(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210422054.1 (22)申请日 2022.04.21 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 刘传　杨超　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 李晓兵 (51)Int.Cl. G06V 20/58(2022.01) G06V 20/70(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) (54)发明名称 一种基于语义分割的周视可行驶区域检测 方法 (57)摘要 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。 权利要求书1页 说明书3页 附图1页 CN 114743179 A 2022.07.12 CN 114743179 A 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； 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。 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。权　利　要　求　书 1/1 页 2 CN 114743179 A 2一种基于语 义分割的周视可行驶区域检测方 法 技术领域 [0001]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 [0002]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。 [0003]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。 [0004]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 [0005]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。 [0006]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。 [0007]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。 [0008]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。 [0009]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，说　明　书 1/3 页 3 CN 114743179 A 3