CN114743179A

CN114743179A - 一种基于语义分割的周视可行驶区域检测方法

Info

Publication number: CN114743179A
Application number: CN202210422054.1A
Authority: CN
Inventors: 刘传; 杨超
Original assignee: Chongqing Changan Automobile Co Ltd
Current assignee: Chongqing Changan Automobile Co Ltd
Priority date: 2022-04-21
Filing date: 2022-04-21
Publication date: 2022-07-12

Abstract

本发明涉及一种基于语义分割的周视可行驶区域检测方法，包括如下步骤：1）周视摄像头组采集本车朝多个水平方向的图像；2）对图像进行语义分割得到灰度图；3）提取灰度图中可行驶区域的边界；4）将可行驶区域的边界从灰度图的坐标系转换到车辆坐标系中，得到边界坐标；5）对所有边界坐标进行合并，得到全局边界坐标；6）对全局边界坐标进行角度过滤，得到可行驶区域边界。本发明通过周视摄像头组采集图像，使检测到的可行驶区域更加全面；基于语义分割提取可行驶区域边界，准确率高，难度低；将可行驶区域的边界转换到车辆坐标系下，降低融合难度；通过角度过滤提高检测结果的可靠性，可有效提高自动驾驶的安全性。

Description

一种基于语义分割的周视可行驶区域检测方法

技术领域

本发明属于汽车自动驾驶的技术领域，具体涉及一种基于语义分割的周视可行驶区域检测方法。

背景技术

随着汽车智能化的快速发展，越来越多的汽车上搭载了自动驾驶系统。从车辆周围的道路图像中检测识别出可行驶区域是自动驾驶系统实现自动驾驶控制的基础。

目前，检测道路可行驶区域的方法有：单目视觉方法、立体视觉方法、激光雷达方法和基于多信息融合的方法等；其中，单目视觉方法只考虑了单个方向上的环境信息，检测结果存在局限性，例如换道或调头时；立体视觉方法在三维重建上时间耗费巨大，不适用于实际运用；激光雷达方法存在点云数据稀疏、检测识别困难缺点；基于多信息融合的方法如中国专利CN201710283453.3 基于单目视觉与激光雷达融合的道路可行驶区域检测方法，激光雷达的成本较高，融合技术难度大，由于是单目视觉融合，因此也存在检测结果局限较大的问题。

因此，需要提出一种简单可靠并可对周视的环境信息进行可行驶区域检测识别的方法，从而解决目前检测道路可行驶区域的方法技术难度较高和检测结果局限性较大的问题。

发明内容

针对现有技术的上述不足，本发明要解决的技术问题是提供一种基于语义分割的周视可行驶区域检测方法，解决目前可行驶区域检测方法存在检测难度较高、检测结果局限性较大的问题，取得提高自动驾驶获取信息的全面性和控制安全性的效果。

为解决上述技术问题，本发明采用如下技术方案：

一种基于语义分割的周视可行驶区域检测方法，包括如下步骤：

1）周视摄像头组采集本车朝多个水平方向的图像；

2）对采集的图像进行语义分割得到灰度图；

3）提取灰度图中可行驶区域的边界；

4）将可行驶区域的边界从灰度图的坐标系转换到车辆坐标系中，得到边界坐标；

5）对基于所有图像得到的边界坐标进行合并，得到全局边界坐标；

6）对全局边界坐标进行角度过滤，得到可行驶区域边界。

进一步地，步骤1）中，周视摄像头组包括前视摄像头、后视摄像头、左视摄像头、右视摄像头、左后摄像头和右后摄像头，所有摄像头采集图像的分辨率相同。

进一步地，步骤2）中，所述灰度图以不同像素值代表不同类型的目标；步骤3）中，所述可行驶区域的边界指以本车为中心连续无障碍道路的边界。

进一步地，步骤3）中，所述提取灰度图中可行驶区域的边界的具体内容如下：逐列并从下至上对灰度图中像素点进行判断，当像素点的像素值超出道路所对应的像素值时，将上一个像素点作为可行驶区域的一个边界点。

进一步地，步骤4）中，灰度图的坐标系以灰度图的左上角为原点。

进一步地，步骤5）中，所述合并指将基于所有图像得到的边界坐标合并到一个容器中以便步骤6）进行角度过滤。

进一步地，步骤6）中，所述对全局边界坐标进行角度过滤的具体内容如下：以车辆坐标系的原点为圆心，将本车所在区域平均分割成多个扇形区域，全局边界坐标在每个扇形区域中仅保留距离圆心最近的一个点作为可行驶区域的边界点。

进一步地，步骤6）中，将本车所在区域平均分割成144个扇形区域，每个扇形区域为2.5度，计算每个扇形区域中各点与圆心的距离并比较，将每个扇形区域中距离圆心最近的点作为可行驶区域的边界点并保存到一个新的容器中，得到可行驶区域边界。

相比现有技术，本发明的有益效果如下：

1、本发明所述一种基于语义分割的周视可行驶区域检测方法，通过周视摄像头组采集本车朝多个水平方向的图像，保证可360度覆盖车辆周围的环境信息，使检测得到的可行驶区域更加全面，可支撑如换道和调头等多种驾驶操作，有效解决目前可行驶区域检测结果局限性较大的问题。

2、本发明所述一种基于语义分割的周视可行驶区域检测方法，基于语义分割提取图像中可行驶区域的边界，从图像中个目标的像素信息出发，检测识别较为准确，且运算简单，相较于基于激光雷达对可行驶区域进行识别检测，其技术更加成熟，难度较低。

3、本发明所述一种基于语义分割的周视可行驶区域检测方法，通过坐标转换将多个图像中的可行驶区域的边界转换到车辆坐标系下，可有效解决融合难度较大的问题；同时，对分布杂乱的大量坐标点进行角度过滤，保留最为可靠的坐标点构成最终的可行驶区域边界，可有效保证检测识别结果的可靠性，提高自动驾驶的安全性。

附图说明

图1为实施例的一种基于语义分割的周视可行驶区域检测方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

实施例：

请参见图1，一种基于语义分割的周视可行驶区域检测方法，包括如下步骤：

1）周视摄像头组采集本车朝多个水平方向的图像；

为保证可以360度覆盖车辆周围的环境信息，本实施例中，所述周视摄像头组包括前视摄像头、后视摄像头、左视摄像头、右视摄像头、左后摄像头和右后摄像头；

为避免因6个摄像头采集图像的分辨率有差异或者分辨率太高而会影响运算速度，本实施例中，所有摄像头采集图像的分辨率相同，摄像头采集图像的分辨率为640×480。

本发明所述一种基于语义分割的周视可行驶区域检测方法，通过周视摄像头组采集本车朝多个水平方向的图像，保证可360度覆盖车辆周围的环境信息，使检测得到的可行驶区域更加全面，可支撑如换道和调头等多种驾驶操作，有效解决目前可行驶区域检测结果局限性较大的问题。

2）通过训练好的网络模型对采集的图像进行语义分割得到灰度图；所述灰度图以不同像素值代表不同类型的目标；实施时，目标类型可包括车辆、行人、道路、草地和树木等。

3）提取灰度图中可行驶区域的边界；所述可行驶区域的边界指以本车为中心连续无障碍道路的边界；

本实施例中，提取灰度图中可行驶区域的边界所采用的方法具体如下：逐列并从下至上对灰度图中像素点进行判断，当像素点的像素值超出道路所对应的像素值时，将上一个像素点作为可行驶区域的一个边界点；另外，由于前视摄像头的拍摄范围包括本车部分引擎盖，因此，对前视摄像头采集的图像进行语音分割时，可预设图像中引擎盖部分标记为道路，或者在提取可行驶区域的边界时，将图像中引擎盖部分裁剪掉，直接从引擎盖前方的位置开始像素值大小的判断。

本发明所述一种基于语义分割的周视可行驶区域检测方法，基于语义分割提取图像中可行驶区域的边界，从图像中个目标的像素信息出发，检测识别较为准确，且运算简单，相较于基于激光雷达对可行驶区域进行识别检测，其技术更加成熟，难度较低。

4）将可行驶区域的边界从灰度图的坐标系转换到车辆坐标系中，得到边界坐标；本实施例中，以灰度图的左上角为灰度图坐标系的原点。

5）对基于所有图像得到的边界坐标进行合并，得到全局边界坐标；由于将每个图像得到的边界坐标分别保存在6个容器中，不利于后续统一处理，因此，对基于所有图像得到的边界坐标进行合并，即将6个容器合并为1个容器，将基于所有图像得到的边界坐标保存到一个容器中。

6）对全局边界坐标进行角度过滤，得到可行驶区域边界；

由于坐标点的数量太多，而且分布杂乱，后续使用较为困难，因此需要进行过滤；本实施例中，所述对全局边界坐标进行角度过滤具体操作如下：

首先，以车辆坐标系的原点为圆心，将本车所在区域平均分割成144个扇形区域，每个扇形区域为2.5度；然后，计算每个扇形区域中各点与圆心的距离并相互比较，保留距离圆心最近的一个点作为可行驶区域的边界点；最后，将所有可行驶区域的边界点保存到一个新的容器中，所有可行驶区域的边界点构成可行驶区域边界。

本发明所述一种基于语义分割的周视可行驶区域检测方法，通过坐标转换将多个图像中的可行驶区域的边界转换到车辆坐标系下，可有效解决融合难度较大的问题；同时，对分布杂乱的大量坐标点进行角度过滤，保留最为可靠的坐标点构成最终的可行驶区域边界，可有效保证检测识别结果的可靠性，提高自动驾驶的安全性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims

1.一种基于语义分割的周视可行驶区域检测方法，其特征在于：包括如下步骤：

1）周视摄像头组采集本车朝多个水平方向的图像；

2）对采集的图像进行语义分割得到灰度图；

3）提取灰度图中可行驶区域的边界；

6）对全局边界坐标进行角度过滤，得到可行驶区域边界。

2.根据权利要求1所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤1）中，周视摄像头组包括前视摄像头、后视摄像头、左视摄像头、右视摄像头、左后摄像头和右后摄像头，所有摄像头采集图像的分辨率相同。

3.根据权利要求1所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤2）中，所述灰度图以不同像素值代表不同类型的目标；步骤3）中，所述可行驶区域的边界指以本车为中心连续无障碍道路的边界。

4.根据权利要求3所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤3）中，所述提取灰度图中可行驶区域的边界的具体内容如下：逐列并从下至上对灰度图中像素点进行判断，当像素点的像素值超出道路所对应的像素值时，将上一个像素点作为可行驶区域的一个边界点。

5.根据权利要求1所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤4）中，灰度图的坐标系以灰度图的左上角为原点。

6.根据权利要求1所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤5）中，所述合并指将基于所有图像得到的边界坐标合并到一个容器中以便步骤6）进行角度过滤。

7.根据权利要求1所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤6）中，所述对全局边界坐标进行角度过滤的具体内容如下：以车辆坐标系的原点为圆心，将本车所在区域平均分割成多个扇形区域，全局边界坐标在每个扇形区域中仅保留距离圆心最近的一个点作为可行驶区域的边界点。

8.根据权利要求7所述一种基于语义分割的周视可行驶区域检测方法，其特征在于：步骤6）中，将本车所在区域平均分割成144个扇形区域，每个扇形区域为2.5度，计算每个扇形区域中各点与圆心的距离并比较，将每个扇形区域中距离圆心最近的点作为可行驶区域的边界点并保存到一个新的容器中，得到可行驶区域边界。