[发明专利]减速带的检测方法、系统、设备及计算机可读存储介质

说明书

本发明提供一种减速带的检测方法、系统、设备及计算机可读存储介质，所述减速带的检测方法包括：遍历语义分割图像，筛选出包含减速带语义元素的检测图像；于所述检测图像中提取减速带轮廓；校正减速带轮廓的偏转角度，并基于校正的偏转角度，对减速带轮廓进行分类；其中，减速带轮廓的类别包括基于X坐标的减速带轮廓和/或基于Y坐标的减速带轮廓；在基于X坐标的减速带轮廓和/或基于Y坐标的减速带轮廓中，查找属于同一减速带的减速带轮廓，并将属于同一减速带的减速带轮廓予以整合，以检测出减速带。本发明可以适应于不同的复杂场景，提高了各种场景的鲁棒性，实现精准定位减速带。

技术领域

本发明属于图像处理技术领域，涉及一种检测方法和系统，特别是涉及一种减速带的检测方法、系统、设备及计算机可读存储介质。

背景技术

减速带作为一种重要的地面交通标志，对减少交通事故和道路管制有着重大意义。无人驾驶技术不断发展，其感知模块也必然绕不开减速带的检测和识别。目前的研究中大多都是传统的图像处理算法，深度学习算法较少。传统的方法大多基于一些特定特征(如几何形状)进行分割提取，复杂环境下的鲁棒性差，而卷积神经网络的特征提取能力强大，能够适应复杂的场景，有研究采用目标检测网络对减速带进行检测，但长条状的减速带检测较为困难，复杂场景(如光线较暗的停车场)容易漏检和误检，位置误差也较大。

因此，如何提供一种减速带的检测方法、系统、设备及计算机可读存储介质，以解决现有技术无法胜任不同复杂的场景，鲁棒性较差，容易漏检和误检，位置误差也较大等缺陷，实已成为本领域技术人员亟待解决的技术问题。

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一种减速带的检测方法、系统、设备及计算机可读存储介质，用于解决现有技术无法胜任不同复杂的场景，鲁棒性较差，容易漏检和误检，位置误差也较大的问题。

为实现上述目的及其他相关目的，本发明一方面提供一种减速带的检测方法，包括：遍历语义分割图像，筛选出包含减速带语义元素的检测图像；于所述检测图像中提取减速带轮廓；校正减速带轮廓的偏转角度，并基于校正的偏转角度，对所述减速带轮廓进行分类；其中，所述减速带轮廓的类别包括基于X坐标的减速带轮廓和/或基于Y坐标的减速带轮廓；在所述基于X坐标的减速带轮廓和/或基于Y坐标的减速带轮廓中，查找属于同一减速带的减速带轮廓，并将属于同一减速带的减速带轮廓予以整合，以检测出所述减速带。

于本发明的一实施例中，所述减速带的检测方法还包括：采集环视拼接图像，并将所述环视拼接图像输入预设语义分割网络，以获取所述语义分割图像。

于本发明的一实施例中，所述于所述检测图像中提取减速带轮廓包括于所述检测图像中去除干扰轮廓，保留符合要求的减速带轮廓；所述于所述检测图像中去除干扰轮廓，保留符合要求的减速带轮廓的步骤包括：于所述检测图像中查找所有轮廓，并计算各轮廓最小包围矩形框的面积；将所计算的各轮廓最小包围矩形框的面积与预设面积阈值进行比较，将面积小于预设面积阈值的轮廓定义为干扰轮廓，予以去除；将面积大于等于预设面积阈值的减速带轮廓予以保留。

于本发明的一实施例中，在校正减速带轮廓的偏转角度的步骤之前，所述减速带的检测方法还包括：遍历各个减速带轮廓，将各个减速带轮廓定义为目标轮廓，查找与之距离最近的另一减速带轮廓，并计算两者中心点的横坐标与纵坐标之间的距离，若两者中心点的横坐标之间的距离小于等于一距离阈值，两者中心点的纵坐标小于等于另一距离阈值时，则认为该目标轮廓及与之距离最近的另一减速带轮廓属于同一减速带。