[发明专利]一种基于曲面和消失点检测的自适应逆透视变换方法

权利要求书

1.一种基于曲面和消失点检测的自适应逆透视变换方法，其特征在于，按以下步骤进行图像处理：

步骤1、开始驾驶，通过单目摄像机采集车道线照片；

步骤2、基于回归ResNeSt-50网络进行消失点检测，采用回归ResNeSt-50网络作为检测网络，网络层数定为50层；将步骤1采集的车道线照片进行消失点坐标的检测，输出消失点在图像坐标系中的坐标；

步骤3、差分判断；

步骤3.1、输入检测出来的消失点的纵坐标v_pi…v_pi+L；

步骤3.2、均值滤波处理滤波窗口的长度为L；对消失点的纵坐标进行均值计算，得到L长度内的消失点纵坐标的平均值；

步骤3.3、差分计算计算前后两次消失点纵坐标的平均值的差值；

步骤3.4、获得前一刻位置；在差分判断一开始，前一刻位置就是预先的初始位置；在差分判断过程中，前一刻位置就是上一轮差分判断下的车辆所处位置；

步骤3.5、判断车辆前一刻是否处于拱坡道路；

步骤3.6、经步骤3.5判断，如果车辆前一刻不处于拱坡道路，此刻差值为零时，车辆位于平坦道路；

步骤3.7、经步骤3.5判断，如果车辆前一刻不处于拱坡道路，此刻差值且前一刻差值时，车辆进入拱坡道路，下一刻车辆处于拱坡道路；

步骤3.8、经步骤3.5判断，如果车辆前一刻不处于拱坡道路，且没通过步骤3.6和步骤3.7的判断，车辆位于过渡道路；

步骤3.9、经步骤3.5判断，如果车辆前一刻处于拱坡道路，此刻差值且前一刻差值时，车辆驶离拱坡道路，下一刻车辆不再处于拱坡道路；

步骤3.10、经步骤3.5判断，如果车辆前一刻处于拱坡道路，且没通过步骤3.9的判断，车辆始终位于拱坡道路；

步骤4、经过步骤3的判断，如果是在平坦道路上，则进入步骤5；如果是在过渡道路上，则进入步骤6；在拱坡道路上，则进入步骤7；

步骤5、将步骤1采集的车道线照片和相机俯仰角、高度、横纵视角等数据输入简化逆透视变换模型中，经过简化逆透视变换输出鸟瞰图像，进入步骤8；

步骤6、将步骤1采集的车道线照片、步骤2检测的消失点纵坐标和相机高度、横纵视角等相机参数的数据进行鲁棒逆透视变换，输出鸟瞰图像，进入步骤8；

步骤7、将步骤1采集的车道线照片、步骤2检测的消失点纵坐标和相机在平面上的俯仰角、高度、横纵视角等相机参数的数据进行曲面逆透视变换，输出鸟瞰图像，进入步骤8；

步骤8、返回步骤1进行下一次对采集车道线照片处理，直至本次驾驶结束。

2.根据权利要求1所述的一种基于曲面和消失点检测的自适应逆透视变换方法，其特征在于，步骤2中回归ResNeSt-50网络包括卷积层、最大池化层、残差模块、全局平均池化层和全连接层，残差模块中包含注意力通道机制，而卷积层的层数总共50层，每个卷积层背后都有一个批处理标准化层和一个激活层；

超参数k和r表示为残差模块中分组卷积的组数和分割通道的通道数，通过在同一个训练集上不同k和r值下的测试结果比较，k＝4和r＝4是最佳的超参数值；

消失点位置坐标的真实标签设置方法：对于直线车道线，消失点是两条车道线延伸的交点；对于非直线车道，消失点是两条弯曲车道线上的主线段的切线的交点；检测到的消失点坐标(x_d,y_d)与真实消失点坐标标签(x_t,y_t)之间的距离可以通过L₂范数计算，损失函数设置为：loss＝L₂(x_d-x_t,y_d-y_t) (1)；

在数据集上训练该回归ResNeSt网络中各卷积层中的权重参数，将最后训练的结果应用于实时检测车道线照片中的消失点坐标。