申请/专利权人：北京工业大学

申请日：2021-08-27

公开（公告）日：2024-05-14

公开（公告）号：CN113850855B

主分类号：G06T7/40

分类号：G06T7/40;G06T5/92;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2024.04.23#著录事项变更;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：本发明公开了一种耦合传统方法和WGAN‑GP的道路纹理图片增强方法，结合传统方法以及WGAN‑GP对抗生成网络对数据进行增强，以达到数据扩增和均衡各类样本的效果。本发明首先将商用手持式三维激光扫描仪获取的道路纹理数据转为二维可视化纹理图片，然后使用人工方法和批量处理手段对路面纹理图片进行分类、预处理及数据集制作。本发明基于原始的小样本量且不均衡的路面纹理数据集，在传统方法增强的基础上采用WGAN‑GP网络进一步扩充。新生成的图片纹理特征相对更加明显，更易被机器识别，有助于提高模型的泛化能力，减少过拟合现象。此外，本发明不仅可以节约人工和时间成本，还对道路状况分析及自动驾驶有着至关重要的作用。

主权项：1.一种耦合传统方法和WGAN-GP的道路纹理图片增强方法，其特征在于利用商用手持式三维激光扫描仪获取的路面宏观纹理图片，通过传统数据增强和深度学习方法，生成新的高质量纹理图片；具体步骤如下：步骤一：原始图像预处理；首先，将手持式三维激光扫描仪采集到的三维宏观纹理数据通过execl文件转化为二维图像；其次，进行人工筛选与分类；最后，将路面纹理图片进行灰度转化、归一化，并统一大小为80×80；步骤二：数据集制作；把路面纹理集按照训练集和测试集比例约为8：2进行划分；步骤三：传统方法数据增强；将预处理后的每张路面纹理图片分别旋转90°，180°和270°，然后逐个镜像，将训练样本放大8倍；步骤四：WGAN-GP网络数据增强；WGAN-GP网络由生成器和判别器两部分构成；生成器的输入为一个1×100的随机向量，且由以下4层组成：1层1：首先进行卷积核尺寸为4×4、个数为512的卷积操作，以ReLU作为激活函数；2层2：进行卷积核尺寸为8×8、个数为256、步长为3的卷积操作，以ReLU作为激活函数；3层3：进行卷积核尺寸为8×8、个数为128、步长为2的卷积操作，同样以ReLU作为激活函数；4层4：进行卷积核尺寸为8×8、个数为1、步长为2的卷积操作，不使用激活函数；此时，生成器的输出为生成新的路面纹理图片，大小为80×80；判别器的输入为一个大小80×80的路面纹理图片，同样由4层网络组成：1层1：首先进行卷积核尺寸为8×8、个数为128、步长为2的卷积操作，以LeakyReLU作为激活函数；2层2：进行卷积核尺寸为8×8、个数为256、步长为2的卷积操作，以LeakyReLU作为激活函数；3层3：进行卷积核尺寸为8×8、个数为512、步长为3的卷积操作，同样以LeakyReLU作为激活函数；4层4：进行卷积核尺寸为4×4、个数为1的卷积操作，不使用激活函数；此时，判别器已学习到图片特征，表示在尺寸为1×1的特征图中；最后，输出该路面纹理图片预测为真假图片的概率及预测结果。

全文数据：

权利要求：

百度查询： 北京工业大学 一种耦合传统方法和WGAN-GP的道路纹理图片增强方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD