基于级联机制的车位线顶点定位方法、系统、终端及介质与流程

本发明涉及车载电子技术领域，特别是涉及一种基于级联机制的车位线顶点定位方法、系统、终端及介质。

背景技术：

adas即先进驾驶辅助系统又称主动安全系统，主要包括车身电子稳定系统esc、自适应巡航系统acc、车道偏移报警系统ldw、车道保持系统lka、前向碰撞预警系统fcw、开门预警dow、自动紧急刹车系统aeb、交通标志识别tsr、盲点探测bsd、夜视系统nv、自动泊车系统aps等。

adas主动安全系统不仅要识别静态的物体，也要识别动态的物体。目前深度卷积神经网络在图像识别任务上已经取得了极大的成功。但是依然存在以下问题：

依靠几个已知特征在海量的图像中遍历已知特征的图像的计算量是非常大的，而且在相同处理能力的硬件中，从海量的图像中遍历已知特征图像的计算周期长。所以，缩短提取特征的遍历时间是目前亟待解决的问题。

技术实现要素：

为了解决上述的以及其他潜在的技术问题，本发明提供了一种基于级联机制的车位线顶点定位方法、系统、终端及介质，第一，用两级车位线顶点候选点过滤机制，因为第一级的初步过滤可以将95％以上的非车位线顶点过滤出去，且首先使用的第一级特征描述子是用小模板过滤的，虽然精度不高但计算复杂度低，相比大模板节省大量的计算开销。第二，第二级车位线顶点过滤是为了在第一级过滤的结果基础上，进一步增加对车位线顶点的精确定位，使用了大模板来计算车位线顶点的第二级特征描述子。采用两级特征描述子联合构成的特征描述子这种高维度的特征描述子比传统的sift/surf等特征描述子都更具描述性，且分级计算的优势使得绝大部分点只计算了第一级特征描述子的特征，计算量显著减少。

一种基于级联机制的车位线顶点定位方法，包括以下步骤：

s01：输入语义分割二值图像；

s02：遍历语义分割二值图像上的像素点，找出位置处于图像边缘的像素点；

s03：使用至少一级圆形模板计算该像素点的特征描述子；

s04：使用计算出的至少一级特征描述子逐一过滤图像；

s05：聚类像素点，并将满足聚类条件的像素点归类于车位线顶点的候选点，结束流程。

进一步地，所述特征描述子包括第一级特征描述子和第二级特征描述子，先由第一级特征描述子过滤图像，得出的结果再由第二级特征描述子过滤图像。

进一步地，所述第一级特征描述子和第二级特征描述子均包括特征向量的模长约束条件和角度约束条件。

进一步地，所述第一级特征描述子和第二级特征描述子还包括位置约束条件。

进一步地，所述第一级特征描述子模长约束的具体步骤：所述第一级特征描述子模长约束条件的具体步骤：

s031：设置像素点矩阵排列的小模板，用小模板遍历二值图像；

s032：将小模板以其中心点为圆心分为n维，将小模板内的像素点分配至n个维度下，计算出每个维度下像素点的个数，给每一个维度以其像素点的个数值为上限设置一个维度像素点阈值，若白色像素点个数大于该维度像素点阈值时，则保留该向量，若小于维度像素点阈值时，则过滤该向量；

s033：筛选出第一级特征描述子模长约束后的像素点。。

进一步地，所述第一级特征描述子角度约束条件的具体步骤：

s034：计算模长约束筛选出像素点的向量之间的夹角，若夹角满足夹角阈值范围，则保留该两个向量，不满足夹角阈值范围，则过滤掉该两个向量；

s035：筛选出第一级特征描述子角度约束后的像素点。

进一步地，所述步骤s034中角度约束条件中夹角阈值范围为75-105度。

进一步地，所述第一级特征描述子距离约束的具体步骤：

s036：筛选出第一级特征描述子角度约束得到的像素点并将这些像素点组成像素点集合，判断该像素点集合中每一个像素点的位置与该像素点所在的二值图像车位线边沿的距离，

若像素点的位置与该像素点所在的二值图像车位线边沿的距离大于两个像素点时，则保留该像素点；

若像素点的位置与该像素点所在的二值图像车位线边沿的距离小于两个像素点，则过滤这个像素点并跳转至像素点集合中的下一个像素点。

进一步地，所述第二级特征描述子的模长约束具体步骤：

s041：设置像素点矩阵排列的大模板，用大模板遍历经过第一级特征描述子筛选所得结果；

s042：将大模板以其中心点为圆心分为m维，将大模板内的像素点分配至m个维度下，计算出每个维度下像素点的个数，给每一个维度以其像素点的个数值为上限设置一个维度像素点阈值，若白色像素点个数大于该维度像素点阈值时，则保留该向量，若小于维度像素点阈值时，则过滤该向量；

s043：筛选出第二级特征描述子模长约束后的像素点；。

进一步地，所述小模板的像素点矩阵的行列数小于大模板的像素点矩阵的行列数。

进一步地，所述第二级特征描述子的角度约束具体步骤：

s044：计算模长约束筛选出像素点的向量之间的夹角，若夹角满足夹角阈值范围，则保留该两个向量，不满足夹角阈值范围，则过滤掉该两个向量；

s045：筛选出第二级特征描述子角度约束后的像素点。

进一步地，所述步骤s034中角度约束条件中夹角阈值范围为75-105度。

进一步地，所述第二级特征描述子距离约束的具体步骤：

s046：筛选出第二级特征描述子角度约束得到的像素点并将这些像素点组成像素点集合，判断该像素点集合中每一个像素点的位置与该像素点所在的二值图像车位线边沿的距离，

若像素点的位置与该像素点所在的二值图像车位线边沿的距离大于两个像素点时，则保留该像素点；

若像素点的位置与该像素点所在的二值图像车位线边沿的距离小于两个像素点，则过滤这个像素点并跳转至像素点集合中的下一个像素点。

进一步地，将所述第二级特征描述子筛选后的剩余的像素点组成的像素点集合根据每一个像素点所在位置之间的距离进行聚类，将聚类过程中满足车位线角点聚类条件的像素点区域识别为车位线顶点的候选点。

一种基于级联机制的车位线顶点定位系统，包括语义分割模块、图像二值化模块、第一级特征描述模块、第二级特征描述模块和聚类模块；

所述语义分割模块用于分割图像中的像素点，使同一物体内的所有像素点处于一个语义分割模块内；

所述图像二值化模块用于处理原始图像得到二值化图像；；

所述第一级特征描述模块用小模板筛选二值化图像，用于初步过滤二值化图像中不是车位线顶点的像素点；；

所述第二级特征描述模块用大模板筛选小模板过滤后得到的像素点，用于进一步过滤二值化图像中不是车位线顶点的像素点；

所述聚类模块用于将所述第二级特征描述子筛选后的剩余的像素点组成的像素点集合根据每一个像素点所在位置之间的距离进行聚类，将聚类过程中满足车位线角点聚类条件的像素点区域识别为车位线顶点。

所述第一级特征增描述模块和所述第二级特征描述模块均包括模长约束模块和角度约束模块。所述第一级特征描述模块和第二级特征描述模块还包括距离约束模块。

一种基于深度特征流的目标跟踪车载终端，其特征在于，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现上述的方法中的步骤。

一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现上述的方法中的步骤。

如上所述，本发明的具有以下有益效果：

第一，用两级车位线顶点候选点过滤机制，因为第一级的初步过滤可以将95％以上的非车位线顶点过滤出去，且首先使用的第一级特征描述子是用小模板过滤的，虽然精度不高但计算复杂度低，相比大模板节省大量的计算开销。

第二，第二级车位线顶点过滤是为了在第一级过滤的结果基础上，进一步增加对车位线顶点的精确定位，使用了大模板来计算车位线顶点的第二级特征描述子，同样是24维度。于是，两级特征描述子联合构成的特征描述子的维度就是24*24＝576，这样高维度的特征描述子比传统的sift/surf等特征描述子都更具描述性。且分级计算的优势使得绝大部分点只计算了第一级特征描述子，即24维度的特征。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1显示为本发明的具体流程图。

图2显示为本发明的一实施例的流程图。

图3显示为一实施例中第一级特征描述子模长约束使用的小模板的示意图。

图4显示为一实施例中第二级特征描述子模长约束使用的大模板的示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

参见图1～图4，一种基于级联机制的车位线顶点定位方法，包括以下步骤：

一种基于级联机制的车位线顶点定位方法，包括以下步骤：

s01：输入语义分割二值图像；

s02：遍历语义分割二值图像上的像素点，找出位置处于图像边缘的像素点；

s03：使用至少一级圆形模板计算该像素点的特征描述子；

s04：使用计算出的至少一级特征描述子逐一过滤图像；

s05：聚类像素点，并将满足聚类条件的像素点归类于车位线顶点的候选点，结束流程。

作为优选实施例，所述特征描述子包括第一级特征描述子和第二级特征描述子，先由第一级特征描述子过滤图像，得出的结果再由第二级特征描述子过滤图像。

作为优选实施例，所述第一级特征描述子和第二级特征描述子均包括特征向量的模长约束条件和角度约束条件。

作为优选实施例，所述第一级特征描述子和第二级特征描述子还包括位置约束条件。

作为优选实施例，所述第一级特征描述子模长约束的具体步骤：

所述第一级特征描述子模长约束条件的具体步骤：

s031：设置像素点矩阵排列的小模板，用小模板遍历二值图像；

s032：将19*19像素点的小模板以其中心点为圆心分为24维，将小模板内的像素点平均分配至24个维度下，计算出每个维度下像素点的个数为10个像素点，给每一个维度以其像素点的个数值为上限设置一个维度像素点阈值，假设维度像素点阈值为8，若白色像素点个数大于该维度像素点阈值8时，则保留该向量，若小于维度像素点阈值8时，则过滤该向量；维度像素点阈值的大小根据图像的质量确定。

s033：筛选出第一级特征描述子模长约束后的像素点。。

作为优选实施例，所述第一级特征描述子角度约束条件的具体步骤：

s034：计算模长约束筛选出像素点的向量之间的夹角，若夹角满足夹角阈值范围，则保留该两个向量，不满足夹角阈值范围，则过滤掉该两个向量；

s035：筛选出第一级特征描述子角度约束后的像素点。

作为优选实施例，所述步骤s034中角度约束条件中夹角阈值范围为75-105度。

作为优选实施例，所述第一级特征描述子距离约束的具体步骤：

s036：筛选出第一级特征描述子角度约束得到的像素点并将这些像素点组成像素点集合，判断该像素点集合中每一个像素点的位置与该像素点所在的二值图像车位线边沿的距离，

若像素点的位置与该像素点所在的二值图像车位线边沿的距离大于距离阈值时，则保留该像素点；

若像素点的位置与该像素点所在的二值图像车位线边沿的距离小于距离阈值，则过滤这个像素点并跳转至像素点集合中的下一个像素点。

进一步地，所述第一级特征描述子距离约束的距离阈值上限为车位线宽度的一半，所述第一级特征描述子距离约束的距离阈值下限为一个像素点。

作为优选实施例，所述第二级特征描述子的模长约束具体步骤：

s041：设置29*29像素点矩阵排列的大模板，用大模板遍历经过第一级特征描述子筛选所得结果；

s042：将29*29像素点的大模板以其中心点为圆心分为24维，将大模板内的像素点平均分配至24个维度下，计算出每个维度下像素点的个数为15个像素点，给每一个维度以其像素点的个数值为上限设置一个维度像素点阈值，假设维度像素点阈值为15，若白色像素点个数大于该维度像素点阈值15时，则保留该向量，若小于维度像素点阈值15时，则过滤该向量；维度像素点阈值的大小根据图像的质量确定。

s043：筛选出第二级特征描述子模长约束后的像素点。

进一步地，所述小模板的像素点矩阵的行列数小于大模板的像素点矩阵的行列数。

进一步地，所述第二级特征描述子的角度约束具体步骤：

s044：计算模长约束筛选出像素点的向量之间的夹角，若夹角满足夹角阈值范围，则保留该两个向量，不满足夹角阈值范围，则过滤掉该两个向量；

s045：筛选出第二级特征描述子角度约束后的像素点。

作为优选实施例，所述步骤s034中角度约束条件中夹角阈值范围为75-105度。

作为优选实施例，所述第二级特征描述子距离约束的具体步骤：

s046：筛选出第二级特征描述子角度约束得到的像素点并将这些像素点组成像素点集合，判断该像素点集合中每一个像素点的位置与该像素点所在的二值图像车位线边沿的距离，

若像素点的位置与该像素点所在的二值图像车位线边沿的距离大于距离阈值时，则保留该像素点；

若像素点的位置与该像素点所在的二值图像车位线边沿的距离小于距离阈值，则过滤这个像素点并跳转至像素点集合中的下一个像素点。

进一步地，所述第二级特征描述子距离约束的距离阈值上限为车位线宽度的一半，所述第二级特征描述子距离约束的距离阈值下限为一个像素点。

作为优选实施例，将所述第二级特征描述子筛选后的剩余的像素点组成的像素点集合根据每一个像素点所在位置之间的距离进行聚类，将聚类过程中满足车位线角点聚类条件的像素点区域识别为车位线顶点的候选点。

一种基于级联机制的车位线顶点定位系统，包括语义分割模块、图像二值化模块、第一级特征描述模块、第二级特征描述模块和聚类模块；

所述语义分割模块用于分割图像中的像素点，使同一物体内的所有像素点处于一个语义分割模块内；

所述图像二值化模块用于处理原始图像得到二值化图像；；

所述第一级特征描述模块用小模板筛选二值化图像，用于初步过滤二值化图像中不是车位线顶点的像素点；；

所述第二级特征描述模块用大模板筛选小模板过滤后得到的像素点，用于进一步过滤二值化图像中不是车位线顶点的像素点；

所述聚类模块用于将所述第二级特征描述子筛选后的剩余的像素点组成的像素点集合根据每一个像素点所在位置之间的距离进行聚类，将聚类过程中满足车位线角点聚类条件的像素点区域识别为车位线顶点。

所述第一级特征描述模块和所述第二级特征描述模块均包括模长约束模块和角度约束模块。所述第一级特征描述模块和第二级特征描述模块还包括距离约束模块。

一种基于深度特征流的目标跟踪车载终端，其特征在于，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现上述的方法中的步骤。

一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现上述的方法中的步骤。

一种基于深度特征流的目标跟踪车载终端，其特征在于，包括处理器和存储器，所述存储器存储有程序指令，所述处理器运行程序指令实现上述的方法中的步骤。

一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现上述的方法中的步骤。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。