CN104517111B - 车道线检测方法、系统、车道偏离预警方法及系统 - Google Patents
车道线检测方法、系统、车道偏离预警方法及系统 Download PDFInfo
- Publication number
- CN104517111B CN104517111B CN201310450258.7A CN201310450258A CN104517111B CN 104517111 B CN104517111 B CN 104517111B CN 201310450258 A CN201310450258 A CN 201310450258A CN 104517111 B CN104517111 B CN 104517111B
- Authority
- CN
- China
- Prior art keywords
- image
- lane
- lane line
- module
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Abstract
本发明提供一种车道线检测方法,包括以下步骤:S1、采集包含车辆所在车道的左右车道线的图像;S2、提取上述图像中的车道边缘目标点;S3、对提取的车道边缘目标点进行透视变换;S4、通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线。根据本发明的车道线检测方法,在进行霍夫变换之前,先对提取的车道边缘目标点进行透视变换,这样,可以减少霍夫变换计算量,减少系统反应时间,增强车辆行驶安全性。另外,本发明还提供了一种车道线检测系统、车道偏离预警方法及系统。
Description
技术领域
本发明涉及车辆安全辅助驾驶技术领域,特别是涉及一种车道线检测方法、系统、车道偏离预警方法及系统。
背景技术
随着社会的发展,汽车已经成为大众化的交通工具,因为疲劳驾驶或者注意力分散,车辆偏离车道线造成的事故也不断增多,并且此类事故发生时通常车速较高,因此危害性较高。
研究表明,若潜在的交通事故发生前1秒钟给驾驶员预警,则可以避免绝大部分的类似交通事故。因此,实时检测车道线,识别车辆是否偏离车道,在驾驶员未进行变道操作但车辆却趋于偏离车道时及时提醒驾驶员,能够大大提高行车安全性。
驾驶过程中造成车辆偏离车道线的情况很多,如驾驶习惯、疲劳驾驶、注意力分散等。驾驶习惯造成的车道偏离可以由驾驶员主动避免,而疲劳驾驶、注意力分散造成的车道偏离无法依靠驾驶员主动避免,并且往往会造成交通事故。
为了克服上述问题,车道偏离预警系统应运而生。传统的车道偏离预警系统其工作过程如下:首先,通过摄像头拍摄包含车辆所在车道线的图像;接着对上述图像进行边缘检测,最后利用霍夫(Hough)变换提取直线,从而得到车道线。但是,此种车道线检测方法直接对摄像头拍摄的图像进行霍夫变换检测直线,在进行霍夫变换时,需要根据表示图像空间的直角坐标X-Y中的每一点坐标(x,y),依据公式p=x*cos(a)+y*sin(a)对参数空间中0-180°角度内所有极角a值,计算各个极径p值,并根据a值与p值对数组进行累加,对数组进行局部峰值检测,得到被检测直线的a值与p值,则得到了车道线,此种车道线检测方法计算量巨大,容易导致系统反应延迟,安全性降低。
发明内容
本发明所要解决的技术问题是针对现有的车道线检测方法计算量大所导致的系统反应延迟的问题,提供一种车道线检测方法。
本发明解决上述技术问题所采用的技术方案为,提供一种车道线检测方法,包括以下步骤:
S1、采集包含车辆所在车道的左右车道线的图像;
S2、提取上述图像中的车道边缘目标点;
S3、对提取的车道边缘目标点进行透视变换;
S4、通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线。
进一步地,步骤S1之后,步骤S2之前还包括图像预处理步骤:
利用高斯滤波器对上述图像进行去噪和平滑处理。
进一步地,步骤S1具体为:
通过前视摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像,并将图像信号输入给视频解码器;
视频解码器将图像信号解码后输入控制单元,控制单元通过其上的视频输入接口采集上述的图像信号,并将采集到的图像信号存储在存储器中。
进一步地,步骤S2提取上述图像中的车道边缘目标点是按照逐行提取目标点的方法实现。
进一步地,
步骤S2具体为:
首先,通过一维sobel算子进行横向边缘检测,检测出上述图像上第一行的边缘点;然后通过直方图二值化求出当前行的二值化阈值,在sobel检测出的边缘点的灰度值大于阈值时提取为图像上该行的车道边缘目标点;
以同样的方法得到图像上其它行的车道边缘目标点,从而得到车道线的所有车道边缘目标点。进一步地,步骤S3具体为:
假设道路为平面,以摄像头光心O为原点建立世界坐标系;其中,直线O1O4为摄像头光轴,平面O1M′N′代表摄像头成像平面,焦距为f,平面MNPH表示当前路面,MN代表外车道线,M′、N′分别是该车道线上两点在成像平面上的像点;
假设车辆行驶方向与车道线平行,则摄像机光轴O1O4与路面MNPH及车道线平行,摄像机安装高度为h=O2P=O3H;设点M、N在x轴上的坐标为-d,在z轴上的坐标分别为m、n,则在世界坐标系中M、N的坐标为:M(-d,-h,m),N(-d,-h,n);
根据摄像机成像原理可得成像平面上的像点M′、N′的坐标:M′(df/m,hf/m,-f),N′(df/n,hf/n,-f);
根据平面几何关系,得到车道线在图像上与x轴夹角α以及车道线的斜率k,其计算公式如上:
k=(hf/m-hf/n)/(df/m-df/n)=h/d;
α=tan-1k=tan-1(h/d);
使用上式关系式计算得到的夹角α以及斜率k,对图像进行透视变换,从而实现了对提取的车道边缘目标点的透视变换。
进一步地,步骤S4具体为:
将表示参数空间的极坐标a-p量化成多个相同的小格,根据表示图像空间的直角坐标X-Y中的每一点坐标(x,y),依据公式p=x*cos(a)+y*sin(a)对参数空间中80-100°角度内以小格的步长递进的各个极角a值,计算各个极径p值,所得值落入某个小格内,便使该小格的累加记数器加1;当直角坐标中全部的点都变换后,对小格进行检验,计数值最大的小格,其(a,p)值对应于直角坐标中所求直线,即检测到了车道线。
根据本发明的车道线检测方法,在进行霍夫变换之前,先对提取的车道边缘目标点进行透视变换,这样,可以减少霍夫变换计算量,减少系统反应时间,增强车辆行驶安全性。
另外,本发明还提供了一种车道线检测系统,包括图像拍摄模块及图像处理模块,所述图像处理模块包括控制单元、视频解码器及存储器;
所述图像拍摄模块,用于拍摄包含车辆所在车道的左右车道线的图像;
所述图像处理模块,包括图像采集模块及车道线检测模块;
所述图像采集模块,用于通过视频解码器接收图像拍摄模块拍摄的图像信号,并将图像信号解码后输入控制单元,控制单元通过其上的视频输入接口采集上述的图像信号,并将采集到的图像信号存储在存储器中;
所述车道线检测模块,用于提取上述图像中的车道边缘目标点,并对提取的车道边缘目标点进行透视变换,然后通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线。
进一步地,所述图像处理模块还包括连接在所述图像采集模块及车道线检测模块之间的图像预处理模块,所述图像预处理模块利用高斯滤波器对上述图像进行去噪和平滑处理。
进一步地,所述图像拍摄模块为车辆环视系统的前视摄像头,所述前视摄像头用于拍摄车辆前方包含车辆所在车道的左右车道线的图像。
另外,本发明还提供了一种车道偏离预警方法,包括如下步骤:
根据上述的车道线检测方法检测得到车道线;
根据检测到的车道线与车辆的相对位置以及车辆的当前状态,确定是否需要预警;
在确定需要预警的情况下,以声和/或光的形式预警。
根据本发明的车道偏离预警方法,在进行霍夫变换之前,先对提取的车道边缘目标点进行透视变换,这样,可以减少霍夫变换计算量,减少系统反应时间,即车道发生偏离时,系统的预警更加迅速,增强车辆行驶安全性。
另外,本发明还提供了一种车道偏离预警系统,包括上述的车道线检测系统、车辆与车道线相对位置检测模块、预警逻辑判断模块及预警模块;
所述车辆与车道线相对位置检测模块,用于结合所述车道线检测系统所检测到的车道线的位置与车辆标定参数,确定车辆当前与车道线的相对位置;
所述预警逻辑判断模块,根据当前车辆与车道线的相对位置以及车辆当前状态进行逻辑判断,确定是否需要预警;
所述预警模块,预警模块根据所述预警逻辑判断模块的判断结果,对使用者提前进行声和/或光形式的预警。
附图说明
图1是本发明一实施例提供的车道线检测方法的框图;
图2是摄像头透视变换成像模型图;
图3是本发明一实施例提供的车道线检测方法实拍图像的示意图;
图4是图3所示的实拍图像经过透视变换后的示意图;
图5是本发明一实施例提供的车道线检测系统的框图;
图6是本发明一实施例提供的车道偏离预警方法的框图;
图7是本发明一实施例提供的车道偏离预警系统的框图。
附图中的标记如下:
10、图像拍摄模块;20、图像处理模块;21、图像采集模块;22、车道线检测模块;23、图像预处理模块;24、车辆与车道线相对位置检测模块;25、预警逻辑判断模块;30、预警模块。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明一实施例提供了一种车道线检测方法,包括以下步骤:
S1、采集包含车辆所在车道的左右车道线的图像;
S2、提取上述图像中的车道边缘目标点;
S3、对提取的车道边缘目标点进行透视变换;
S4、通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线。
本实施例中,步骤S1之后,步骤S2之前还包括图像预处理步骤。所述图像预处理步骤为利用高斯滤波器对上述图像进行去噪和平滑处理,以提高图像质量。
本实施例中,步骤S1具体为:
通过前视摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像,并将图像信号输入给视频解码器;
视频解码器将摄像头输入的图像信号(模拟信号)解码为YUV的数字信号后输入控制单元,控制单元通过其上的视频输入接口采集上述的图像信号,并将采集到的图像信号存储在闪存Flash和/或内存DDR类型的存储器中。控制单元优选为DSP(Digital SignalProcessing,数字信号处理器)芯片。
本实施例中,步骤S2提取上述图像中的车道边缘目标点是按照逐行提取目标点的方法实现;步骤S2具体为:
首先,通过一维sobel算子[-1,0,1]进行横向边缘检测,检测出上述图像上第一行的边缘点;然后通过直方图二值化求出当前行的二值化阈值,在sobel检测出的边缘点的灰度值大于阈值时提取为图像上该行的车道边缘目标点;
以同样的方法得到图像上其它行的车道边缘目标点,从而得到车道线的所有车道边缘目标点;第一行为图像的首行或末行,逐行提取可以是由首行至末行,也可是由末行至首行。通过此方法,可以剔除大部分sobel边缘检测出的非目标点,同时系统分别对每一行求取二值化阈值,因此,相对于传统的灰度图像二值化或者sobel边缘检测,此方法对环境的适应性强。
本实施例中,步骤S3具体为:
如图2所示,假设道路为平面,以摄像头光心O为原点建立世界坐标系。其中,直线O1O4为摄像头光轴,平面O1M′N′代表摄像头成像平面,焦距为f。平面MNPH表示当前路面,MN代表外车道线(附图中视角),M′、N′分别是该车道线上两点在成像平面上的像点。本系统假设车辆行驶方向与车道线平行,则摄像机光轴O1O4与路面MNPH及车道线平行,摄像机安装高度h=O2P=O3H。设点M、N在x轴上的坐标为-d,在z轴上的坐标分别为m、n,则在世界坐标系中M、N的坐标为:M(-d,-h,m)、N(-d,-h,n)。根据摄像机成像原理可得像点M′、N′的坐标:M′(df/m,hf/m,-f),N′(df/n,hf/n,-f)。M′、N′在图像平面表示如附图2。根据平面几何关系,可得到车道线在图像上与x轴夹角α以及车道线的斜率k,其计算公式如上:
k=(hf/m-hf/n)/(df/m-df/n)=h/d;
α=tan-1k=tan-1(h/d);
使用上式关系式计算得到的夹角α以及斜率k,对图像进行透视变换,从而实现了对提取的车道边缘目标点的透视变换,图3所示为实拍图像效果,图4所示为图像透视变换后的效果,图4中,经透视变换的左右车道线相互平行,且垂直于x轴(夹角α为90度);本实施例中,可以对原实拍图像整体进行透视变换,也可以只对车道线部分进行透视变换(即仅对提取的车道边缘目标点进行透视变换);优选地,仅对提取的车道边缘目标点进行透视变换,从而避免的对大量非目标点进行透视变换,透视变换的运算量减小90%以上,保证系统的实时性。
本实施例中,步骤S4具体为:
将表示参数空间的极坐标a-p量化成多个相同的小格,根据表示图像空间的直角坐标X-Y中的每一点坐标(x,y),依据公式p=x*cos(a)+y*sin(a)对参数空间中80-100°角度内以小格的步长递进的各个极角a值,计算各个极径p值,所得值落入某个小格内,便使该小格的累加记数器加1;当直角坐标中全部的点都变换后,对小格进行检验,计数值最大的小格,其(a,p)值对应于直角坐标中所求直线,即检测到了车道线。
本实施例中,对提取的车道边缘目标点进行透视变换后,车道线在极坐标中极角a值约为90°,在车道偏离时,此角度会有5°左右的变化,因此本实施例在霍夫变换时,a的取值范围为80-100°,且在计算各个极径p值时,并没有取尽所有a值,而是以小格的步长递进的方式计算各个P值,通过此优化的霍夫变换检测直线,运算量减小80%以上,大大提高了车道线检测效率,同时也提高了车道线检测的准确率。
根据本发明的车道线检测方法,在进行霍夫变换之前,先对提取的车道边缘目标点进行透视变换,这样,可以减少霍夫变换计算量,减少系统反应时间,增强车辆行驶安全性。
另外,如图5所示,本发明还提供了一种车道线检测系统,包括图像拍摄模块10及图像处理模块20,所述图像处理模块包括控制单元、视频解码器及存储器;
所述图像拍摄模块10,用于拍摄包含车辆所在车道的左右车道线的图像;
所述图像处理模块20,包括图像采集模块21及车道线检测模块22;
所述图像采集模块,用于通过视频解码器接收图像拍摄模块拍摄的图像信号,并将图像信号解码后输入控制单元,控制单元通过其上的视频输入接口采集上述的图像信号,并将采集到的图像信号存储在存储器中;存储器可以是DDR内存或FLASH闪存。控制单元优选为DSP芯片。
所述车道线检测模块,用于提取上述图像中的车道边缘目标点,并对提取的车道边缘目标点进行透视变换,然后通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线;车道线检测模块22集成在DSP芯片中,通过在DSP芯片中写入相应软件来实现车道线检测功能。
本实施例中,所述图像处理模块20还包括连接在所述图像采集模块及车道线检测模块之间的图像预处理模块23,所述图像预处理模块23利用高斯滤波器对上述图像进行去噪和平滑处理。图像预处理模块23集成在DSP芯片中。
本实施例中,所述图像拍摄模块10为车辆环视系统的前视摄像头,所述前视摄像头用于拍摄车辆前方包含车辆所在车道的左右车道线的图像。利用车辆现有的环视系统来实现车道检测,而无需增加其它设备,有利于减少零部件及降低生产成本。
另外,如图6所示,本发明还提供了一种车道偏离预警方法,包括如下步骤:
根据上述的车道线检测方法检测得到车道线;此步骤包括:
S1、采集包含车辆所在车道的左右车道线的图像;
S2、提取上述图像中的车道边缘目标点;
S3、对提取的车道边缘目标点进行透视变换;
S4、通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线。
根据检测到的车道线与车辆的相对位置以及车辆的当前状态,确定是否需要预警;此方法步骤为公知的技术手段,本发明不再不详细描述。
在确定需要预警的情况下,以声和/或光的形式预警。此方法步骤为公知的技术手段,本发明不再不详细描述。
根据本发明的车道偏离预警方法,在进行霍夫变换之前,先对提取的车道边缘目标点进行透视变换,这样,可以减少霍夫变换计算量,减少系统反应时间,即车道发生偏离时,系统的预警更加迅速,增强车辆行驶安全性。
另外,如图7所示,本发明还提供了一种车道偏离预警系统,包括上述的车道线检测系统、车辆与车道线相对位置检测模块24、预警逻辑判断模块25及预警模块30;所述车辆与车道线相对位置检测模块、预警逻辑判断模块均集成在DSP芯片中,通过在DSP芯片中写入相应软件来实现车道线检测功能,即车辆与车道线相对位置检测模块24及预警逻辑判断模块25为图像处理模块的一部分。
所述车辆与车道线相对位置检测模块24,用于结合所述车道线检测系统所检测到的车道线的位置与车辆标定参数,确定车辆当前与车道线的相对位置;此为公知的技术手段,本发明不再不详细描述。
所述预警逻辑判断模块25,根据当前车辆与车道线的相对位置以及车辆当前状态进行逻辑判断,确定是否需要预警;此为公知的技术手段,本发明不再不详细描述。
所述预警模块30,预警模块根据所述预警逻辑判断模块的判断结果,对使用者提前进行声和/或光形式的预警,例如通过蜂鸣器发出预警,或者是在车辆DVD上显示预警信息,或者是在仪表盘液晶显示屏上显示预警信息。此为公知的技术手段,本发明不再不详细描述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种车道线检测方法,其特征在于,包括以下步骤:
S1、采集包含车辆所在车道的左右车道线的图像;
S2、提取上述图像中的车道边缘目标点;
S3、对提取的车道边缘目标点进行透视变换;
S4、通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线;
其中,所述步骤S3具体为:
假设道路为平面,以摄像头光心O为原点建立世界坐标系;其中,直线O1O4为摄像头光轴,平面O1M′N′代表摄像头成像平面,焦距为f,平面MNPH表示当前路面,MN代表外车道线,M′、N′分别是该车道线上两点在成像平面上的像点;
假设车辆行驶方向与车道线平行,则摄像机光轴O1O4与路面MNPH及车道线平行,摄像机安装高度为h=O2P=O3H;设点M、N在x轴上的坐标为-d,在z轴上的坐标分别为m、n,则在世界坐标系中M、N的坐标为:M(-d,-h,m),N(-d,-h,n);
根据摄像机成像原理可得成像平面上的像点M′、N′的坐标:M′(df/m,hf/m,-f),N′(df/n,hf/n,-f);
根据平面几何关系,得到车道线在图像上与x轴夹角α以及车道线的斜率k,其计算公式如下:
k=(hf/m-hf/n)/(df/m-df/n)=h/d;
α=tan-1k=tan-1(h/d);
使用上式关系式计算得到的夹角α以及斜率k,对图像进行透视变换,从而实现了对提取的车道边缘目标点的透视变换。
2.根据权利要求1所述的车道线检测方法,其特征在于,步骤S1之后,步骤S2之前还包括图像预处理步骤:
利用高斯滤波器对上述图像进行去噪和平滑处理。
3.根据权利要求1所述的车道线检测方法,其特征在于,步骤S1具体为:
通过前视摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像,并将图像信号输入给视频解码器;
视频解码器将图像信号解码后输入控制单元,控制单元通过其上的视频输入接口采集上述的图像信号,并将采集到的图像信号存储在存储器中。
4.根据权利要求1所述的车道线检测方法,其特征在于,步骤S2提取上述图像中的车道边缘目标点是按照逐行提取目标点的方法实现。
5.根据权利要求4所述的车道线检测方法,其特征在于,步骤S2具体为:
首先,通过一维sobel算子进行横向边缘检测,检测出上述图像上第一行的边缘点;然后通过直方图二值化求出当前行的二值化阈值,在sobel检测出的边缘点的灰度值大于阈值时提取为图像上该行的车道边缘目标点;
以同样的方法得到图像上其它行的车道边缘目标点,从而得到车道线的所有车道边缘目标点。
6.根据权利要求1所述的车道线检测方法,其特征在于,步骤S4具体为:
将表示参数空间的极坐标a-p量化成多个相同的小格,根据表示图像空间的直角坐标X-Y中的每一点坐标(x,y),依据公式p=x*cos(a)+y*sin(a)对参数空间中80-100°角度内以小格的步长递进的各个极角a值,计算各个极径p值,所得值落入某个小格内,便使该小格的累加记数器加1;当直角坐标中全部的点都变换后,对小格进行检验,计数值最大的小格,其(a,p)值对应于直角坐标中所求直线,即检测到了车道线。
7.一种车道线检测系统,其特征在于,包括图像拍摄模块及图像处理模块,所述图像处理模块包括控制单元、视频解码器及存储器;
所述图像拍摄模块,用于拍摄包含车辆所在车道的左右车道线的图像;
所述图像处理模块,包括图像采集模块及车道线检测模块;
所述图像采集模块,用于通过视频解码器接收图像拍摄模块拍摄的图像信号,并将图像信号解码后输入控制单元,控制单元通过其上的视频输入接口采集上述的图像信号,并将采集到的图像信号存储在存储器中;
所述车道线检测模块,用于提取上述图像中的车道边缘目标点,并对提取的车道边缘目标点进行透视变换,然后通过霍夫变换检测上述车道边缘目标点所构成的直线,从而得到车道线;
其中,所述车道线检测模块还具体用于假设道路为平面,以摄像头光心O为原点建立世界坐标系;其中,直线O1O4为摄像头光轴,平面O1M′N′代表摄像头成像平面,焦距为f,平面MNPH表示当前路面,MN代表外车道线,M′、N′分别是该车道线上两点在成像平面上的像点;
假设车辆行驶方向与车道线平行,则摄像机光轴O1O4与路面MNPH及车道线平行,摄像机安装高度为h=O2P=O3H;设点M、N在x轴上的坐标为-d,在z轴上的坐标分别为m、n,则在世界坐标系中M、N的坐标为:M(-d,-h,m),N(-d,-h,n);
根据摄像机成像原理可得成像平面上的像点M′、N′的坐标:M′(df/m,hf/m,-f),N′(df/n,hf/n,-f);
根据平面几何关系,得到车道线在图像上与x轴夹角α以及车道线的斜率k,其计算公式如下:
k=(hf/m-hf/n)/(df/m-df/n)=h/d;
α=tan-1k=tan-1(h/d);
使用上式关系式计算得到的夹角α以及斜率k,对图像进行透视变换,从而实现了对提取的车道边缘目标点的透视变换。
8.根据权利要求7所述的车道线检测系统,其特征在于,所述图像处理模块还包括连接在所述图像采集模块及车道线检测模块之间的图像预处理模块,所述图像预处理模块利用高斯滤波器对上述图像进行去噪和平滑处理。
9.根据权利要求7或8所述的车道线检测系统,其特征在于,所述图像拍摄模块为车辆环视系统的前视摄像头,所述前视摄像头用于拍摄车辆前方包含车辆所在车道的左右车道线的图像。
10.一种车道偏离预警方法,其特征在于,包括如下步骤:
根据权利要求1至6任意一项所述的车道线检测方法检测得到车道线;
根据检测到的车道线与车辆的相对位置以及车辆的当前状态,确定是否需要预警;
在确定需要预警的情况下,以声或光的形式预警。
11.一种车道偏离预警系统,其特征在于,包括权利要求7至9任意一项所述的车道线检测系统、车辆与车道线相对位置检测模块、预警逻辑判断模块及预警模块;
所述车辆与车道线相对位置检测模块,用于结合所述车道线检测系统所检测到的车道线的位置与车辆标定参数,确定车辆当前与车道线的相对位置;
所述预警逻辑判断模块,根据当前车辆与车道线的相对位置以及车辆当前状态进行逻辑判断,确定是否需要预警;
所述预警模块,预警模块根据所述预警逻辑判断模块的判断结果,对使用者提前进行声或光形式的预警。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310450258.7A CN104517111B (zh) | 2013-09-27 | 2013-09-27 | 车道线检测方法、系统、车道偏离预警方法及系统 |
PCT/CN2014/087570 WO2015043510A1 (zh) | 2013-09-27 | 2014-09-26 | 车道线检测方法、系统、车道偏离预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310450258.7A CN104517111B (zh) | 2013-09-27 | 2013-09-27 | 车道线检测方法、系统、车道偏离预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104517111A CN104517111A (zh) | 2015-04-15 |
CN104517111B true CN104517111B (zh) | 2018-09-07 |
Family
ID=52742083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310450258.7A Active CN104517111B (zh) | 2013-09-27 | 2013-09-27 | 车道线检测方法、系统、车道偏离预警方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104517111B (zh) |
WO (1) | WO2015043510A1 (zh) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104988818B (zh) * | 2015-05-26 | 2017-04-12 | 浙江工业大学 | 一种基于透视变换的交叉路口多车道标定方法 |
CN106324618B (zh) * | 2015-06-17 | 2019-03-15 | 高田汽车电子(上海)有限公司 | 实现基于激光雷达检测车道线系统的方法 |
US11181923B2 (en) * | 2015-06-23 | 2021-11-23 | Nec Corporation | Detection system, detection method, and program |
CN105261020B (zh) * | 2015-10-16 | 2018-11-20 | 桂林电子科技大学 | 一种快速车道线检测方法 |
CN105389561B (zh) * | 2015-11-13 | 2018-06-26 | 深圳华中科技大学研究院 | 一种基于视频的公交车道检测方法 |
CN105488498B (zh) * | 2016-01-15 | 2019-07-30 | 武汉中海庭数据技术有限公司 | 一种基于激光点云的车道边线自动提取方法及系统 |
CN105654064A (zh) * | 2016-01-25 | 2016-06-08 | 北京中科慧眼科技有限公司 | 车道线检测方法和装置及高级驾驶辅助系统 |
CN105740800B (zh) * | 2016-01-27 | 2019-06-07 | 大连楼兰科技股份有限公司 | 一种基于角度跟踪的车道线检测方法 |
CN105678791B (zh) * | 2016-02-24 | 2018-07-17 | 西安交通大学 | 一种基于参数不唯一的车道线检测与跟踪方法 |
CN105809149A (zh) * | 2016-03-31 | 2016-07-27 | 电子科技大学 | 基于最大长度直线的车道线检测方法 |
CN105975957B (zh) * | 2016-05-30 | 2019-02-05 | 大连理工大学 | 一种基于车道线边缘的道路平面检测方法 |
CN106203398B (zh) * | 2016-07-26 | 2019-08-13 | 东软集团股份有限公司 | 一种检测车道边界的方法、装置和设备 |
CN106384085A (zh) * | 2016-08-31 | 2017-02-08 | 浙江众泰汽车制造有限公司 | 一种无人车偏航角计算方法 |
CN106355919B (zh) * | 2016-09-21 | 2019-02-22 | 山西省交通科学研究院 | 一种基于机器视觉的弯道车速限速计算方法及超速警示装置 |
CN107092862A (zh) * | 2017-03-16 | 2017-08-25 | 浙江零跑科技有限公司 | 一种基于卷积神经网络的车道边缘检测方法 |
CN107578037B (zh) * | 2017-09-27 | 2020-10-16 | 浙江工商大学 | 一种基于似物性估计的道线检测方法 |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
CN107901907B (zh) * | 2017-09-30 | 2019-12-20 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于色块统计的车道线检测方法 |
CN109591694B (zh) * | 2017-09-30 | 2021-09-28 | 上海欧菲智能车联科技有限公司 | 车道偏离预警系统、车道偏离预警方法和车辆 |
CN109753843A (zh) * | 2017-11-02 | 2019-05-14 | 郭宇铮 | 基于视觉传感器的行车辅助驾驶系统 |
CN109747529A (zh) * | 2017-11-02 | 2019-05-14 | 郭宇铮 | 一种车道线预警装置 |
CN108189844B (zh) * | 2017-12-28 | 2020-06-26 | 东风商用车有限公司 | 一种车道偏离预警系统的报警方法 |
CN108470142B (zh) * | 2018-01-30 | 2021-09-03 | 西安电子科技大学 | 基于逆透视投影和车道距离约束的车道定位方法 |
CN108776767B (zh) * | 2018-04-18 | 2019-12-17 | 福州大学 | 一种有效判别车辆压线及预先提示系统 |
CN109572715A (zh) * | 2018-11-01 | 2019-04-05 | 北京海纳川汽车部件股份有限公司 | 自动驾驶车辆的车道偏离预警方法、装置及自动驾驶车辆 |
CN109583418B (zh) * | 2018-12-13 | 2021-03-12 | 武汉光庭信息技术股份有限公司 | 一种基于平行关系的车道线偏离自校正方法和装置 |
CN109443374A (zh) * | 2018-12-26 | 2019-03-08 | 联创汽车电子有限公司 | 车道线融合系统及其融合方法 |
CN109741602A (zh) * | 2019-01-11 | 2019-05-10 | 福建工程学院 | 一种轻微交通事故辅助定责的方法及系统 |
WO2020164010A1 (zh) * | 2019-02-13 | 2020-08-20 | 深圳市大疆创新科技有限公司 | 车道线检测方法、装置、系统与车辆、存储介质 |
CN110264512A (zh) * | 2019-06-28 | 2019-09-20 | 清华大学苏州汽车研究院(吴江) | 基于视频分析的车道边距检测方法及装置 |
CN110415298B (zh) * | 2019-07-22 | 2023-02-03 | 昆山伟宇慧创智能科技有限公司 | 一种用于车道偏离的计算方法 |
CN112395927A (zh) * | 2019-08-19 | 2021-02-23 | 长城汽车股份有限公司 | 基于霍夫变换的图像处理方法和装置 |
CN110487562B (zh) * | 2019-08-21 | 2020-04-14 | 北京航空航天大学 | 一种用于无人驾驶的车道保持能力检测系统及方法 |
CN112926365A (zh) * | 2019-12-06 | 2021-06-08 | 广州汽车集团股份有限公司 | 一种车道线检测方法及其系统 |
CN111046795A (zh) * | 2019-12-12 | 2020-04-21 | 扬州后潮科技有限公司 | 一种基于双目视觉的实时车辆压线行为检测方法 |
CN111160231A (zh) * | 2019-12-27 | 2020-05-15 | 北京联合大学 | 一种基于Mask R-CNN的自动驾驶环境道路提取方法 |
CN113255404A (zh) * | 2020-02-11 | 2021-08-13 | 北京百度网讯科技有限公司 | 车道线识别方法、装置、电子设备和计算机可读存储介质 |
CN111368797A (zh) * | 2020-03-23 | 2020-07-03 | 福州视驰科技有限公司 | 一种基于路端单目摄像头的目标实时测距方法 |
CN111881748B (zh) * | 2020-06-23 | 2023-11-10 | 安徽信息工程学院 | 一种基于vbai平台建模的车道线视觉识别方法和系统 |
CN112070039B (zh) * | 2020-09-11 | 2023-08-15 | 亚美智联数据科技有限公司 | 一种基于哈希编码的车辆碰撞检测方法及系统 |
CN112396569A (zh) * | 2020-12-02 | 2021-02-23 | 北京皮尔布莱尼软件有限公司 | 一种对图像进行数据增强的方法 |
CN112597846B (zh) * | 2020-12-14 | 2022-11-11 | 合肥英睿系统技术有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN112507964B (zh) * | 2020-12-22 | 2024-04-19 | 阿波罗智联(北京)科技有限公司 | 用于车道级事件的检测方法和装置、路侧设备和云控平台 |
CN113223031A (zh) * | 2021-04-20 | 2021-08-06 | 毫末智行科技有限公司 | 基于霍夫变换的目标边缘线检测方法及装置 |
CN114419582A (zh) * | 2021-12-29 | 2022-04-29 | 山西省交通科技研发有限公司 | 一种基于相位一致性霍夫变换的磨损车道线检测方法 |
CN115830011B (zh) * | 2023-02-08 | 2023-05-09 | 山东瑞峰新材料科技有限公司 | 一种无声胶带生产过程的视觉检测方法 |
CN116935349B (zh) * | 2023-09-15 | 2023-11-28 | 华中科技大学 | 一种基于Zigzag变换的车道线检测方法、系统、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102303609A (zh) * | 2011-06-16 | 2012-01-04 | 广东铁将军防盗设备有限公司 | 车道偏离预警系统及方法 |
CN102663744A (zh) * | 2012-03-22 | 2012-09-12 | 杭州电子科技大学 | 梯度点对约束下的复杂道路检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663356B (zh) * | 2012-03-28 | 2015-04-08 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
CN102722705B (zh) * | 2012-06-12 | 2014-04-30 | 武汉大学 | 一种基于ransac算法的多车道线检测方法 |
-
2013
- 2013-09-27 CN CN201310450258.7A patent/CN104517111B/zh active Active
-
2014
- 2014-09-26 WO PCT/CN2014/087570 patent/WO2015043510A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102303609A (zh) * | 2011-06-16 | 2012-01-04 | 广东铁将军防盗设备有限公司 | 车道偏离预警系统及方法 |
CN102663744A (zh) * | 2012-03-22 | 2012-09-12 | 杭州电子科技大学 | 梯度点对约束下的复杂道路检测方法 |
Non-Patent Citations (1)
Title |
---|
基于改进Hough变换的车道线检测技术;杨喜宁等;《计算机测量与控制》;20100228;第18卷(第2期);第292-294,298页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104517111A (zh) | 2015-04-15 |
WO2015043510A1 (zh) | 2015-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517111B (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
US11643076B2 (en) | Forward collision control method and apparatus, electronic device, program, and medium | |
US20210264176A1 (en) | Hazard detection from a camera in a scene with moving shadows | |
CN109271944B (zh) | 障碍物检测方法、装置、电子设备、车辆及存储介质 | |
CN104657735B (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN112967283B (zh) | 基于双目摄像头的目标识别方法、系统、设备及存储介质 | |
US9165197B2 (en) | Vehicle surroundings monitoring apparatus | |
CN104902261B (zh) | 用于低清晰度视频流中的路面识别的装置和方法 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
CN106183979A (zh) | 一种根据车距对车辆进行提醒的方法和装置 | |
CN103448724A (zh) | 车道偏离预警方法和装置 | |
CN110658539B (zh) | 车辆定位方法、装置、车辆和计算机可读存储介质 | |
CN103093198A (zh) | 一种人群密度监测方法及装置 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
JP2009245042A (ja) | 交通流計測装置及びプログラム | |
WO2018149539A1 (en) | A method and apparatus for estimating a range of a moving object | |
CN113850872A (zh) | 一种基于高位视频的服务区停车压线检测方法 | |
CN111497741A (zh) | 碰撞预警方法及装置 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN112330675A (zh) | 基于AOD-Net的交通道路图像大气能见度检测方法 | |
CN116520351A (zh) | 一种列车状态监测方法、系统、存储介质及终端 | |
CN116052120A (zh) | 基于图像增强和多传感器融合的挖掘机夜间物体检测方法 | |
CN104931024B (zh) | 障碍物检测装置 | |
CN106874837B (zh) | 一种基于视频图像处理的车辆检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |