公开(公告)号：CN109871759A

公开(公告)日：2019-06-11

申请号：CN201910036301.2

申请日：2019-01-15

Applicant: 江苏大学

Inventor： 王权 ,  卢思源 ,  尹升 ,  刘胜

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了基于TensorFlow和OpenCV的车道线识别方法，从道路图像中识别出车道线并建立车道线拟合方程，解决了传统车道线识别算法中遇到的干扰项多、识别率低的难题。本发明使用TensorFlow建立卷积和反卷积神经网络模型，模型经过训练后可以实现道路图像的语义分割，使该模型能够对道路图像中的车道线区域实现像素级的分类；然后建立可变阈值的图像二值化方法，将神经网络的输出图像二值化，区分出道路图像中的车道线区域；最后使用OpenCV建立提取车道线坐标点的方法，从而进一步排除干扰项，从二值化图像中提取出车道线坐标点，并建立车道线方程。本发明提出的算法具有效率高、识别率高的特点，并且在实际应用中也有较好的鲁棒性。

公开(公告)号：CN109871759B

公开(公告)日：2023-05-09

申请号：CN201910036301.2

申请日：2019-01-15

Applicant: 江苏大学

Inventor： 王权 ,  卢思源 ,  尹升 ,  刘胜

IPC: G06V20/58 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于TensorFlow和OpenCV的车道线识别方法，从道路图像中识别出车道线并建立车道线拟合方程，解决了传统车道线识别算法中遇到的干扰项多、识别率低的难题。本发明使用TensorFlow建立卷积和反卷积神经网络模型，模型经过训练后可以实现道路图像的语义分割，使该模型能够对道路图像中的车道线区域实现像素级的分类；然后建立可变阈值的图像二值化方法，将神经网络的输出图像二值化，区分出道路图像中的车道线区域；最后使用OpenCV建立提取车道线坐标点的方法，从而进一步排除干扰项，从二值化图像中提取出车道线坐标点，并建立车道线方程。本发明提出的算法具有效率高、识别率高的特点，并且在实际应用中也有较好的鲁棒性。