[发明专利]一种特征检测方法及其装置

说明书

本发明提供了一种特征检测方法及其装置。所述交通环境特征检测方法包括：获取车辆前进方向上的环境图像；以及将所述环境图像输入环境特征提取模型以提取出所述环境图像中的环境特征，所述环境特征提取模型采用空洞空间卷积池化金字塔和轻量级网络的组合网络架构，所述环境特征为影响所述车辆的驾驶策略的物体或标志。

技术领域

本发明涉及自动驾驶领域，尤其涉及一种特征检测方法及其装置。

背景技术

自动驾驶作为车辆未来的研究方向，其对于车辆行业甚至是交通运输业和快递行业有着深远的影响。无人驾驶车辆的来临将能够解放人类的双手，降低发生交通事故发生的频率，保证了人们的安全。

同时随着人工智能和传感检测等核心技术的不断突破和推进，无人驾驶必将更加智能化，同时也能够实现无人驾驶车辆的产业化。

车道检测是自动驾驶的重要组成部分。它是推动场景理解的最重要的研究主题之一。一旦获得车道位置，车辆将知道要去哪里，并避免驶入其他车道或离开道路的风险，这可以防止驾驶员误操作导致的偏离行车轨道。但，由于路面环境干扰大，如遇地面积水、无效标识、修补路面、阴影情况下的车道线容易出现误检和漏检情况。

现有的车道线检测方法分为两大类，基于传统方法的车道线检测和基于深度学习技术的车道线检测。

基于传统方法的车道线检测需要根据车道线颜色信息提取车道线、基于Canny边缘提取并基于Hough变化提取车道线等步骤。基于传统方法的车道线检测存在多方面的缺点：不能够实现检测鲁棒性高；无法进行快速车道检测；同时针对不同路面材质需要修改阈值参数；尤其是在弯曲和交叉口路面很容易出现漏检，检测效果极差等等。

基于深度习技术的车道线检测由于卷积神经网络的感受野有限导致提取车道线特征基本上是局部信息，尤其弯曲路面容易出现车道线漏检,检测速度慢以至于很难到达到真正智能驾驶的要求。

为解决现有的车道线检测方法存在的各方面问题，本发明旨在提出一种交通环境特征检测方法及其装置。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

根据本发明的一方面，提供了一种交通环境特征检测方法，包括：获取车辆前进方向上的环境图像；以及将所述环境图像输入环境特征提取模型以提取出所述环境图像中的环境特征，所述环境特征提取模型采用空洞空间卷积池化金字塔和轻量级网络的组合网络架构，所述环境特征为影响所述车辆的驾驶策略的物体或标志。

在一实施例中，所述将所述环境图像输入环境特征提取模型以提取出所述环境图像中的环境特征包括：将所述环境图像输入所述轻量级网络并将所述轻量级网络的其中一层输出的特征图作为基础特征图；将所述基础特征图输入空洞空间卷积池化金字塔以得到融合特征图；以及将所述融合特征图进行上采样以提取出所述环境图像中的环境特征。

在一实施例中，所述将所述基础特征图输入空洞空间卷积池化金字塔以得到融合特征图包括：对所述基础特征图分别进行多种不同的卷积操作以得到不同尺度的低维度卷积特征图；以及将所述低维度卷积特征图与所述基础特征图进行融合以得到所述融合特征图，所述基础特征图用于指示所述环境图像的高维特征。

在一实施例中，所述将所述低维度卷积特征图与所述基础特征图进行融合以得到所述融合特征图包括：将所述低维度卷积特征图进行融合以得到低维融合特征图；将所述低维融合特征图进行卷积操作以得到低维特征图；以及将所述低维特征图与所述基础特征图进行融合以作为所述融合特征图。