CN114022434A - 一种护栏上下边线自动化提取方法及提取系统 - Google Patents

Abstract

本发明提供一种护栏上下边线自动化提取方法及提取系统，方法包括：将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取输出的护栏mask图，并提取其二值化图；提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；基于多个关键点对护栏的轮廓点进行筛选，对筛选保留下来的轮廓点进行拟合，得到护栏的上下边线。本发明在分割出护栏的轮廓后加入后处理程序，得到护栏的矢量化结果，即护栏的上下边线，每条边线都是一元三次函数，这种简洁的矢量结果在高精度地图应用中更容易被使用，同时，准确率也更高。

Description

一种护栏上下边线自动化提取方法及提取系统

技术领域

本发明涉及高精度地图制作领域，更具体地，涉及一种护栏上下边线自动化提取方法及提取系统。

背景技术

在高精度地图制作领域，护栏的检测是极其重要的技术之一，目前，大多采用语义分割的方法分割出护栏区域。仅仅分割出的护栏区域无法满足高精度地图的制作。

发明内容

本发明针对现有技术中存在的技术问题，提供一种护栏上下边线自动化提取方法及提取系统，对护栏信息进行更精细的提取，以满足高精度地图的制作。

根据本发明的第一方面，提供了一种护栏上下边线自动化提取方法，包括：将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述获取所述语义分割模型输出的护栏mask图，并提取其二值化图，包括：根据护栏mask图，基于护栏区域的灰度值标签，从所述护栏mask图中提取护栏区域的二值化图。

可选的，所述基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合，包括：将位于护栏中心线上方的所有轮廓点组成第一轮廓点集合，将位于护栏中心线下方的所有轮廓点组成第二轮廓点集合；以及将位于护栏中心线上方的所有关键点组成第一关键点集合，将位于护栏中心线下方的所有关键点组成第二关键点集合。

可选的，在所述基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合，之前还包括：对于所述第一关键点集合中的所有关键点，将每相邻两个关键点进行相连，得到多条线段，将长度最大的线段作为标准线；计算其它的每一条线段的斜率和标准线段的斜率之间的差值对应的角度，若角度小于30°，则保留线段，否则，丢弃线段，得到第三关键点集合；对于所述第二关键点集合中的所有关键点，利用相同的方法得到第四关键点集合。

可选的，所述基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合，包括：将第三关键点集合中的每相邻两个关键点作为一对关键点，设每一对关键点的坐标为[(x0，y0)，(x1，y1)]，保留第一轮廓点集合中x坐标大于x0且小于x1的轮廓点，组成第三轮廓点集合；采用相同的方式，基于第四关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合。

可选的，所述分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线，包括：利用最小二乘法分别对第三轮廓点集合中的所有轮廓点和第四轮廓点集合中的所有轮廓点进行拟合，拟合生成两条一元三次函数曲线，为护栏的上边线和下边线。

根据本发明的第二方面，提供一种护栏上下边线自动化提取系统，包括：获取模块，用于将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；提取模块，用于提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；第一拟合模块，用于根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；划分模块，用于基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；筛选模块，同于基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；第二拟合模块，用于分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现护栏上下边线自动化提取方法的步骤。

根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现护栏上下边线自动化提取方法的步骤。

本发明提供的一种护栏上下边线自动化提取方法及提取系统，在分割出护栏的轮廓后加入后处理程序，得到护栏的矢量化结果，即护栏的上下边线，每条边线都是一元三次函数，这种简洁的矢量结果在高精度地图应用中更容易被使用，同时，准确率也更高。

附图说明

图1为本发明提供的一种护栏上下边线自动化提取方法流程图；

图2为包含护栏的RGB原图；

图3为经过语义分割模型后生成的mask图；

图4为护栏的二值化图；

图5为护栏的轮廓图以及中心线示意图；

图6为多边形拟合后的护栏关键点示意图；

图7为最终拟合的一元三次函数可视化示意图；

图8为本发明一种护栏上下边线自动化提取系统结构示意图；

图9为本发明提供的一种可能的电子设备的硬件结构示意图；

图10为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

图1为本发明提供的一种护栏上下边线自动化提取方法流程图，如图1所示，主要包括以下步骤：将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

本发明在分割出护栏的轮廓后加入后处理程序，得到护栏的矢量化结果，即护栏的上下边线，每条边线都是一元三次函数，这种简洁的矢量结果在高精度地图应用中更容易被使用，同时，准确率也更高。

实施例二

提供了一种护栏上下边线自动化提取方法，主要包括：

S1，将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取语义分割模型输出的护栏mask图，并提取其二值化图。

