C₂C₃；将训练数据集作为每个卷积神经网络的输入，输出为[batch_size,Height,Width,1]形式的张量，其中，batch_size为一次性输入的图片数量，Height为输出的特征图的高度，Width为输出的特征图的宽度，将三个卷积神经网络的输出合并成一个[batch_size,Height,Width,3]形式的张量predicts，作为整个并联卷积神经网络的输出，在合并的过程中，第一个卷积神经网络的输出放在最前面，用来检测背景点，第二个卷积神经网络的输出放在中间，用来检测实线车道线，第三个卷积神经网络的输出放在最后，用来检测虚线车道线。

4.根据权利要求1所述的一种基于并联卷积神经网络的车道线检测方法，其特征在于：为减少卷积神经网络参数的数量，减少运算量，所述并联卷积神经网络中的三个卷积神经网络共用一些卷积层。

5.根据权利要求3所述的一种基于并联卷积神经网络的车道线检测方法，其特征在于：所述并联卷积神经网络中第一个卷积神经网络的C₁个卷积层由三个卷积神经网络共用，第二个卷积神经网络的剩余卷积层由第二个卷积神经网络和第三个卷积神经网络共用，第三个卷积神经网络的剩余卷积层由第三个卷积神经网络独享。

6.根据权利要求3所述的一种基于并联卷积神经网络的车道线检测方法，其特征在于，步骤S3的具体过程为：首先根据训练数据集中标注图片的背景和标注的不同颜色通过one-hot编码的方法创建对应的标签张量labels，利用训练数据集中的图片和对应的标签张量对并联卷积神经网络进行训练，采用predicts和labels求均方差作为损失函数，在训练的过程中，通过tensorboard来观察该卷积神经网络的收敛情况，并根据卷积神经网络的实际收敛情况来调整学习率和批量大小M的值，最后对卷积神经网络输出的结果进行形态学处理，首先进行开运算过滤掉一些较小的孤立噪点，然后进行闭运算填充一些细小的黑洞，从而得到更加准确、完整的车道线。

7.根据权利要求6所述的一种基于并联卷积神经网络的车道线检测方法，其特征在于：步骤S1中，使用color1颜色的线条绘制多边形来标注实线车道线，并将该多边形填充为color1，使用color2颜色的线条绘制多边形来标注虚线车道线，并将该多边形填充为color2，将进行标注后的原始图片作为训练数据集中的标注图片；在步骤S3中，构建一个[K,Height,Width,3]形式的四维标签张量labels，并将标签张量中所有元素赋初值为0，然后按顺序将训练数据集中的标注图片读入，若第k张图片中点(m,n)为背景，那么就给labels[k,m,n,0]赋值为1，若第k张图片中点(m,n)为color1，那么就给labels[k,m,n,1]赋值为1，若第k张图片中点(m,n)为color2，那么就给labels[k,m,n,2]赋值为1；然后再利用训练数据集中的图片和对应的标签张量对并联卷积神经网络进行训练。