CN113780070A - 一种人行横道预警标识检测方法及系统 - Google Patents
一种人行横道预警标识检测方法及系统 Download PDFInfo
- Publication number
- CN113780070A CN113780070A CN202110868115.2A CN202110868115A CN113780070A CN 113780070 A CN113780070 A CN 113780070A CN 202110868115 A CN202110868115 A CN 202110868115A CN 113780070 A CN113780070 A CN 113780070A
- Authority
- CN
- China
- Prior art keywords
- early warning
- pedestrian crossing
- image
- corner
- extracting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种人行横道预警标识的检测方法及系统,包括以下步骤:S1、训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;S2、提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;S3、根据轮廓点将人行横道预警标识拟合一个最小外接矩形;S4、设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。本发明可提供较精确的角点坐标,从而准确制作高精度地图。
Description
技术领域
本发明涉及自动驾驶与高精度地图制作技术领域,具体涉及一种人行横道预警标识检测方法及系统。
背景技术
人行横道预警是人行横道前的菱形图案,主要为了提示驾驶员,前方已接近人行横道,是一个重要的警示标志,目前大多使用目标检测方法提取,而在高精度地图制作领域,为了更高精度的指标,需要提取人行横道预警图案的上下左右四个角点坐标。
发明内容
本发明针对现有技术中存在的技术问题,提供一种人行横道预警标识检测方法及系统,可提供较精确的角点坐标,从而准确制作高精度地图。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供一种人行横道预警标识检测方法,包括以下步骤:
S1、训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
S2、提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
S3、根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
S4、设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
进一步的,所述步骤S4,还包括:若与某一边界对应的角点集合为空,则根据菱形图案的性质预测该处角点坐标并输出。
进一步的,步骤S1包括:
初始化语义分割模型;
标注训练数据集中的人行横道预警标识;
使用标注后的训练数据集对所述语义分割模型进行多次训练、调参,直到所述语义分割模型满足要求;
将原始图像作为训练后的语义分割模型的输入,得到原始图像每个像素点的预测值,从而输出原始图像对应的mask图;
根据人行横道预警标识的灰度值标签从所述mask图中提取人行横道预警标识的二值化图。
进一步的,步骤S2中采用OpenCV工具提取二值化图中每个人行横道预警标识的轮廓,并保存轮廓点;采用Harris角点检测方法提取二值化图中的角点坐标。
第二方面,本发明还提供一种人行横道预警标识检测系统,包括:
语义分割模块,训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
轮廓提取及角点提取模块,用于提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
拟合模块,用于根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
角点处理模块,用于设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
进一步的,所述角点处理模块,还用于:若与某一边界对应的角点集合为空,则根据菱形图案的性质预测该处角点坐标并输出。
进一步的,所述语义分割模块,包括:
初始化子模块,用于初始化语义分割模型;
预处理子模块,用于标注训练数据集中的人行横道预警标识;
训练子模块,用于使用标注后的训练数据集对所述语义分割模型进行多次训练、调参,直到所述语义分割模型满足要求;
预测子模块,将原始图像作为训练后的语义分割模型的输入,得到原始图像每个像素点的预测值,从而输出原始图像对应的mask图;
二值化图提取子模块,用于根据人行横道预警标识的灰度值标签从所述mask图中提取人行横道预警标识的二值化图。
进一步的,所述轮廓提取及角点提取模块,采用OpenCV工具提取二值化图中每个人行横道预警标识的轮廓,并保存轮廓点;采用Harris角点检测方法提取二值化图中的角点坐标。
第三方面,本发明还提供一种电子设备,包括,
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述存储器中存储的计算机软件程序,进而实现本发明第一方面所述的一种人行横道预警标识检测方法。
第四方面,本发明还提供一种非暂态计算机可读存储介质,所述存储介质中存储用于实现本发明第一方面所述的一种人行横道预警标识检测方法的计算机软件程序。
本发明的有益效果是:提升了高精度地图领域人行横道预警的提取精度,使用角点检测方法,提取菱形图案的四个角点,提取更准确。
附图说明
图1为本发明实施例提供的人行横道预警标识检测方法流程示意图;
图2为本发明实施例提供的人行横道预警标识检测系统结构示意图;
图3为本发明提供的一种电子设备结构示意图;
图4为本发明提供的一种计算机可读存储介质结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,本发明实施例提供一种人行横道预警标识检测方法,包括以下步骤:
S1、训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图。
具体的,S1,包括以下内容:
初始化语义分割模型;
标注训练数据集中的人行横道预警标识,将图像中不同车道要素的像素值设置为不同的灰度值,背景灰度值设置为0;例如,车道要素包括车道线、人像横道、人像横道预警标识、车道护栏等等,将不同的车道要素的像素值设置为不同的灰度值。
使用标注后的训练数据集对所述语义分割模型进行多次训练、调参,直到所述语义分割模型满足要求;
将原始图像作为训练后的语义分割模型的输入,得到原始图像每个像素点的预测值,从而输出原始图像对应的mask图;
根据人行横道预警标识的灰度值标签从所述mask图中提取人行横道预警标识的二值化图。
S2、采用OpenCV工具提取二值化图中每个人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并采用Harris角点检测方法提取二值化图中的角点坐标。
S3、根据轮廓点将人行横道预警标识拟合一个最小外接矩形。
根据轮廓点使用opencv工具拟合一个最小外接矩形,其左上角和右下角坐标分别为(x,y),(x’,y’),同时,保留S2中坐标在矩形内的角点坐标,设为集合set0。
S4、设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
在实际验证过程中,通过Harris角点检测方法提取二值化图中的角点坐标,通常情况下在一个角点位置存在多个角点坐标,同时在非角点位置,由于算法误差,也会出现非角点坐标,因此需要利用步骤S4来对角点坐标进行筛选和处理。
同时由于算法误差、角度阈值设置以及图像畸变等问题,在角点坐标提取以及创建角点集合过程中,与某一边界对应的角点集合可能为空,此时则需要根据菱形图案的性质预测该处角点坐标并输出。
本发明实施例基于上述方法,还提供一种人行横道预警标识检测系统,其结构如图2所示,包括:
语义分割模块,训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
轮廓提取及角点提取模块,用于提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
拟合模块,用于根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
角点处理模块,用于设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
进一步的,所述角点处理模块,还用于:若与某一边界对应的角点集合为空,则根据菱形图案的性质预测该处角点坐标并输出。
进一步的,所述语义分割模块,包括:
初始化子模块,用于初始化语义分割模型;
预处理子模块,用于标注训练数据集中的人行横道预警标识,将图像中不同车道要素的像素值设置为不同的灰度值,背景灰度值设置为0;例如,车道要素包括车道线、人像横道、人像横道预警标识、车道护栏等等,将不同的车道要素的像素值设置为不同的灰度值;
训练子模块,用于使用标注后的训练数据集对所述语义分割模型进行多次训练、调参,直到所述语义分割模型满足要求;
预测子模块,将原始图像作为训练后的语义分割模型的输入,得到原始图像每个像素点的预测值,从而输出原始图像对应的mask图;
二值化图提取子模块,用于根据人行横道预警标识的灰度值标签从所述mask图中提取人行横道预警标识的二值化图。
进一步的,所述轮廓提取及角点提取模块,采用OpenCV工具提取二值化图中每个人行横道预警标识的轮廓,并保存轮廓点;采用Harris角点检测方法提取二值化图中的角点坐标。
图3为本发明实施例提供的电子设备的实施例示意图。如图3所示,本发明实施例提了一种电子设备,包括存储器510、处理器520及存储在存储器520上并可在处理器520上运行的计算机程序511,处理器520执行计算机程序511时实现以下步骤:
S1、训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
S2、提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
S3、根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
S4、设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
图4为本发明实施例提供的一种计算机可读存储介质的实施例示意图。如图4所示,本实施例提供了一种计算机可读存储介质600,其上存储有计算机程序611,该计算机程序611被处理器执行时实现如下步骤:
S1、训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
S2、提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
S3、根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
