CN103440649A

CN103440649A - 一种车道边界线检测方法及装置

Info

Publication number: CN103440649A
Application number: CN2013103733739A
Authority: CN
Inventors: 胡景强; 覃剑钊; 阎镜予
Original assignee: China Security and Surveillance Technology PRC Inc
Current assignee: Shenzhen Zhongzhi Weian Robot Technology Co.,Ltd.
Priority date: 2013-08-23
Filing date: 2013-08-23
Publication date: 2013-12-11
Anticipated expiration: 2033-08-23

Abstract

本发明适用于智慧车辆技术领域，提供了一种车道边界线检测方法及装置，包括：获取车辆前进方向消失点，获取当前帧车辆前方/后方的视频帧，判断当前帧的前一帧是否得到精细车道边界线，如果是，根据前一帧得到的精细车道边界线生成当前帧的车道边界线区域，如果否，提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，对该当前帧的车道边界线区域进行预设拟合算法生成车道边界线方程，根据该车道边界线方程确定车道边界线。本发明能准确获取车道边界线位置。

Description

一种车道边界线检测方法及装置

技术领域

本发明属于智慧车辆技术领域，尤其涉及一种车道边界线检测方法及装置。

背景技术

车道边界线检测系统是智慧汽车上很多应用的基础，由流行的车道偏离警示系统到将来的自动化驾驶，都需要准确获取车道边界线位置。例如，在自动驾驶汽车上，需要根据车道边界线位置，了解车辆当前在车道上的准确状态，如横向位置、行走方向等，才能自动控制车辆。

然而，现有技术中当车道边界线不是直线时，无法准确获取车道边界线的位置。为便于说明，例如，某专利文件的技术方案是通过灰度分割和霍夫变换获取车道边界线，而只用霍夫变换寻找直线段获取车道边界线，当车道边界线不是直线时，其无法准确获取车道边界线位置。

发明内容

本发明实施例的目的在于提供一种车道边界线检测方法，旨在解决现有技术中当车道边界线不是直线时，无法准确获取车道边界线位置的问题。

本发明实施例是这样实现的，一种车道边界线检测方法，包括：

S0，进行初始化，获取车辆前进方向消失点；

S1，获取当前帧车辆前方/后方包含线段的视频帧;

S2，判断当前帧的前一帧是否得到精细车道边界线，如果是，执行S3；如果否，执行S4；

S3，根据前一帧得到的精细车道边界线生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域；

S4，提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域；

S5，对所述当前帧的车道边界线区域进行预设拟合算法生成车道边界线方程，根据所述车道边界线方程确定车道边界线，所述车道边界线方程包括左车道边界线方程和右车道边界线方程。

本发明实施例的另一目的在于提供一种车道边界线检测装置，包括：

第一获取单元，用于进行初始化，获取车辆前进方向消失点；

第二获取单元，用于获取当前帧车辆前方/后方包含线段的视频帧;

判断单元，用于判断当前帧的前一帧是否得到精细车道边界线；

第一生成单元，用于根据前一帧得到的精细车道边界线生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域；

第二生成单元，用于提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域；

确定单元，用于对所述当前帧的车道边界线区域进行预设拟合算法生成车道边界线方程，根据所述车道边界线方程确定车道边界线，所述车道边界线方程包括左车道边界线方程和右车道边界线方程。

在本发明实施例中，对当前帧的车道边界线区域进行预设拟合算法生成车道边界线方程，根据所述车道边界线方程确定车道边界线，所述车道边界线方程包括左车道边界线方程和右车道边界线方程，解决了现有技术中当车道边界线不是直线时，无法准确获取车道边界线位置的问题，从而提高了获取车道边界线位置的准确率，使得智慧汽车能够准确获取到车道边界线位置，后续可根据车道边界线位置的信息执行相关的应用，例如，流行的车道偏离警示系统、自动化驾驶等。

附图说明

图1是本发明实施例提供的车道边界线检测方法的实现流程图；

图2是本发明实施例提供的步骤S104的实现流程图;

图3是本发明实施例提供的步骤S105的实现流程图;

图4是本发明实施例提供的得到车辆横向位置和行走方向的实现流程图；

图5是本发明实施例提供的步骤S402实现流程图;

图6是本发明实施例提供的车道边界线检测装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，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。

实施例1

图1示出了本发明实施例提供的一种车道边界线检测方法的实现流程，详述如下：

在步骤S100中，进行初始化，获取车辆前进方向消失点；

获取车辆前进方向消失点的具体步骤为：

步骤一、获取车辆前方/后方包含线段的视频帧；

在本实施例中，令车辆行驶在平直的车道上，通过安装在挡风玻璃或者车辆后视镜的视频采集装置，对视频帧进行采集，以实时获取车辆前方/后方包含线段的视频帧。

在本实施例中，当车辆前进时，获取车辆前方包含线段的视频帧，当车辆后退时，获取车辆后方包含线段的视频帧。

步骤二、分别提取视频帧中线段；

在本实施例中，分别提取视频帧中线段，具体地，在每个视频帧中采用线段检测器找出所有线段。

在本实施例中，视频帧中线段的提取的方式包括逐帧提取的方式，逐帧提取是指一帧一帧地提取，当一帧提取完毕后，再提取下一帧。

步骤三、分别将视频帧中提取到的多条线段两两延长相交，生成交点；

步骤四、判断交点的横向坐标是否在视频帧预设区域的预设范围内，找出有效的消失点；

在本实施例中，消失点表示在立体空间上相互平行的两条直线，当投影在平面的图片上后，这两条直线在图片上的投影相交生成的点。

在本实施例中，预设区域为视频帧的中间区域。中间区域的图形包括但不限于正方形、长方形、圆形。中间区域的范围大小可以为用户自设，也可以为系统设定。例如，以视频帧的中心点为圆心，以预设距离为半径形成的区域为中间区域。

在本实施例中，预设范围可以为用户自设，也可以为系统设定。优选地，交点的横向坐标和视频帧中线的距离小于视频帧长度的1/40为预设范围。

当交点的横向坐标在视频帧预设区域的预设范围内时，交点为有效的消失点。

当交点的横向坐标不在视频帧预设区域的预设范围内时，交点为无效的消失点。

步骤五：将有效的消失点的中心位置，定义为车辆前进方向消失点，并验证车辆前进方向消失点的有效性。

具体地，将车辆前进方向消失点在视频帧中位置与前N帧视频帧中的位置相比较，N为大于等于1的整数，当车辆前进方向消失点在前N帧的位置变化没有超过预设范围时，那么车辆前进方向消失点就是有效的，当车辆前进方向消失点在前N帧的位置变化超过预设范围时，表示车辆前进方向消失点是无效的，重复步骤一至五，直至获取到有效的车辆前进方向消失点。其中，N可以为用户自设，也可以系统设定。预设范围可以为用户自设，也可以系统设定。

在S101中，获取当前帧车辆前方/后方包含线段的视频帧；

在S102中，判断当前帧的前一帧是否得到精细车道边界线，如果是，执行S103；如果否，执行S104；

在S103中，根据前一帧得到的精细车道边界线生成当前帧的车道边界线区域，车道边界线区域包括左车道边界线区域、右车道边界线区域；

在本实施例中，利用前一帧已经得到的精细车道边界线，在当前帧的视频帧中，以精细左车道边界线左右若干像素的范围作为左车道边界线区域，以精细右车道边界线左右若干像素的范围作为右车道边界线区域，同样地，区域的大小是自订的，建议的区域宽度为视频帧宽度的1/64～1/40。同时，找出并暂存精细左右车道边界线的消失点到专门储存车道边界线消失点的记忆体里。

在步骤S104中，提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，车道边界线区域包括左车道边界线区域、右车道边界线区域；

在本实施例中，记录的车道边界线消失点会不断更新，最新得到的精细车道边界线消失点会替换之前记录的车道边界线消失点，初始状态记录的车道边界线消失点为车辆前进方向消失点，后面将实时生成的精细车道边界线消失点的位置信息替换更新所述车辆前进方向消失点的位置信息，并记录存储，使得车道边界线消失点的位置信息不断更新变化。

在本实施例中，提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域，具体地，图2示出了步骤S104的实施流程，详述如下：

在步骤S200中，提取当前帧的视频帧中线段；

在步骤S201中，获取当前帧的线段中与记录的车道边界线消失点的距离小于预设距离的线段；

在本实施例中，利用之前记录的车道边界线消失点，跟当前帧的所有线段比较，以获取与记录的车道边界线消失点的距离小于预设距离的线段，优选地，定义预设距离的范围为小于视频帧大小的0.5%～1%。

在步骤S202中，获取所述与记录的车道边界线消失点的距离小于预设距离的线段的斜率，所述斜率包括正斜率和负斜率；

在步骤S203中，获取正斜率最大的线段延长的线作为候选左车道边界线，获取负斜率最大的线段延长的线作为候选右车道边界线；

在本实施例中，获取线段的斜率，找出斜率最有可能是车道边界线的线段作为候选左右车道边界线，进一步地，选正斜率最大的线段延长的线作为候选左车道边界线，而负斜率最大的线段延长的线为候选右车道边界线。

在步骤S204中，将候选左车道边界线左右若干像素的范围作为左车道边界线区域，将候选右车道边界线左右若干像素的范围作为右车道边界线区域，以生成车道边界线区域。

在本实施例中，以候选左车道边界线左右若干像素的范围作为左车道边界线区域，以候选右车道边界线左右若干像素的范围作为右车道边界线区域，同样地，区域的大小是自订的，建议的区域宽度为视频帧宽度的1/64～1/40。同时，找出并暂存候选左右车道边界线的消失点到专门储存车道边界线消失点的记忆体里。

优选地，在获取到候选左右车道边界线后，还包括：验证候选车道边界线的有效性。

验证的方式包括但不限于角度验证。为便于说明，以车辆在一条宽度不变的车道上行走为例，判断获取到的候选左右车道边界线的夹角变化的幅度，当变化的幅度处于预设范围时，表示候选车道边界线有效，预设范围可以为用户自设，也可以为系统设定。优选地，对于1秒25帧的实时检测，候选左右车道边界线之间的夹角变化幅度小于5度为符合要求。

在本实施例中，当验证到候选车道边界线有效时，以候选左车道边界线左右若干像素的范围作为左车道边界线区域，以候选右车道边界线左右若干像素的范围作为右车道边界线区域，同样地，区域的大小是自订的，建议的区域宽度为视频帧宽度的1/64～1/40。同时，找出并暂存候选左右车道边界线的消失点到专门储存车道边界线消失点的记忆体里。

在步骤S105中，对当前帧的车道边界线区域进行预设拟合算法生成车道边界线方程，根据车道边界线方程确定车道边界线，车道边界线方程包括左车道边界线方程和右车道边界线方程；

在本实施例中，预设拟合算法包括但不限于线性-抛物线拟合，其他拟合方法也可以在本发明的基础上使用。

具体地，图3示出了步骤S105的实施流程，详述如下：

在步骤S301中，对当前帧的车道边界线区域进行一次横向边缘检测和区域的阈值处理，以找出当前帧的车道边界线区域里属于车道边界线的点。

其中，横向边缘检测是针对一面的车道线边缘的，一般的边缘检测通常同时包含横向和纵向的部分。但因为理论上车道在车辆行走时不会在视频帧中显示为横线，而且在本发明考虑的情况中更重视比较近中线的候选车道边界线，所以特别只用横向边缘检测。另外，一般的边缘检测会同时检测车道边界线的左右边缘，从左到右看，左边缘是从深色到浅色，而右边缘是从浅色到深色，而横向边缘检测只会检测到车道线的其中一个边缘，在理论上可以减少一半非目标车道边界线边缘的干扰，因此可以降低噪音的影响。

例如，对于左车道边界线，可以用Sobel运算子的x部分

[\begin{matrix} 1 & 0 & - 1 \\ 2 & 0 & - 2 \\ 1 & 0 & - 1 \end{matrix}],

而对于右车道边界线，则可以用

[\begin{matrix} - 1 & 0 & 1 \\ - 2 & 0 & 2 \\ - 1 & 0 & 1 \end{matrix}] .

这种针对性的横向边缘检测可以降低非车道边界线噪音的影响。阈值处理的阈值是自适应的，根据车道边界线区域里的整体灰度作调节。当点的强度大于阈值，该点的位置就被记录下来，用作可以拟合成车道边界线的像素点。

在步骤S302中，对属于车道边界线的点进行线性-抛物线拟合，得出车道边界线方程。

本发明实施例中，拟合生成车道边界线方程的过程中，不使用车道边界线区域里的点的强度来作为权重，避免当前方车辆进入了检测范围内，前方车辆产生的边缘视频帧点的强度往往比车道边界的点更大，产生严重干扰的情况，从而提高了车道边界线的准确性。

本发明实施例中，将线性-抛物线拟合的方程分为近区和远区两部分，对所述属于车道边界线的点进行线性-抛物线拟合，得出车道边界线方程，具体地，车道边界线方程表示为：

f (y) = \{\begin{matrix} a + b (y - y_{m}), & , y > y_{m} \\ a + b (y - y_{m}) + c {(y - y_{m})}^{2} & , y < y_{m} \end{matrix}

其中，方程里的参数a，b，c是拟合所求出的结果，y_m为视频帧设定的纵坐标，y为视频帧中像素点的纵坐标。

本发明实施例中，定义视频帧中左上角是原点，y轴是垂直的轴，向下增加，以纵坐标为y_m的水平线来作为远近区的分隔，纵坐标为y_m的水平线以上的属于远区，纵坐标为y_m的水平线以下的属于近区，y_m用于区分在视频帧中属于近区和属于远区的像素点。近区是指接近车辆的前方区域，而远区是指距离车辆比较远的区。

本发明实施例中，通过多次实验，假设得出近区的车道边界线在视频帧上是直线，而远区的车道边界线在视频帧上则是抛物线。这个假设在实际应用上有很好的保证，适合大部分车道使用。在图上，近区会比远区大。

本实施例中，拟合的过程中容易产生以下的两种情况，

第一，在虚线的情况下，近区的点不一定足够拟合，所以要根据之前一帧的结果的线性部分来为近区加入一些点。

第二，因为路面上还会有杂讯，会影响拟合的结果。为降低杂讯对拟合结果的干扰，本发明使用了随机抽样一致算法。

为避免以上的第二种情况对拟合产生车道边界线方程的干扰，本发明实施例采用预设去扰的方法排除杂讯。预设去扰的方法包括但不限于随机抽样一致算法(Random sample consensus,RANSAC)。在拟合的过程中，在车道区域的远区和近区分别随机选择三个点和两个点设定为内群，以此做拟合，找出方程里的参数a，b，c。然后将所有其它刚才没选的点带入刚才拟合得到的方程里，如果该点跟拟合出来的线的横向距离少于一个像素，就归它为内群。重复以上步骤多次，每次记下内群里点的数量，最后对应内群点最多的拟合方程就是最后车道边界线拟合的结果，步骤的重复次数取决于要求的运算速度。

在步骤S303中，验证车道边界线方程的有效性。

具体地，验证车道边界线方程通过预设的验证模型进行验证。

预设的验证模型为：

E = \underset{i}{Σ} [x_{n_{i}} - f (y_{n_{i}})]^{2} + \underset{j}{Σ} {[x_{f_{j}} - f (y_{f_{j}})]}^{2}

其中，n_i和f_i分别代表近区和远区的像素点，第一项对应的是近区的像素点的拟合误差，第二项对应的是远区的像素点的拟合误差，通过第一项对应的是近区的像素点的拟合误差与第二项对应的是远区的像素点的拟合误差相加，生成整体的拟合误差。

当整体的拟合误差属于预设范围时，表示拟合生成的车道边界线方程是有效的。当整体的拟合误差不属于预设范围时，表示拟合生成的车道边界线方程是无效的，这一帧得不到精细车道边界线。

在本实施例中，通过验证车道边界线方程的有效性，剔除了误差较大的车道边界线方程，从而提高了车道边界线检测的准确性。

在S304中，如果车道边界线方程是有效的，则输出车道边界线方程，车道边界线方程包括左车道边界线方程和右车道边界线方程。

在S305中，如果车道边界线方程是无效的，则不输出车道边界线方程。

参考图4，图4示出了得到车辆横向位置和行走方向的实施流程，详述如下：在步骤S401中，根据车道边界线方程的线性部分以及预先建立的车道宽度模型，计算车辆相对车道的横向位置，输出车辆当前的横向位置。

在本实施例中，建立车道宽度模型，车道宽度模型包括左车道宽度模型和右车车道宽度模型。

当车道宽度模型为左车道宽度模型时，左车道宽度模型为

w_左/w＝m_l/(m_l-m_r)，

其中，w_左为车辆与左车道边界线的距离，w为车道宽度，m_l和m_r分别是左和右车道边界线的线性部分的斜率。车辆在左车道边界线的左边为负数，而在右边则为正数。

当不确定当前的车道宽度时，计算出车辆与左车道边界线的距离与车道宽度的比值，以车辆与左车道边界线的距离与车道宽度的比值表示车辆相对车道的横向位置。

当确定当前的车道宽度时，计算车辆相对左车道边界线的绝对距离，以绝对距离表示车辆当前的横向位置。

当车道宽度模型为右车道宽度模型时，右车道宽度模型为

w_右/w＝-m_r/(m_l-m_r)，

其中，w_右为车辆与右车道边界线的距离，代表车辆相对车道的横向位置，m_l和m_r分别是左和右车道边界线的线性部分的斜率，w为车道宽度。车辆在右车道边界线的左边为正数，而在右边则为负数。

当不确定当前的车道宽度时，计算出车辆与右车道边界线的距离与车道宽度的比值，以车辆与右车道边界线的距离与车道宽度的比值表示车辆相对车道的横向位置。

当确定当前的车道宽度时，计算车辆相对右车道边界线的绝对距离，以绝对距离表示车辆当前的横向位置。

在步骤S402中，根据车道边界线方程和车辆前进方向消失点，得到车辆的行走方向。

具体地，参考图5，图5示出了步骤S402的实现流程，详述如下：

在步骤S501中，将生成的左车道边界线方程线性部分和右车道边界线方程的线性部分延长相交，实时生成所述当前帧的精细车道边界线消失点；在本实施例中，精细车道边界线消失点表示左车道边界线方程线性部分和右车道边界线方程的线性部分延长相交生成的点。

在本实施例中，将生成的左车道边界线方程线性部分和右车道边界线方程的线性部分延长相交，生成所述当前帧的精细车道边界线消失点，具体地，左车道边界线方程线性部分和右车道边界线方程的线性部分被延长，它们相交的点为精细车道边界线消失点，精细车道边界线消失点就代表车道方向。

在步骤S502中，根据车辆前进方向消失点的位置信息和实时生成的精细车道边界线消失点的位置信息，确定车辆当前行走方向，输出所车辆行走方向。

在本实施例中，根据车辆前进方向消失点的位置信息和实时生成的精细车道边界线消失点的位置信息，确定车辆当前行走方向，输出车辆行走方向。具体地，解析位置信息，在位置信息中获取像素坐标，对车辆前进方向消失点的位置信息和精细车道边界线消失点进行位置比较，当车辆前进方向消失点在实时生成的所述精细车道边界线消失点的左边，输出车辆行走方向为正向偏左的方向，代表车辆正向偏左的方向前进；当车辆前进方向消失点在实时生成的精细车道边界线消失点的右边，输出车辆行走方向为正向偏右的方向，代表车辆正向偏右的方向前进。

实施例2

图6示出了本发明实施例提供的一种车道边界线检测装置的结构框图，该装置可以运行于各种终端，包括但不限于移动电话、口袋计算机（Pocket PersonalComputer，PPC）、掌上电脑、计算机、笔记本电脑、个人数字助理（PersonalDigital Assistant，PDA）、MP4、MP3等。为了便于说明，仅示出了与本实施例相关的部分。

参照图6，该车道边界线检测装置，包括：

第一获取单元61，用于进行初始化，获取车辆前进方向消失点；

第一获取单元61包括视频帧获取单元、线段提取单元、交点生成单元、消失点确定单元、车辆前进方向消失点确定单元。

视频帧获取单元，用于获取车辆前方/后方包含线段的视频帧；

线段提取单元，用于分别提取视频帧中线段；

交点生成单元，用于分别将视频帧中提取到的多条线段两两延长相交，生成交点；

消失点确定单元，用于判断交点的横向坐标是否在视频帧预设区域的预设范围内，找出有效的消失点；

车辆前进方向消失点确定单元，用于将有效的消失点的中心位置，定义为车辆前进方向消失点，并验证车辆前进方向消失点的有效性。

第二获取单元62，用于获取当前帧车辆前方/后方包含线段的视频帧;

判断单元63，用于判断当前帧的前一帧是否得到精细车道边界线；

第一生成单元64，用于根据前一帧得到的精细车道边界线生成当前帧的车道边界线区域，车道边界线区域包括左车道边界线区域、右车道边界线区域；

第二生成单元65，用于提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，车道边界线区域包括左车道边界线区域、右车道边界线区域；

进一步地，在该装置中，所述第二生成单元，包括：

第一获取子单元，用于提取当前帧的视频帧中线段；

第二获取子单元，用于获取当前帧的线段中与记录的车道边界线消失点的距离小于预设距离的线段；

第三获取子单元，用于获取所述与记录的车道边界线消失点的距离小于预设距离的线段的斜率，所述斜率包括正斜率和负斜率；

第四获取子单元，用于获取正斜率最大的线段延长的线作为候选左车道边界线，获取负斜率最大的线段延长的线作为候选右车道边界线；

第一生成子单元，用于将候选左车道边界线左右若干像素的范围作为左车道边界线区域，将候选右车道边界线左右若干像素的范围作为右车道边界线区域，以生成车道边界线区域。

在本实施例中，提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域，具体地，

确定单元66，用于对当前帧的车道边界线区域进行预设拟合算法生成车道边界线方程，根据车道边界线方程确定车道边界线，车道边界线方程包括左车道边界线方程和右车道边界线方程；

进一步地，在该装置中，所述确定单元，包括：

找出子单元，用于对当前帧的车道边界线区域进行一次横向边缘检测和区域的阈值处理，以找出当前帧的车道边界线区域里属于车道边界线的点；

得出子单元，用于对属于车道边界线的点进行线性-抛物线拟合，得出车道边界线方程；

验证子单元，用于验证车道边界线方程的有效性；

第一输出子单元，用于根据有效的车道边界线方程，输出车道边界线方程，车道边界线方程包括左车道边界线方程和右车道边界线方程；

例如，对于左车道边界线，可以用Sobel运算子的x部分

[\begin{matrix} 1 & 0 & - 1 \\ 2 & 0 & - 2 \\ 1 & 0 & - 1 \end{matrix}],

而对于右车道边界线，则可以用

[\begin{matrix} - 1 & 0 & 1 \\ - 2 & 0 & 2 \\ - 1 & 0 & 1 \end{matrix}] .

f (y) = \{\begin{matrix} a + b (y - y_{m}), & , y > y_{m} \\ a + b (y - y_{m}) + c {(y - y_{m})}^{2} & , y < y_{m} \end{matrix}

本实施例中，拟合的过程中容易产生以下的两种情况，

预设的验证模型为：

E = \underset{i}{Σ} [x_{n_{i}} - f (y_{n_{i}})]^{2} + \underset{j}{Σ} {[x_{f_{j}} - f (y_{f_{j}})]}^{2}

进一步地，在该车道边界线检测装置中，还包括：

第一输出单元67，用于根据车道边界线方程的线性部分以及预先建立的车道宽度模型，计算车辆相对车道的横向位置，输出车辆当前的横向位置；

当车道宽度模型为左车道宽度模型时，左车道宽度模型为

w_左/w＝m_l/(m_l-m_r)，

当车道宽度模型为右车道宽度模型时，右车道宽度模型为

w_右/w＝-m_r/(m_l-m_r)，

第二输出单元68，用于根据车道边界线方程和车辆前进方向消失点，得到车辆的行走方向。

进一步地，在该装置中，所述第二输出单元，包括：

第二生成子单元，用于将生成的左车道边界线方程线性部分和右车道边界线方程的线性部分延长相交，实时生成所述当前帧的精细车道边界线消失点；

第二输出子单元，用于根据车辆前进方向消失点的位置信息和实时生成的精细车道边界线消失点的位置信息，确定车辆当前行走方向，输出车辆行走方向。

在本实施例中，根据车辆前进方向消失点的位置信息和实时生成的精细车道边界线消失点的位置信息，确定车辆当前行走方向，输出车辆行走方向。具体地，解析位置信息，在位置信息中获取像素坐标，对车辆前进方向消失点的位置信息和精细车道边界线消失点进行位置比较，当车辆前进方向消失点在实时生成的所述精细车道边界线消失点的左边，输出车辆行走方向为正向偏左的方向，代表车辆正向偏左的方向前进；当车辆前进方向消失点在实时生成的所述精细车道边界线消失点的右边，输出车辆行走方向为正向偏右的方向，代表车辆正向偏右的方向前进。

本发明实施例提供的装置可以应用在前述对应的方法实施例一中，详情参见上述实施例一描述，在此不再赘述。

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

1.一种车道边界线检测方法，其特征在于，包括：

S0，进行初始化，获取车辆前进方向消失点；

S1，获取当前帧车辆前方/后方包含线段的视频帧;

2.如权利要求1所述的方法，其特征在于，所述提取当前帧的视频帧中线段，根据记录的车道边界线消失点以及当前帧的线段生成当前帧的车道边界线区域，所述车道边界线区域包括左车道边界线区域、右车道边界线区域，包括：

提取当前帧的视频帧中线段；

获取当前帧的线段中与记录的车道边界线消失点的距离小于预设距离的线段；

获取所述与记录的车道边界线消失点的距离小于预设距离的线段的斜率，所述斜率包括正斜率和负斜率；

获取正斜率最大的线段延长的线作为候选左车道边界线，获取负斜率最大的线段延长的线作为候选右车道边界线；

将所述候选左车道边界线左右若干像素的范围作为左车道边界线区域，将所述候选右车道边界线左右若干像素的范围作为右车道边界线区域，以生成车道边界线区域。

3.如权利要求1所述的方法，其特征在于，所述根据预设拟合算法以及所述车道边界线区域拟合生成车道边界线方程，根据所述车道边界线方程确定车道边界线，所述车道边界线方程包括左车道边界线方程和右车道边界线方程，包括：

对当前帧的车道边界线区域进行一次横向边缘检测和区域的阈值处理，以找出当前帧的车道边界线区域里属于车道边界线的点；

对所述属于车道边界线的点进行线性-抛物线拟合，得出车道边界线方程；

验证车道边界线方程的有效性；

如果车道边界线方程是有效的，则输出车道边界线方程，所述车道边界线方程包括左车道边界线方程和右车道边界线方程；

如果车道边界线方程是无效的，则不输出车道边界线方程。

4.如权利要求1所述的方法，其特征在于，还包括：

根据所述车道边界线方程的线性部分以及预先建立的车道宽度模型，计算所述车辆相对车道的横向位置，输出所述车辆当前的横向位置；

根据所述车道边界线方程和所述车辆前进方向消失点，得到车辆的行走方向。

5.如权利要求4所述的方法，其特征在于，所述根据所述车道边界线方程和所述车辆前进方向消失点，得到车辆的行走方向，包括：

将生成的左车道边界线方程线性部分和右车道边界线方程的线性部分延长相交，实时生成所述当前帧的精细车道边界线消失点；

根据所述车辆前进方向消失点的位置信息和实时生成的所述精细车道边界线消失点的位置信息，确定所述车辆当前行走方向，输出所述车辆行走方向。

6.一种车道边界线检测装置，其特征在于，包括：

7.如权利要求6所述的装置，其特征在于，所述第二生成单元包括：

第一获取子单元，用于提取当前帧的视频帧中线段；

第一生成子单元，用于将所述候选左车道边界线左右若干像素的范围作为左车道边界线区域，将所述候选右车道边界线左右若干像素的范围作为右车道边界线区域，以生成车道边界线区域。

8.如权利要求6所述的装置，其特征在于，所述确定单元包括：

得出子单元，用于对所述属于车道边界线的点进行线性-抛物线拟合，得出车道边界线方程；

验证子单元，用于验证车道边界线方程的有效性；

第一输出子单元，用于根据有效的车道边界线方程，输出车道边界线方程，所述车道边界线方程包括左车道边界线方程和右车道边界线方程。

9.如权利要求6所述的装置，其特征在于，还包括：

第一输出单元，用于根据所述车道边界线方程的线性部分以及预先建立的车道宽度模型，计算所述车辆相对车道的横向位置，输出所述车辆当前的横向位置；

第二输出单元，用于根据所述车道边界线方程和所述车辆前进方向消失点，得到车辆的行走方向。

10.如权利要求9所述的装置，其特征在于，所述第二输出单元包括：

第二输出子单元，用于根据所述车辆前进方向消失点的位置信息和实时生成的所述精细车道边界线消失点的位置信息，确定所述车辆当前行走方向，输出所述车辆行走方向。