[发明专利]车道标线破损程度自动量测方法

权利要求书

1.车道标线破损程度自动量测方法，其特征在于：所述量测方法利用道路智能巡检系统采集道路前景图像，训练YOLOv7模型检测出车道标线；然后采用图像子分块技术，以基于图像分块的二值化方法，根据不同子块的灰度分布情况来进行二值化，以实现车道标线的区域分割；最后结合标线断裂检测及像素统计方法判断车道标线是否存在破损。

2.根据权利要求1所述的车道标线破损程度自动量测方法，其特征在于：所述量测方法包括以下步骤；

步骤S1：使用基于前景双目立体图像的道路智能巡检系统采集路面车道标线；

步骤S2：训练基于YOLOv7的车道标线检测模型；

步骤S3：基于步骤S2中训练的车道标线检测模型，获取道路车道标线检测框的坐标信息；

步骤S4：把检测出的车道标线区域作为检测区域，对其分割为多个子块，并利用边界跟踪法提取车道标线轮廓；

步骤S5：结合子块和车道标线的轮廓信息，运用像素统计和割断检测的方法，判断车道标线是否发生破损。

3.根据权利要求2所述的车道标线破损程度自动量测方法，其特征在于：所述步骤S3中获取车道标线检测框坐标信息，其具体方法为：利用训练获得的车道标线检测模型获取车道标线所在矩形框作为该步骤的检测区域，对提取到的检测区域进行二值化操作。

4.根据权利要求2所述的车道标线破损程度自动量测方法，其特征在于：所述步骤S4包括以下步骤；

步骤S41：对检测区域进行分块，分成8*8共64个子块；

步骤S42：利用最大类间方差法Otsu计算整个区域的分割阈值T和每个子块的分割阈值Ti；设一副图像的像素个数为W*H，分割阈值T将图像分成前景和背景两个部分，前景的像素点个数为N₀，占图像比例记为w₀，前景的灰度均值为u₀；背景的像素点个数为N₁，占图像比例记为w₁，背景的灰度均值记为u₁，图像的总平均灰度记为u，类间方差记为σ²，则计算公式如下：

w₀＝N₀/W*H    公式一；

w₁＝N₁/W*H    公式二；

u＝w₀u₀+w₁u₁    公式三；

σ²＝w₀(u₀-u)²+w₁(u₁-u)²    公式四；

当分割阈值T使得两个部分的类间方差最大时,此时的阈值T为图像的全局分割阈值；即：

步骤S43：基于分割阈值T，计算整个区域的前景和背景的灰度均值差值F和每个子块前景和背景的灰度均值差值F_i，灰度均值差值计算公式如下：

F＝|u₀-u₁|    公式六；

步骤S44：计算整个区域的灰度均值差值F与每个子块的灰度均值差值F_i的比值，判断子块的像素内分布情况：

步骤S45：对于像素灰度分布离散的子块，直接以子块的分割阈值T_i，作为该子块的分割阈值；

步骤S46：对于像素灰度分布集中的子块，以子块的分割阈值T_i和全局分割阈值T加权得到该子块的分割阈值。即：

T_子＝p*T+(1-p)*T_i    公式八；

式中，当p值取0.35时，达到最佳分割效果；

步骤S47：将得到的64个子块分割阈值构成一个8*8的矩阵，并通过复制矩阵的最后一列和最后一行的方法得到一个9*9阈值矩阵；构建与每个子块像素相同的矩阵，遍历阈值矩阵，将子块相邻的四个分割阈值依次放在对应子块矩阵的四个顶点处，利用双线性插值法对图像进行插值，得到与每个子块像素相同的像素阈值矩阵；

步骤S48：将每个子块的像素阈值矩阵进行拼接，得到整幅图像的像素阈值矩阵E(x,y),并运用以下公式对整幅图像Q(x,y)进行二值化：

步骤S49：运用边界跟踪法提取二值化后图像的轮廓，比较每个轮廓的最大横坐标和最小横坐标的差值，拥有最大差值的轮廓视为车道标线轮廓。