本发明的护栏检测方法使用的是语义分割网络，这类网络可以对护栏像素进行较为准确的分割，首先标注数据集，RGB图中对不同的要素像素值设置为不同的灰度值，背景设置为0。之后，对数据集使用语义分割网络进行多次训练和调参，得到一个较好的语义分割模型，对于图2中包含有护栏的RGB原图像，通过该语义分割模型可以获取RGB图中每个像素点的预测值，从而输出护栏的mask图。根据护栏mask图，基于护栏区域的灰度值标签，从护栏mask图中提取护栏区域的二值化图。其中，图3和图4分别为语义分割模型推理得到的mask图以及护栏的二值化mask图。

S2，提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线。

S3，根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点。

具体的，使用opencv提取护栏二值化图中每个护栏的轮廓，根据轮廓可计算得到护栏的中心线，图5为护栏的轮廓以及中心线示意图，同时，也利用opencv对轮廓进行多边形拟合，可得到N个关键点，比如，将多边形的各个角点作为关键点，图6为多边形拟合后的护栏关键点示意图。

S4，基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合。

具体的，根据关键点分别在护栏中心线的上方还是下方，将N个关键点分为两个集合up_key_set和low_key_set，其中，up_key_set中的所有关键点均位于护栏中心线上方，称为第一关键点集合；low_key_set中的关键点均位于护栏中心线下方，称为第二关键点集合。

同理，根据轮廓点在中心线的上方还是下方，将轮廓点分为两个集合，up_contour_set和low_contour_set，其中，up_contour_set中的所有轮廓点均位于护栏中心线的上方，称为第一轮廓点结合；low_contour_set中的所有轮廓点均位于护栏中心点的下方，称为第二轮廓点集合。

在划分得到第一关键点集合和第二关键点集合后，分别对第一关键点集合和第二关键点集合中的关键点进行筛选，包括：对于所述第一关键点集合中的所有关键点，将每相邻两个关键点进行相连，得到多条线段，将长度最大的线段作为标准线；计算其它的每一条线段的斜率和标准线段的斜率之间的差值对应的角度，若角度小于30°，则保留线段，否则，丢弃线段，得到第三关键点集合；对于所述第二关键点集合中的所有关键点，利用相同的方法得到第四关键点集合。

具体的，在up_key_set中，连接每相邻两个关键点，相邻两个关键点可称为一对关键点，每一对关键点相连形成一条线段，将长度最大的一条线段(也就是距离最大的一对关键点连接称为的线段)作为标准线，将其他两点连线的斜率与标准线的斜率相比较，若斜率的差值对应的角度小于30度，则保留该线段，否则，丢弃该线段，保留下来的线段对应的关键点为有效关键点，称为第三关键点集合。

在up_key_set中，相邻两点两两相连，需要去除一些误差较大的点，因此，首先选取一个置信度较高的连线，此处将距离最大的作为标准线，将剩余的两点连线与标准线相比，若角度小于30度，则判定此区间的点是正常的，需要保留，若角度大于30度，则判定此区间的点误差较大，需要去除。

对于在down_key_set中的关键点，采用同样的方式去除一些误差较大的关键点，保留有效关键点，称为第四关键点集合。

S5，基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合。

经过步骤S4的处理，保留了多对关键点，对于第三关键点集合中的关键点，每对关键点的坐标设置为[(x0,y0),(x1,y1)]，(x0,y0)代表第一个关键点的坐标，(x1,y1)代表第二个关键点的坐标，保留up_contour_set中x坐标大于x0且小于x1的轮廓点。

可以理解的是，第三关键点集合中包括多对关键点，第一对关键点的坐标为[(x0,y0)，(x1，y1)]，第二对关键点的坐标为[(x1，y1)，(x2，y2)]，第i对关键点的坐标为[(x_i-1,y_i-1)，(x_i,y_i)]，第m对关键点的坐标为[(x_m-1,y_m-1)，(x_m,y_m)]，m为第三关键点集合中的关键点对数。对于第一轮廓点集合中的每一个轮廓点，其x坐标需要同时满足大于x_i-1且小于x_i，保留满足条件的轮廓点，形成第三轮廓点集合。

对于第二轮廓点集合，采用同样的方式，基于第四关键点集合中的关键点对第二轮廓点集合中所有轮廓点进行筛选，保留第二轮廓点集合中满足条件的轮廓点，形成第四轮廓点集合。

S6，分别对第三轮廓点集合中所有轮廓点和第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

具体的，对第三轮廓点集合和第四轮廓点集合中的所有轮廓点进行最小二乘法拟合，拟合为两条一元三次函数曲线，该拟合形成的两条曲线分别作为护栏上下边线的矢量化结果，图7为最终拟合的一元三次函数曲线可视化图。

图8为本发明实施例提供的一种护栏上下边线自动化提取系统结构图，如图8所示，一种护栏上下边线自动化提取系统，包括获取模块801、提取模块802、第一拟合模块803、划分模块804、筛选模块805和第二拟合模块806，其中：

获取模块801，用于将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；

提取模块802，用于提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；

第一拟合模块803，用于根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；

划分模块804，用于基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；

筛选模块805，同于基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；

第二拟合模块806，用于分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

可以理解的是，本发明提供的一种护栏上下边线自动化提取系统与前述各实施例提供的护栏上下边线自动化提取方法相对应，护栏上下边线自动化提取系统的相关技术特征可参考护栏上下边线自动化提取方法的相关技术特征，在此不再赘述。

请参阅图9，图9为本发明实施例提供的电子设备的实施例示意图。如图9所示，本发明实施例提了一种电子设备900，包括存储器910处理器920及存储在存储器910上并可在处理器920上运行的计算机程序911，处理器920执行计算机程序911时实现以下步骤：将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

请参阅图10，图10为本发明提供的一种计算机可读存储介质的实施例示意图。如图10所示，本实施例提供了一种计算机可读存储介质1000，其上存储有计算机程序1011，该计算机程序1011被处理器执行时实现如下步骤：将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

本发明实施例提供的一种护栏上下边线自动化提取方法及提取系统，在分割出护栏的轮廓后加入后处理程序，得到护栏的矢量化结果，即护栏的上下边线，每条边线都是一元三次函数，这种简洁的矢量结果在高精度地图应用中更容易被使用，同时，准确率也更高。

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 (9)

1.一种护栏上下边线自动化提取方法，其特征在于，包括：

将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；

提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；

根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；

基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；

基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；

分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

2.根据权利要求1所述的护栏上下边线自动化提取方法，其特征在于，所述获取所述语义分割模型输出的护栏mask图，并提取其二值化图，包括：

根据护栏mask图，基于护栏区域的灰度值标签，从所述护栏mask图中提取护栏区域的二值化图。

3.根据权利要求1所述的护栏上下边线自动化提取方法，其特征在于，所述基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合，包括：

将位于护栏中心线上方的所有轮廓点组成第一轮廓点集合，将位于护栏中心线下方的所有轮廓点组成第二轮廓点集合；

以及将位于护栏中心线上方的所有关键点组成第一关键点集合，将位于护栏中心线下方的所有关键点组成第二关键点集合。

4.根据权利要求3所述的护栏上下边线自动化提取方法，其特征在于，在所述基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合，之前还包括：

对于所述第一关键点集合中的所有关键点，将每相邻两个关键点进行相连，得到多条线段，将长度最大的线段作为标准线；

计算其它的每一条线段的斜率和标准线段的斜率之间的差值对应的角度，若角度小于30°，则保留线段，否则，丢弃线段，得到第三关键点集合；

对于所述第二关键点集合中的所有关键点，利用相同的方法得到第四关键点集合。

5.根据权利要求4所述的护栏上下边线提取方法，其特征在于，所述基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合，包括：

将第三关键点集合中的每相邻两个关键点作为一对关键点，设每一对关键点的坐标为[(x0，y0)，(x1，y1)]，保留第一轮廓点集合中x坐标大于x0且小于x1的轮廓点，组成第三轮廓点集合；

采用相同的方式，基于第四关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合。

6.根据权利要求1所述的护栏上下边线提取方法，其特征在于，所述分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线，包括：

利用最小二乘法分别对第三轮廓点集合中的所有轮廓点和第四轮廓点集合中的所有轮廓点进行拟合，拟合生成两条一元三次函数曲线，为护栏的上边线和下边线。

7.一种护栏上下边线自动化提取系统，其特征在于，包括：

获取模块，用于将包含有护栏的RGB原图像输入训练后的语义分割模型中，获取所述语义分割模型输出的护栏mask图，并提取其二值化图；

提取模块，用于提取二值化图中护栏的轮廓，根据轮廓点计算得到护栏区域的中心线；

第一拟合模块，用于根据护栏的轮廓进行拟合得到对应的多边形，将多边形的多个角点作为多个关键点；

划分模块，用于基于轮廓点和关键点分别与护栏区域的中心线之间的位置关系，分别将轮廓点分为第一轮廓点集合和第二轮廓点集合，以及第一关键点集合和第二关键点集合；

筛选模块，同于基于第一关键点集合对第一轮廓点集合进行筛选，得到保留下来的第三轮廓点集合，以及基于第二关键点集合对第二轮廓点进行集合，得到保留下来的第四轮廓点集合；

第二拟合模块，用于分别对所述第三轮廓点集合中所有轮廓点和所述第四轮廓点集合中的所有轮廓点进行拟合，分别得到护栏的上边线和下边线。

8.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-6任一项所述的护栏上下边线自动化提取方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-6任一项所述的护栏上下边线自动化提取方法的步骤。

Images