[发明专利]一种道路护栏识别方法、系统及存储介质在审
| 申请号: | 202210588154.1 | 申请日: | 2022-05-26 |
| 公开(公告)号: | CN114973197A | 公开(公告)日: | 2022-08-30 |
| 发明(设计)人: | 潘元承;王鸿源;林文山;沈定彬;侯学锋;林文畅;杨财有 | 申请(专利权)人: | 福建中科云杉信息技术有限公司 |
| 主分类号: | G06V20/58 | 分类号: | G06V20/58;G06V10/762;G06V10/82 |
| 代理公司: | 厦门荔信律和知识产权代理有限公司 35282 | 代理人: | 杨光 |
| 地址: | 361000 福建省厦门市火炬高新区火炬园*** | 国省代码: | 福建;35 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 道路 护栏 识别 方法 系统 存储 介质 | ||
1.一种道路护栏识别方法,其特征在于,包括:
基于图像特征语义分割算法对车载图像进行特征提取,获取护栏特征图;
依据所述护栏特征图,获取世界坐标系下的护栏线;
依据所述护栏线对所述毫米波雷达数据中的无效数据点进行过滤;
对过滤后的毫米波雷达数据进行直线拟合;
依据所述拟合结果,计算获取护栏线段。
2.如权利要求1所述的一种道路护栏识别方法,其特征在于,所述基于图像特征语义分割算法对车载图像进行特征提取,获取护栏特征图,包括:
提取车载图像中的特征语义信息;
对所述特征语义信息中不同尺度和不同语义层次的特征进行融合,得到融合特征;
通过分割解码器对所述融合特征的每个像素点进行护栏概率判断,获取二值化的护栏特征图。
3.如权利要求1所述的一种道路护栏识别方法,其特征在于,所述依据所述护栏特征图,获取世界坐标系下的护栏线,包括:
依据所述护栏特征图,计算得到对应的护栏特征连通区域;
对所述护栏特征连通区域中的无效区域进行过滤,得到左右护栏连通区域;
对所述左右护栏连通区域进行坐标转换,获取世界坐标系下的左右护栏图;
对所述左右护栏图进行拟合,获取护栏线。
4.如权利要求3所述的一种道路护栏识别方法,其特征在于,所述对所述护栏特征连通区域中的无效区域进行过滤,得到左右护栏连通区域,包括:
对所述护栏特征连通区域进行一次过滤,滤除掉其中连通面积小于预设最小面积阈值的区域、所在位置高于预设最高位置阈值的区域、宽高比不符合预设宽高比范围的区域;
对经过所述一次过滤后的护栏特征连通区域进行二次过滤,滤除掉其中左右两边除面积最大的连通区域以外的其他区域,得到左右护栏连通区域。
5.如权利要求1所述的一种道路护栏识别方法,其特征在于,所述依据所述护栏线对所述毫米波雷达数据中的无效数据点进行过滤,包括:
将毫米波雷达数据置于所述护栏线所在的世界坐标系中;
依据所述护栏线,对世界坐标系中的毫米波雷达数据进行静态过滤,滤除掉路面上速度高于预设第一多普勒速度阈值的非静态物体雷达数据;
依据所述护栏线,对世界坐标系中的毫米波雷达数据进行视觉范围结果过滤,滤除掉与所述护栏线的距离大于等于预设距离阈值的雷达数据;
对经过所述静态过滤和所述视觉范围结果过滤后的毫米波雷达数据进行DBSCAN聚类,获取聚类簇;
滤除掉所述聚类簇中速度高于预设第二多普勒速度阈值的离群雷达数据。
6.如权利要求1所述的一种道路护栏识别方法,其特征在于,所述对过滤后的毫米波雷达数据进行直线拟合,包括:
将过滤后的毫米波雷达数据转换成像素表示的毫米波雷达图像;
对所述毫米波雷达图像进行霍夫直线拟合处理,获取包括至少两条线段的拟合结果。
7.如权利要求1所述的一种道路护栏识别方法,其特征在于,所述依据所述拟合结果,计算获取护栏线段,包括:
依据所述拟合结果,通过DBSCAN直线聚类计算或者与所述护栏线的相似度计算,获取护栏线段。
8.如权利要求7所述的一种道路护栏识别方法,其特征在于,所述通过DBSCAN直线聚类计算,获取护栏线段,包括:
对所述拟合结果进行DBSCAN直线聚类,获取线段簇;
对所述线段簇的点进行最小二乘拟合;
判断拟合得到的线段中是否存在线性相关系数R满足预设阈值的线段;
若存在,则选取所述线性相关系数R满足预设阈值的线段为护栏线段;
若否,则选取所述线段簇中对应的点最多的线段为护栏线段;
依据通过与所述护栏线的相似度计算,获取护栏线段,包括:
计算所述拟合结果中各个线段与对应的护栏线的相似度,各获取左右两边相似度最高的线段为护栏线段。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建中科云杉信息技术有限公司,未经福建中科云杉信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210588154.1/1.html,转载请声明来源钻瓜专利网。





