CN104029680B - 基于单目摄像头的车道偏离预警系统及方法 - Google Patents
基于单目摄像头的车道偏离预警系统及方法 Download PDFInfo
- Publication number
- CN104029680B CN104029680B CN201410266150.7A CN201410266150A CN104029680B CN 104029680 B CN104029680 B CN 104029680B CN 201410266150 A CN201410266150 A CN 201410266150A CN 104029680 B CN104029680 B CN 104029680B
- Authority
- CN
- China
- Prior art keywords
- lane line
- image
- lane
- processor
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000002452 interceptive effect Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000011017 operating method Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- SHXWCVYOXRDMCX-UHFFFAOYSA-N 3,4-methylenedioxymethamphetamine Chemical compound CNC(C)CC1=CC=C2OCOC2=C1 SHXWCVYOXRDMCX-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 description 3
- 101000612089 Homo sapiens Pancreas/duodenum homeobox protein 1 Proteins 0.000 description 3
- 102100041030 Pancreas/duodenum homeobox protein 1 Human genes 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005055 memory storage Effects 0.000 description 3
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001212149 Cathetus Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005039 memory span Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
- G07C5/06—Registering or indicating driving, working, idle, or waiting time only in graphical form
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/12—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time in graphical form
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于单目摄像头的车道偏离预警系统及方法。本系统包括图像采集模块、处理器、车身交互模块、违规图像存储模块、显示器、报警器、同步动态随机存储器SDRAM和电源模块。本发明实时采集道路和车体信息,在检测到车辆有偏离车道的倾向时,预警系统发出警示语音信号和视觉信号,提醒驾驶员及时纠正车辆的偏离,同时在判断到驾驶员违规操作时,将违规信息记录到违规图像存储模块中。本方法包括快速车道筛选算法和候选车道计分方法,用以改善利用Hough算法检测车道线时存在的实时性不好,容易受多车道、两侧有栏杆等环境干扰的缺点;根据检测出的车道线参数以及车体信息,判断车辆是否发生偏离以及驾驶员是否违规操作。
Description
技术领域
本发明属于汽车安全辅助驾驶领域,主要涉及一种基于单目摄像头的车道偏离预警系统及方法。具体是提出一种快速车道检测算法来实现对当前车道线进行检测,根据连续几帧检测到的车道线参数判断出当前车辆运动状态,当判断到车辆偏离车道时,向驾驶员发出警告并提示车辆偏离信息。
背景技术
近年来,随着汽车数量的增加和路网建设规模的扩大,污染、噪声以及交通事故等问题日益突出。汽车驾驶的安全性、舒适性以及对环境的适应性成为人们日益关注的话题。广义上讲,安全是作为任何交通方式的最重要的因素,而现有的道路运输系统已不能满足需要。各国政府和研究机构将大量精力投入到智能交通系统(IntelligentTransportation System, ITS)的研究。
车道偏离预警系统简称LDWS(Lane Departure Warning System),是基于基本交通规则的安全系统。其主要功能是在高速公路上或者类似的公路中,辅助过度疲惫或者长时间单调驾驶的驾驶员保持车辆在车道内行驶。当由于驾驶员由于疏忽可能造成车道偏离时,警告驾驶员。基于视觉的车道线跟踪预警装置由于其成本低、运用范围广、实现方便等优点成为了车道偏离预警产品的主流技术路线,主要是基于图像处理和分析的方式来获取车辆周围的信息。现在国外已经有不少基于视觉的车道偏离预警产品,如美国Iteris公司的AutoAue型车道偏离预警系统,荷兰的Mobileye公司的Mobileye_AWS系统。国内也有不少的相关专利和论文。专利号为CN101794367A的一种车道偏离预警装置及预警方法,需要加载横摆角加速度传感器,增加了系统的成本和复杂性。专利号为CN201633623U的一种可用于车道偏离预警系统的报警器,具体研究了报警输出终端的设计方法而没有给出车道偏离系统的控制策略。专利号为CN201712600U的基于霍夫变换的车道偏离预警装置采用Hough变换算法提取直线模型,该算法在感兴趣区域内全局搜索车道线,具有较大的运算量,不利于高速车辆的实时运算,而且仅仅依靠Hough变换算法的信息提取车道线,容易受道路两侧栏杆等直线状噪声的干扰。
总的来说,从现有的技术水平来看,图像处理的实时性和图像识别的鲁棒性是影响基于视觉的车道偏离预警系统性能的主要因素。
此外,现有车道偏离预警系统只是起到一种提醒驾驶员正处于没有打转向灯的情况下偏离当前车道的状态,而并不能阻止驾驶员继续偏离车道的功能。因此,会存在驾驶员故意违规的现象。在交通事故发生时,不能很好的为交通管理部门提供判决依据。
发明内容
本发明的目的是针对现有技术缺陷,提供一种精度较高,实时性和鲁棒性较好的基于单目摄像头的车道偏离预警方法及系统。此系统还能在因驾驶员违规操作而导致车道偏离的时候记录下当时的图像,以便在事故发生时,为交通管理部门提供事故判决依据。
为了达到上述目的,本发明采用如下的技术解决方案:
一种确定车道偏离的方法,所述方法的步骤包括:
(1)、图像预处理步骤:首先,对CMOS图像传感器获取的道路图像进行边缘检测,获得图像中每个像素点的梯度值。其次,根据获得的梯度值对边缘进行二值化。最后,对获得的二值化图像进行横向腐蚀,以获得细化的边缘及减少车辆、障碍物等在横向上的噪声。
(2)、车道线提取步骤:首先统计图像预处理步骤后获得的边缘点数,并记录每个边缘点的坐标。其次,对这些边缘点的坐标进行Hough变换,分别在图像左半平面和右半平面获得25条左候选车道线和25条右候选车道线。然后采用本发明中设计的一种快速车道线筛选算法对候选车道线进行筛选,获得n条二次左候选车道线和m条二次右候选车道线(其中 ,)。最后,采用本发明中设计的一种车道参数计分方法,从对二次候选车道线中选出分数最大的一对作为检测到的左右车道线。
(3)、车道线偏离决策步骤:首先根据上述步骤检测到的左右车道线参数,算出这两直线的内角夹角平分线。其次,算出夹角平分线与车辆中轴线的夹角,称为系统偏航角。最后,本发明设定在出现以下两种情况的任何一种时报警:
a)、设定一个角度阈值为大偏航角的分界,如果连续两帧图片的检测结果显示车辆位置处于大偏航角状态,则立即报警。如果显示此时的,报警当前车辆行驶状态为左偏,反之,如果此时,则报警当前车辆行驶状态为右偏。
b)、设定一个角度阈值为小偏航角的分界,车辆位置处于小偏航角的状态时,等待连续15帧图片处理结果,如果连续15帧图像检测结果显示车辆偏航角处于持续增大过程,则报警。此时,如果,则报警当前车辆行驶状态为左偏,反之,如果此时,则报警当前车辆行驶状态为右偏。
(4)、车道线跟踪步骤:如果在连续5帧中检测到的车道线参数变化在一定阈值以内,那么系统进入车道线跟踪模块。此时,系统仍然采用Hough变换算法对车道线参数进行提取,只不过在车道线检测期间系统是从静态感兴趣区域内提取车道线参数,而在车道线跟踪期间系统是在以上一帧检测到的车道线为中心的一定区域内检测当前的车道线参数,此区域称为动态感兴趣区域。如果设定的动态感兴趣区域较小,那么在跟踪期间可以省略车道线提取步骤中提及到的一系列候选车道线的提取、筛选及计分,可以直接根据Hough变换结果中的最大投票值来确定当前车道线。本发明设定出现在以下任何一种情况下,解除车道线跟踪状态,重新在预先设定的静态感兴趣区域内检测当前的车道线参数:
a)、设定一个Hough投票阈值,当任意一条检测到的车道线中Hough的投票值小于b)、设定一个角度差阈值,当检测到在相邻两帧图像中,检测到任意一条车道线角度变化大于。
c)、当检测到车辆已经处于偏移或者变道的状态。
本发明中快速车道线筛选算法思路如下:设A和B为左半平面经Hough变换提取的两条候选车道线,,分别为A直线的Hough投票值和角度值,、分别为B直线的Hough投票值和角度值,假设且,那么B为车道线的可能性非常小,在筛选过程中可以将B排除在二次候选车道线外。结果表明,此算法可以有效的加快车道线检测速度及减少两侧栏杆等直线干扰。
本发明中对二次候选车道线进行计分的思路如下:在经Hough变换提取的左右候选车道线中,如果一对候选车道线的Hough投票值越大,这一对候选车道线的分数越高。如果一对候选车道线之间的宽度越小,那么这一对候选车道线的分数越高。如果这一对候选车道线的宽度与上一帧检测出的左右车道线之间的宽度差值越小,那么这一对候选车道线的分数越高。根据以上三个分数的加权求和,得到一个总得分数,选取总分最大的一对候选车道线作为这一帧检测出的左右车道线。
本发明提供了一种驾驶员违规记录的方法:当判断到当前车辆正处于偏离状态时,通过总线检查当前方向灯的状态,如果当前方向灯没有打开,则表明当前驾驶员处于违规状态,那么将当前采集到的图像备份到存储卡上,以便发生交通事故时为交通管理部门提供事故判决依据。
一种基于单目摄像头的车道偏离预警系统,主要其包括图像采集模块、处理器、显示器、违规图像存储模块和报警器。所述图像采集模块、所述显示器、所述报警器分别与所述处理器连接。其中:图像采集模块用于对车辆前方道路图像进行采集,所述处理器对采集到的图像进行处理,实现对当前车道线的检测与车辆偏离状态的分析,并将结果合成到当前采集到的道路图像中。所述显示器将实时的显示当前道路图像与检测结果合成后的图像,并通过显示箭头的方式指示当前车辆偏离车道的方向,如果箭头指向左,表面当前车辆正在向左车道靠近,逐渐偏离右车道线,相反,如果箭头指向右,那么表面当前车辆逐渐偏离左车道线。如果没有箭头指示,表明当前车辆行驶状态良好。所述报警器是根据判断的结果进行报警,以提示驾驶员注意当前车辆有可能处于危险的状态,在适当的时候应关注显示屏的指示。所述违规图像存储模块是当判断到车辆处于偏离状态时,驾驶员没有打转向灯的情况下,将当前采集到的道路图像备份到存储器中,以便发生交通事故时为交通管理部门提供事故判决依据。
优选的,所述图像采集模块选用车载CMOS摄像头,安装于车辆前挡风玻璃内侧,斜指向前方的道路。
进一步的,所述车载CMOS摄像头具有较好的锐化功能,以增强夜间或者阴天等情况下车道线与路面之间的反差,便于获得车道线完整的边缘。
所述的处理器选用ADI公司的ADSP-BF609 Blackfin处理器。
优选的,所述显示器采用LCD液晶显示器。通过DVI接口与处理器相连。
优选的,所述报警器选用蜂鸣器或者扬声器,以声音的方式进行报警。
优选的,所述违规图像存储模块选用sd卡,以增加移动的灵活性。
与现有技术相比较,本发明具有如下的实质性特点和显著优点:
1、成本低,传感器少,体积小。本发明中采用单个摄像头来实现对道路图像的采集,并采用LCD和蜂鸣器实现对结果的显示和报警,整体布局精简,便于实现在各类汽车上进行预装或者独立安装。
2、实时性好,抗干扰能力高。本发明针对用Hough变换在静态感兴趣区域内检测车道线的实时性差和对两侧栏杆、车辆等直线噪声的抗干扰能力差等缺点,提出快速车道筛选算法和车道参数计分方法来改善这个缺点,提高了车道偏离预警系统的实时性和抗干扰能力。
3、可靠性高。本发明提供驾驶员违规操作记录功能,当系统判断到车辆在没打转向灯的情况下,发生车道偏离,那么系统会将当前车道图像备份到sd卡上,以便发生交通事故时为交通管理部门提供事故判决依据。
4、本发明的处理芯片采用ADI公司的ADSP-BF609 Blackfin处理器。ADSP-BF609Blackfin处理器针对嵌入式视觉和视频分析应用进行了优化,使用双核定点DSP处理器和独特的流水线视觉处理器(PVP)。PVP是靠近Blackfin内核的一组功能模块,专为加快图像处理算法和降低整体带宽要求而设计。将ADSP-BF609 Blackfin处理器应用于车道偏离预警系统能提高现有的视觉车道偏离预警装置的图像处理和预警反应速度。
附图说明
图1是本发明实施例的结构示意图
图2是本发明实施例中的降压稳压电路原理图,其中图2(b)所示电路原理图是图2(a)所示的电路原理图中的变压模块
图3是本发明实施例中的复位电路原理图
图4是本发明实施例中的摄像头接口电路原理图
图5是本发明实施例中的SD卡接口电路原理图
图6是本发明实施例中的整体动作流程图
图7是本发明实施例中的处理器内核0工作流程图
图8是本发明实施例中的处理器内核1工作流程图
图9是本发明实施例中的快速车道筛选算法示意图
图10是本发明实施例中的候选车道线计分算法示意图
图11是本发明实施例中的整个算法流程图。
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。
实施例一:
参见图1,本基于单目摄像头的车道偏离预警系统,其特征包括:
处理器(2),用于对采集到的图像进行处理,实现对当前车道线的检测与车辆偏离状态的分析,并将结果合成到当前采集到的道路图像中;
图像采集模块(3),用于采集车辆前方道路图像;
车身交互模块(4),用于获取转向灯信号;
违规图像存储模块(5),用于在驾驶员没有打转向灯的情况下,将当前采集到的道路图像备份到存储器中,以便发生交通事故时为交通管理部门提供事故判决依据;
显示器(6),用于实时地显示当前道路图像与检测结果合成后的图像,并通过显示箭头的方式指示当前车辆偏离车道的方向;
报警器(7),用于在判断到车道偏离时,提示驾驶员注意当前车辆有可能处于危险的状态;
所述处理器(2)与图像采集模块(3)、车身交互模块(4)、违规图像存储模块(5)、显示器(6)、报警器(7)相连。
实施例二:
如图1所示,本基于单目摄像头的车道偏离预警系统主要包括电源模块1,图像采集模块2,图像处理和分析模块3,车身交互模块4,违规图像存储模块5,显示器6,报警器7,中间结果缓存模块8。所述的图像采集模块与图像处理和分析模块相连,所述的车身交互模块通过车身总线与图像处理和分析模块相连,所述的违规图像存储模块与图像处理与分析模块相连,所述的显示器通过DVI连接线与图像处理与分析模块相连,所述的报警器与图像处理与分析模块相连,所述的中间结果缓存模块与图像处理与分析模块相连。所述图像采集模块为数字摄像头,所述图像处理与分析模块为数字信号处理器及其必要的外围电路,所述车身总线为CAN总线,用来使图像处理与分析模块获得转向灯的信号,所述报警器为扬声器和蜂鸣器,所述违规图像存储模块为非掉电丢失存储器,所述显示器为液晶显示器。
在本实施例中,图像处理与分析模块中的核心处理器为以ADI公司的ADSP-BF609Blackfin处理器。此处理器与所述报警器,中间结果缓存模块,违规图像存储模块,电源模块直接连接,并留出摄像头接口,DVI视频接口和CAN总线接口,方便与所述数字摄像头,LCD显示器和车身总线等模块相连。其中,所述摄像头接口与所述处理器的并行外设接口1(PPI1)相连,所述DVI视频接口与所述处理器的并行外设接口0(PPI0)相连。
在本实施例中,所述系统采用+5V供电电压等级。本发明实例采用电源芯片TPS54610作为系统数字电源芯片。TPS54610是TI公司专门为DSP,ASIC和FPGA等多芯片系统供电而设计的一款低电压输入、大电流输出的同步降压DC/DC调整器。具体电路可以参考图2。
在本实施例中,所述系统采用TPS3823芯片作为系统复位芯片。TPS382X系列监控器主要为DSP和基于处理器的系统提供电路初始化和定时监控。本发明主要应用在汽车上,由于系统会随着汽车的行驶处于不同的环境中而导致系统会受到外界电磁场的干扰,造成程序跑飞而进入死循环。所以采用带有看门狗的复位电路能够提高系统的稳定性。具体电路可以参考图3。
在本实施例中,所述图像采集模块选用CMOS摄像头,型号为OV9650。本实例中,在设置摄像头的寄存器时,将摄像头采集的图像分辨率调整为640*480大小,采集速率设为30帧/秒。所述摄像头将采集到的图像以YUV 4:2:2的格式通过所述摄像头接口送到所述ADSP-BF609 Blackfin处理器进行处理。摄像头接口如图4所示。
在本实例中,所述LCD显示器的分辨率为480*272,通过DVI连接线连接到与所述处理器并行外设总线相连的DVI接口上。所述处理器对图像进行处理和分析后,将车道检测结果以及偏离决策结果与采集的原始道路图像进行合成,最后以RGB格式的视频信号输出到LCD显示器上。
在本实例中,所述违规存储模块为SD卡及其驱动电路。SD卡具有移动灵活度高的特点,安装和拆卸都很方便。SD卡的驱动电路如图5所示。
在本实例中,所述中间结果缓存模块为256M容量的SDRAM(Synchronous DynamicRandom Access Memory)同步动态随机存取存储器。由于图像采集过程中,涉及到的数据量较大,仅靠处理器内部的存储器是远远不过的,需要另添加外部存储器以存储图像采集与处理过程中的大量图像数据。所述处理器芯片本身提供了与DRAM和SDRAM进行直接接口的解决方案,因此只需要对存储控制器相关的寄存器进行适当的配置,就能对SDRAM进行读写操作。这个配置工作在初始化中完成。
在本实例中,所述报警器选用蜂鸣器。当然,也可以用扬声器,因为扬声器可以用语音的方式提醒驾驶员危险状况。由于在本实例中,有显示屏的存在,为了减小整个装置的体积可以选用蜂鸣器,驾驶员可根据蜂鸣器的报警提醒,如果需要知道具体报警内容,可从显示屏上获取。
在本实例中,所述车身模块是从处理器引出CAN总线接口,将处理器连接到CAN总线上以便获取转向灯的信息。
实施例三:
本基于单目摄像头的车道偏离预警方法,采用上述系统进行操作,步骤如下:
1) 图像预处理步骤:根据图像采集模块(3)所采集到的道路图像,获得经过细化的道路边缘图像;
2) 车道线提取步骤:利用处理器(2)对步骤1)获得的边缘图像进行分析,提取出当前的左右车道线参数;
3) 车道线偏离决策步骤:利用处理器(2)对步骤2)获得的车道线参数进行分析,判断出当前车辆是否处于偏离当前车道状态;
4) 车道线跟踪步骤:利用处理器(2)对最近连续5帧内提取的车道线参数进行分析,判断出可能下一帧图像中可能存在当前车道线的区域,并设定动态感兴趣区域,使得步骤2)只在动态感兴趣区域内提取当前车道线参数。
实施例四:
下面结合ADSP-BF609 Blackfin处理器的底层硬件架构分析所述车道偏离预警系统一种较高性能的实现方法:
图6是表示本发明的一个实施例中推荐的车道偏离预警系统的整体动作流程图。
本基于单目摄像头的车道偏离预警方法,采用上述系统,操作步骤如下:
(1)、数字摄像头将采集到的图像以YUV 4:2:2的格式通过并行外设总线1(PPI1)送至所述ADSP-BF609 Blackfin处理器。PPI1设置为广播模式,将获取的图像数据以两路的通道输出出去。其中,一路通过DMA33将采集到的图像数据搬移至存储器,作为最终结果显示时所需要的原始道路图像数据。另一路直接送到流水线视觉处理器的图像输入接口1(IPF1),并且IPF1仅接收图像格式中的Y信号,即以灰度图的形式作为后续预处理工作所需要的图像数据源。其中,DMA33与IPF1均对图像做了裁剪处理,使得将摄像头采集到的640*480分辨率的图像与480*272分别率的LCD显示屏匹配。
(2)、将流水线视觉处理器内部模块配置成Canny算子模式,具体模块连接可参考图中所示。流水线视觉处理器(PVP)可以完成多项图像预处理功能,使得图像预处理工作独立与内核操作,分担了内核的负担,极大的提高了系统的性能。由于在车道偏离预警系统中,由于车道线与路面的灰度反差较为明显,因此边缘往往成为区分车道线与路面的一项重要特征。而PVP可以根据需求,将其通道工作在边缘检测模式,能够很好的检测出图像中的边缘信息,将PVP技术运用到车道偏离预警系统能有效的提高系统的性能,改善的实时性。PVP完成边缘检测后,由DMA46搬移到存储器中以备后续处理。
(3)、由所述处理器内核0对所述PVP提供的边缘检测图像进行水平方向上腐蚀。由于摄像头总是以一定的俯角照向前方道路,所以左右车道总是以一定斜率出现在采集到的图像上。可以断定,车道线是不会以完全水平的方式出现在图像中,出现水平的现象往往是由车身,房屋等噪声引起的。所以在识别车道线前对边缘图像进行水平方向上的腐蚀能够减少大量的噪声,并且边缘点的减少能够提高系统运行速度。
(4)、所述处理器内核0在完成对边缘图像水平方向上的腐蚀后,开始进行车道线的识别。内核0完成的工作如图7所示。在处理中,内核0首先对在感兴趣区域内的边缘点进行统计,记录总得边缘点的个数和边缘点的坐标值。接着,内核0对每个边缘点进行Hough变换,根据以下极坐标方程:
将原始边缘图像中处于一条直线上的边缘点坐标(x,y)转换成二维空间(ρ,θ)上的一个点。最终获得Hough变换后的参数值:投票值Vote,角度值Theta和半径Rho。投票值越大,表明处于相应直线上的边缘点数越多,为车道线的可能性也越大。因此,根据投票值的排序,内核0在图像左半平面经排序选出投票值最大的25条直线,作为候选左车道线,同样的,内核0在图像右半平面选出25条候选车道线。这些候选车道线的Hough参数,包括投票值,角度值和半径均存入所述处理器的2级缓存器L2 sram,以便内核1能及时的获取内核0的处理结果。在L2 sram申请一个整数空间用来存放相应的标志位 DetectedFlag。当存储完候选车道线的Hough参数后,将DetectedFlag赋值为1,以便通知内核1进行后续处理。
(5)所述处理器内核1检查所述L2 sram内的标志位DetectedFlag,当判断到标志位为1,则表明已有候选车道线参数存入L2 sram,内核1开始后续处理。内核1完成的工作如图8所示。内核1首先利用快速车道筛选算法将内核0提供的25条左车道候选和25条右车道候选筛选为的n条二次左车道候选和m条二次右车道候选(其中,)。然后内核1对筛选出的每一对二次左右候选车道线进行计分,最后选出分数最高的一对直线作为当前检测到的左右车道线的参数。内核1根据检测到的直线参数,做出偏离判断。接着,内核1在一个大小为一帧图像大小的区域内,根据检测到的车道线上的像素坐标和车道偏离信息,改变相应存储单元的像素值。最后,通过DMA35和DMA36分别将道路原图像和包含车道线、偏离等信息的图像搬移至像素合成器(PIXC)的输入端缓存,由像素合成器将两幅图像进行合成,得到包含车道检测,偏离等信息的道路图像。最后由DMA29将合成后的图像搬移至PPI0的输入缓存,由PPI传送至LCD显示器进行显示。
(6)所述处理器内核1处理完步骤(5)后, 对检测到的车道线参数做进一步的分析,如果满足在5帧范围内检测到的车道线参数变化不大,那么系统进入车道线跟踪状态,只在上一帧检测到的车道线附近提取当前帧车道线参数,直到不满足跟踪条件推出车道线跟踪状态。
在本系统中,整个存储器架构分为三级存储,一级缓存命名为L1,为离内核最近的sram,二级缓存命名为L2,为所述处理器内部离内核稍远的L2 sram,三级缓存命名为L3,为所述外部存储SDRAM。在 L1中存放的是车道检测中较为常用的参数和变量。在L2中存放的是所述内核0和内核1共用的变量,如候选车道线参数,候选提取完成标志等等,另外,在L2中还存有正弦余弦表,减少了Hough变换过程中正弦余弦运算过程中的运算量。由于每一帧图像均包含大量数据,远远超出所述处理器内部的存储器容量,因此采集的图像与处理过程中,中间图像处理结果等均存入外部存储器,即所述L3。在本实例中,外部存储器即上述SDRAM。但是,内核直接访问SDRAM会比访问L1慢很多,如果内核直接对SDRAM中的图像数据进行处理,将会大大的影响系统的性能。因此上述步骤中,内核仅访问L1中的数据。实现方法如下:在L1中申请两个存储空间,分别命名为PingBuffer和PongBuffer,每个存储空间大小为图像中一行像素的总大小。当处理器内核需要访问并处理一帧图像时,由存储器DMA(Memory DMA,MDMA)将图像的一行搬移到PingBuffer,完成之后由处理器内核处理PingBuffer内的图像像素数据,于此同时,所述MDMA将下一行数据搬移开始搬移到PongBuffer内。处理完PingBuffer内的数据时,此时MDMA也已经将下一行都搬移到PongBuffer,接着内核开始处理PongBuffer内的数据,而MDMA开始将下一行数据搬移到PingBuffer中。这样使得处理器内核只需访问L1就能完成对一帧图像数据的处理,提高了处理数据的吞吐量,改善了系统的整体性能。
所述快速车道筛选时算法模型如图9所示。假设L1,L2,L3,L4为根据Hough投票值的大小进行排序得到的其中4条候选车道线,相应的每条直线的Hough投票值和角度分别为(Vote1, Theta1), (Vote2,Theta2),(Vote3,Theta3)和(Vote4,Theta4)。图中直线的长度假设跟Hough投票值关联,即相应直线的Hough投票值越大,在图中表示的直线长度越长。由图9(a)可知,Vote1>Vote2>Vote3>Vote4。根据经验,在一个实际道路环境中,往往存在多车道的现象,在有些场景中,还存在道路两旁有栏杆的现象。如果垂直俯瞰道路时,往往各个车道和栏杆等都处于平行的位置,然而在摄像头以一定俯角照向路面时,这些边缘均以一定斜率的直线形式出现在处理的图像中。相同长度的直线边缘离路面中心越远,经过Hough变换后得到的投票值和角度越小。如图9(a)所示,在L1,L2,L3中,可以根据经验得出L1为车道线的可能性最大,而L2,L3由于投票值和角度均比L1小,结合经验,L2和L3在已知有L1的情况下,为车道线的可能性非常小,可以认为是噪声而被排除车道候选的范围之内。而L1与L4相比,虽然L1的投票值比L4大,但是L1的Hough角度比L4小,在实际道路中,这种情况往往会出现在当前车道为虚线或者被大部分车道线前方车辆遮挡的情况下,在采集的图像中,当前车道线得到的边缘点比相邻车道线或者栏杆的边缘数少,但是得到的Hough角度比相邻车道线大。因此在这种情况下,L4仍有很大的可能性为车道线,不能直接从候选车道线里删除。在实际处理过程中,拿筛选左车道的例子来说,左车道的Hough角度值最大为90o,首先找到左半平面最大投票值的直线,作为第一根二次候选车道线,假设为L1,可以取得L1的Hough角度值Theta1,接着在[Theta1+1,90o)的范围内寻找第二根最大投票值的直线,作为第二根二次候选车道线假设为L2,取得L2的Hough角度值Theta2,依次类推,直到此时二次候选线已经超过8根,或者角度等于90o或者当前最大投票值小于一定值的时候,筛选过程终止。图9(a)所示的4条候选左车道线经过快速车道筛选算法后可以得到如图9(b)所示两条二次候选左车道线。二次右车道线候选可以在右半平面内根据这个思想类推得出。
所述候选车道线计分算法模型如图11所示。假设LB1,LB2,LB3和RB1,RB2,RB3为经过车道筛选算法后得到的左右二次候选车道线。候选车道线计分算法的目的是从这些二次候选车道线中选出可能性最大的一对作为当前检测到的车道线。在本发明中,计分算法的基本思想是选出一对候选车道线,这对候选车道线Hough投票值之和尽可能大,两直线之间距离尽可能短,两直线之间的距离与上一帧检测到的左右车道线之间的宽度差尽可能小。由于上述三个参数的量纲均不同,所以不能直接对各个参数进行加权求和来得到分数。本发明提出基于比率的方法来对车道线进行计分,方程如下所示:
其中,Score(i,j)表示第i条左候选车道和第j条右候选车道组成的这对车道线的分数。ratio_Vij, ratio_Wij,ratio_Dij分别为第i条左候选车道和第j条右候选车道组成的这对车道线的Hough投票比率,宽度比率,宽度差比率。α,β,γ分别为相应比率的权值。
所述ratio_Vij的计算方程如下。式中分母表示在所有左右候选车道组成的直线对中最小投票值和最大投票值之和,分子表示第i条左候选车道线和第j条右候选车道线组成的直线对的投票值。由方程可知,ratio_Vij值的范围为(0,1),ratio_Vij值越大,表明在投票值角度来说,这对直线为车道线的可能性越大。
所述ratio_Wij的计算方程如下。式中分母表示在所有左右候选车道线中的直线对中最小宽度和最大宽度之和,分子表示第i条左候选车道线和第j条右候选车道线组成的直线对的宽度。式中,直线对的宽度为。在本发明一个实施例中,Wij[k]为两直线在第(100+30*k)行上像素的纵坐标之差。由方程可知,ratio_Wij值的范围为(0,1),ratio_Wij值越大,表面在车道宽度的角度来说,这对直线为车道线的可能性越小。
所述ratio_Dij的计算方程如下。式中分母表示第i条左候选车道线和第j条右候选车道线之间的宽度与上一帧中检测到的实际左右车道线之间的宽度之和。分子表明当前直线对之间的宽度与上一帧实际车道线之间的宽度之差。由方程可知,ratio_Dij值的范围为(0,1),ratio_Dij的值越大,表面当前这对直线之间的宽度与上一帧检测到的车道线之间的宽度差异越大,这对直线为车道线的可能性越小。
根据上述一系列方程,最终跟据计分方程获得一个计分值,选取计分值最大的一对直线作为当前检测到的车道线。
整个车道偏离预警算法流程图如图所示11。其中,在本发明实施例中,静态感兴趣区域取为第90行到第271行之间的图像,而动态感兴趣区域则是根据上一帧检测道的车道线参数来确定当前的检测区域。假设上一帧检测到的一条车道线Hough参数为,则只在角度为,半径为的区域搜索当前车道线的参数。
以上是对本发明的具体实施例进行了描述,需要指出,这些只是示例性的实施例,本发明所属技术领域内的技术员应当理解,能够从中多种变形及等同的其他实施例。
Claims (6)
1.一种基于单目摄像头的车道偏离预警系统,其特征在于包括:
处理器(2),用于对采集到的图像进行处理,实现对当前车道线的检测与车辆偏离状态的分析,并将结果合成到当前采集到的道路图像中;图像采集模块(3),用于采集车辆前方道路图像;车身交互模块(4),用于获取转向灯信号;违规图像存储模块(5),用于在驾驶员没有打转向灯的情况下,将当前采集到的道路图像备份到存储器中,以便发生交通事故时为交通管理部门提供事故判决依据;显示器(6),用于实时地显示当前道路图像与检测结果合成后的图像,并通过显示箭头的方式指示当前车辆偏离车道的方向;报警器(7),用于在判断到车道偏离时,提示驾驶员注意当前车辆有可能处于危险的状态; 所述处理器(2)与图像采集模块(3)、车身交互模块(4)、违规图像存储模块(5)、显示器(6)、报警器(7)相连;所述处理器(2)采用ADI公司的ADSP-BF609 Blackfin处理器,该处理器内部的流水线视觉处理单元用于获得道路图像的边缘,处理器内核0负责获得候选车道线,处理器内核1负责筛选车道线,判断车道偏离状态并将结果合成到当前采集到的道路图像中;该处理器内部的像素合成单元用于合成当前道路图像与检测到的车道线和偏离结果。
2.根据权利要求1所述的基于单目摄像头的车道偏离预警系统,其特征在于:违规图像存储模块(5)采用SD卡,以增加移动的灵活度。
3.根据权利要求1所述的基于单目摄像头的车道偏离预警系统,其特征在于:所述车身交互模块(4)由车身总线组成,车身总线采用Can总线,用以获得车辆转向灯的信号。
4.一种基于单目摄像头的车道偏离预警方法,采用根据权利要求1所述的基于单目摄像头的车道偏离预警系统进行操作,其特征在于包括以下操作步骤:
1) 图像预处理步骤:根据图像采集模块(3)所采集到的道路图像,获得经过细化的道路边缘图像;
2) 车道线提取步骤:利用处理器(2)对步骤1)获得的边缘图像进行分析,提取出当前的左右车道线参数;
3) 车道线偏离决策步骤:利用处理器(2)对步骤2)获得的车道线参数进行分析,判断出当前车辆是否处于偏离当前车道状态;
4) 车道线跟踪步骤:利用处理器(2)对最近连续5帧内提取的车道线参数进行分析,判断出可能下一帧图像中可能存在当前车道线的区域,并设定动态感兴趣区域,使得步骤2)只在动态感兴趣区域内提取当前车道线参数;所述步骤2)图像预处理首先由处理器(2)内部的流水线视觉处理单元获得道路图像的Canny边缘,然后由处理器(2)内核0对边缘点进行Hough变换,获得一次候选车道线,接着由处理器(2)内核1利用快速车道筛选算法对一次候选车道线进行筛选,获得二次候选车道线,最后由处理器(2)内核1利用计分的方法对二次候选左右车道线进行计分,选出最大的一对二次候选左右车道线作为最终检测到的车道线。
5.根据权利要求4所述的基于单目摄像头的车道偏离预警方法,其特征在于:所述利用快速车道筛选算法对经由Hough提取的候选车道线进行筛选,排除掉一部分候选车道线,减少许多干扰,提高了系统运行速度;该算法根据实际的道路模型,得出候选车道线之间的Hough投票值与角度值之间的关系。
6.根据权利要求4所述的基于单目摄像头的车道偏离预警方法,其特征在于:所述利用计分的方法对候选车道线进行计分,计分值最大的一对候选车道线选为当前检测到的左右车道线;该计分方法根据这对直线的Hough投票值之和,宽度和宽度差分别得到三个分数,最后对这三个分数加权求和得到最终的分数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410266150.7A CN104029680B (zh) | 2014-01-02 | 2014-06-16 | 基于单目摄像头的车道偏离预警系统及方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410000433.7 | 2014-01-02 | ||
CN201410000433 | 2014-01-02 | ||
CN2014100004337 | 2014-01-02 | ||
CN201410266150.7A CN104029680B (zh) | 2014-01-02 | 2014-06-16 | 基于单目摄像头的车道偏离预警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104029680A CN104029680A (zh) | 2014-09-10 |
CN104029680B true CN104029680B (zh) | 2016-12-07 |
Family
ID=51460749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410266150.7A Expired - Fee Related CN104029680B (zh) | 2014-01-02 | 2014-06-16 | 基于单目摄像头的车道偏离预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104029680B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10885588B2 (en) | 2015-09-02 | 2021-01-05 | Nanjing Xega Electronics Technology Co., Ltd. | Machine-vision-based electronic automobile insurance fee meter |
CN105184872B (zh) * | 2015-09-02 | 2018-10-12 | 郁佳敏 | 基于机器视觉的汽车保险费电子计价器 |
CN105329238B (zh) * | 2015-12-04 | 2017-08-08 | 北京航空航天大学 | 一种基于单目视觉的自动驾驶汽车换道控制方法 |
CN105912978A (zh) * | 2016-03-31 | 2016-08-31 | 电子科技大学 | 基于并发管道的车道线检测和跟踪方法 |
CN107305704A (zh) * | 2016-04-21 | 2017-10-31 | 斑马网络技术有限公司 | 图像的处理方法、装置及终端设备 |
CN106184229B (zh) * | 2016-06-30 | 2018-09-14 | 惠州华阳通用电子有限公司 | 车辆驾驶预警方法及其系统 |
WO2018053834A1 (zh) * | 2016-09-26 | 2018-03-29 | 深圳市锐明技术股份有限公司 | 一种成对车道线的高效检测方法和装置 |
CN106679633B (zh) * | 2016-12-07 | 2019-06-04 | 东华大学 | 一种车载测距系统及方法 |
CN106558248A (zh) * | 2016-12-13 | 2017-04-05 | 天津泓耘财科技发展有限公司 | 一种全景观车道偏离预警监控系统 |
KR101969030B1 (ko) * | 2017-09-13 | 2019-04-16 | (주)베이다스 | 차량용 카메라 캘리브레이션 장치 및 그 방법 |
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 |
CN107833492A (zh) * | 2017-11-24 | 2018-03-23 | 南京视莱尔汽车电子有限公司 | 一种基于智能驾驶的斑马线实时监测系统 |
CN110795961B (zh) * | 2018-08-01 | 2023-07-18 | 新疆万兴信息科技有限公司 | 一种车道线检测方法、装置、电子设备及介质 |
CN109398356B (zh) * | 2018-11-23 | 2021-03-30 | 奇瑞汽车股份有限公司 | 车道保持系统及方法 |
CN111332305A (zh) * | 2018-12-18 | 2020-06-26 | 朱向雷 | 一种主动预警型交通道路感知辅助驾驶预警系统 |
CN111332306A (zh) * | 2018-12-18 | 2020-06-26 | 朱向雷 | 一种基于机器视觉的交通道路感知辅助驾驶预警装置 |
CN109829365B (zh) * | 2018-12-20 | 2022-10-25 | 南京理工大学 | 基于机器视觉的多场景适应驾驶偏离及转弯预警方法 |
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 |
CN109760694A (zh) * | 2019-01-17 | 2019-05-17 | 南昌大学 | 一种基于机器视觉的智能行车监控报警系统 |
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 |
CN111002997A (zh) * | 2019-12-06 | 2020-04-14 | 武汉中海庭数据技术有限公司 | 一种偏离车道提示方法及装置 |
CN112339773B (zh) * | 2020-11-10 | 2021-12-14 | 中科海微(北京)科技有限公司 | 一种基于单目视觉的非主动车道偏离预警方法及系统 |
CN117670975B (zh) * | 2024-01-31 | 2024-05-31 | 江苏群力技术有限公司 | 一种基于车载摄像头模组的测距控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540070A (zh) * | 2008-03-17 | 2009-09-23 | 创研光电股份有限公司 | 具有车道偏离警示系统功能的行车记录器 |
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN102288121A (zh) * | 2011-05-12 | 2011-12-21 | 电子科技大学 | 一种基于单目视觉的车道偏离距离测量及预警方法 |
CN102556066A (zh) * | 2012-03-07 | 2012-07-11 | 长安大学 | 一种客运车辆车道偏离预警装置及其判断方法 |
CN103162691A (zh) * | 2011-12-13 | 2013-06-19 | 爱信艾达株式会社 | 显示系统、显示方法及显示程序 |
-
2014
- 2014-06-16 CN CN201410266150.7A patent/CN104029680B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540070A (zh) * | 2008-03-17 | 2009-09-23 | 创研光电股份有限公司 | 具有车道偏离警示系统功能的行车记录器 |
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN102288121A (zh) * | 2011-05-12 | 2011-12-21 | 电子科技大学 | 一种基于单目视觉的车道偏离距离测量及预警方法 |
CN103162691A (zh) * | 2011-12-13 | 2013-06-19 | 爱信艾达株式会社 | 显示系统、显示方法及显示程序 |
CN102556066A (zh) * | 2012-03-07 | 2012-07-11 | 长安大学 | 一种客运车辆车道偏离预警装置及其判断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104029680A (zh) | 2014-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104029680B (zh) | 基于单目摄像头的车道偏离预警系统及方法 | |
CN107066953B (zh) | 一种面向监控视频的车型识别、跟踪及矫正方法和装置 | |
CN105005771B (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN101916383B (zh) | 基于多摄像机的车辆检测跟踪识别系统 | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
CN103971097B (zh) | 一种基于多尺度笔画模型的车牌识别方法与系统 | |
CN106373394A (zh) | 一种基于视频和雷达的车辆检测方法及系统 | |
CN109948416A (zh) | 一种基于深度学习的违法占用公交车道自动审核方法 | |
CN109637151A (zh) | 一种高速公路应急车道违章行驶的识别方法 | |
CN109460709A (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN105844257A (zh) | 基于机器视觉雾天行车错失道路标志牌的预警系统及方法 | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN104809887B (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN105160309A (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN103794056A (zh) | 基于实时双路视频流的车型精确分类系统及方法 | |
CN105574552A (zh) | 一种基于单目视觉的车辆测距与碰撞预警方法 | |
CN104574993B (zh) | 一种道路监控的方法及装置 | |
CN106128115A (zh) | 一种基于双摄像机检测道路交通信息的融合方法 | |
CN103164958B (zh) | 车辆监控方法及系统 | |
CN106340205A (zh) | 交通监控方法及交通监控装置 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN104794906A (zh) | 室外停车场出口车辆管理平台 | |
CN106874900A (zh) | 一种基于方向盘图像的司机疲劳检测方法和检测装置 | |
CN109948690A (zh) | 一种基于深度学习和结构信息的高铁场景感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161207 Termination date: 20190616 |