S4、设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种人行横道预警标识的检测方法,其特征在于,包括以下步骤:
S1、训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
S2、提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
S3、根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
S4、设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
2.根据权利要求1所述的人行横道预警标识检测方法,其特征在于,所述步骤S4,还包括:若与某一边界对应的角点集合为空,则根据菱形图案的性质预测该处角点坐标并输出。
3.根据权利要求1所述的人行横道预警标识检测方法,其特征在于,步骤S1包括:
初始化语义分割模型;
标注训练数据集中的人行横道预警标识;
使用标注后的训练数据集对所述语义分割模型进行多次训练、调参,直到所述语义分割模型满足要求;
将原始图像作为训练后的语义分割模型的输入,得到原始图像每个像素点的预测值,从而输出原始图像对应的mask图;
根据人行横道预警标识的灰度值标签从所述mask图中提取人行横道预警标识的二值化图。
4.根据权利要求1所述的人行横道预警标识检测方法,其特征在于,步骤S2中采用OpenCV工具提取二值化图中每个人行横道预警标识的轮廓,并保存轮廓点;采用Harris角点检测方法提取二值化图中的角点坐标。
5.一种人行横道预警标识检测系统,其特征在于,包括:
语义分割模块,训练语义分割模型,输入原始图像,输出mask图,并根据人行横道预警标识的灰度值标签提取其二值化图;
轮廓提取及角点提取模块,用于提取二值化图中人行横道预警标识的轮廓,并保存轮廓点;同时设置角度阈值并对二值化图进行角点检测,提取二值化图中的角点坐标;
拟合模块,用于根据轮廓点将人行横道预警标识拟合一个最小外接矩形;
角点处理模块,用于设置距离阈值,创建四个角点集合,分别保存距离最小外接矩形的上边界、下边界、左边界和右边界在距离阈值之内的角点,并分别对四个角点集合中的角点坐标取平均值,作为人行横道预警标识的四个角点坐标输出。
6.根据权利要求5所述的人行横道预警标识检测方法,其特征在于,所述角点处理模块,还用于:若与某一边界对应的角点集合为空,则根据菱形图案的性质预测该处角点坐标并输出。
7.根据权利要求5所述的人行横道预警标识检测方法,其特征在于,所述语义分割模块,包括:
初始化子模块,用于初始化语义分割模型;
预处理子模块,用于标注训练数据集中的人行横道预警标识;
训练子模块,用于使用标注后的训练数据集对所述语义分割模型进行多次训练、调参,直到所述语义分割模型满足要求;
预测子模块,将原始图像作为训练后的语义分割模型的输入,得到原始图像每个像素点的预测值,从而输出原始图像对应的mask图;
二值化图提取子模块,用于根据人行横道预警标识的灰度值标签从所述mask图中提取人行横道预警标识的二值化图。
8.根据权利要求5所述的人行横道预警标识检测方法,其特征在于,所述轮廓提取及角点提取模块,采用OpenCV工具提取二值化图中每个人行横道预警标识的轮廓,并保存轮廓点;采用Harris角点检测方法提取二值化图中的角点坐标。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述存储器中存储的计算机软件程序,进而实现权利要求1-4任一项所述的一种人行横道预警标识检测方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述存储介质中存储用于实现权利要求1-4任一项所述的一种人行横道预警标识检测方法的计算机软件程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110868115.2A CN113780070A (zh) | 2021-07-30 | 2021-07-30 | 一种人行横道预警标识检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110868115.2A CN113780070A (zh) | 2021-07-30 | 2021-07-30 | 一种人行横道预警标识检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780070A true CN113780070A (zh) | 2021-12-10 |
Family
ID=78836421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110868115.2A Pending CN113780070A (zh) | 2021-07-30 | 2021-07-30 | 一种人行横道预警标识检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780070A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219791A (zh) * | 2021-12-17 | 2022-03-22 | 盛视科技股份有限公司 | 基于视觉的道路积水检测方法、电子设备及车辆报警系统 |
CN114445568A (zh) * | 2021-12-21 | 2022-05-06 | 武汉中海庭数据技术有限公司 | 一种直行转弯复合箭头的检测提取方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470361A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种角点自动识别相机标定方法 |
CN109410197A (zh) * | 2018-10-24 | 2019-03-01 | 凌云光技术集团有限责任公司 | 一种定位液晶屏检测区域的方法及装置 |
CN110910445A (zh) * | 2019-11-26 | 2020-03-24 | 深圳市丰巢科技有限公司 | 一种物件尺寸检测方法、装置、检测设备及存储介质 |
CN112258519A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种高精度地图制作中道路的让行线自动化提取方法及装置 |
-
2021
- 2021-07-30 CN CN202110868115.2A patent/CN113780070A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470361A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种角点自动识别相机标定方法 |
CN109410197A (zh) * | 2018-10-24 | 2019-03-01 | 凌云光技术集团有限责任公司 | 一种定位液晶屏检测区域的方法及装置 |
CN110910445A (zh) * | 2019-11-26 | 2020-03-24 | 深圳市丰巢科技有限公司 | 一种物件尺寸检测方法、装置、检测设备及存储介质 |
CN112258519A (zh) * | 2020-10-12 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种高精度地图制作中道路的让行线自动化提取方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219791A (zh) * | 2021-12-17 | 2022-03-22 | 盛视科技股份有限公司 | 基于视觉的道路积水检测方法、电子设备及车辆报警系统 |
CN114445568A (zh) * | 2021-12-21 | 2022-05-06 | 武汉中海庭数据技术有限公司 | 一种直行转弯复合箭头的检测提取方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107507167B (zh) | 一种基于点云平面轮廓匹配的货物托盘检测方法及系统 | |
CN108596066B (zh) | 一种基于卷积神经网络的字符识别方法 | |
US10133941B2 (en) | Method, apparatus and device for detecting lane boundary | |
CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
CN103927526B (zh) | 一种基于高斯差分多尺度边缘融合的车辆检测方法 | |
KR101992398B1 (ko) | 도로 기호 및 차선 인식 방법 및 장치 | |
Gazcón et al. | Automatic vehicle identification for Argentinean license plates using intelligent template matching | |
CN110502985B (zh) | 表格识别方法、装置及表格识别设备 | |
CN111191611B (zh) | 基于深度学习的交通标志标号识别方法 | |
CN113780070A (zh) | 一种人行横道预警标识检测方法及系统 | |
US9646203B2 (en) | Method and apparatus for generating map data based on construction designs | |
CN101916378A (zh) | 易混淆字符的识别方法及装置 | |
CN110956100A (zh) | 一种高精度地图生成方法、装置、电子设备和存储介质 | |
CN111382625A (zh) | 道路标识识别方法、装置及电子设备 | |
US20160307050A1 (en) | Method and system for ground truth determination in lane departure warning | |
CN113408407A (zh) | 电子地图车道线修正方法、设备及计算机可读存储介质 | |
CN113903024A (zh) | 一种手写票据数值信息识别方法、系统、介质及装置 | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN116342525A (zh) | 基于Lenet-5模型的SOP芯片引脚缺陷检测方法及系统 | |
CN114267032A (zh) | 一种集装箱定位识别方法、装置、设备及存储介质 | |
CN111639593A (zh) | 车道线标签处理方法及装置 | |
JP5327241B2 (ja) | 物体識別装置 | |
CN112200218A (zh) | 一种模型训练方法、装置及电子设备 | |
CN115984796A (zh) | 一种图像标注方法及系统 | |
CN116721396A (zh) | 车道线检测方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |