一种基于单目视觉的路面标记实例化识别的方法

摘要

本发明提供一种基于单目视觉的路面标记实例化识别的方法，通过取前视摄像头的rgb图像作为模型输入，基于深度学习算法，使用HarDNet网络结构作为模型的基本框架，构建深度学习模型；算法模型分别构建二分类分支训练模块，多分类分支训练模块和实例化分支训练模块；先利用公开数据集对模型进行预训练，后添加自定义数据集进行模型迭代优化。相对于传统的基于人工特征的算法，摆脱了人工设计特征的困扰，且本算法对环境、光照变化有更高的鲁棒性；另外，本算法创新性地设计出实例化不同目标的方法，大大提高了目标实例化的精度和速度。最后，在识别算法定型后，还可以依赖大数据不断地提高模型能力，不断提高对各种路况下的路面标记实例化识别精度。