CN104380343A - 检测车道的分界线的装置以及其方法 - Google Patents
检测车道的分界线的装置以及其方法 Download PDFInfo
- Publication number
- CN104380343A CN104380343A CN201380028005.9A CN201380028005A CN104380343A CN 104380343 A CN104380343 A CN 104380343A CN 201380028005 A CN201380028005 A CN 201380028005A CN 104380343 A CN104380343 A CN 104380343A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- lane line
- parameter
- region corresponding
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 58
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000008569 process Effects 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 16
- 230000010354 integration Effects 0.000 description 15
- 230000015572 biosynthetic process Effects 0.000 description 11
- 238000005755 formation reaction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本发明涉及检测车道的分界线的装置以及其方法。在车道分界线检测中,基于路面图像,从与轮胎下面以及车辆中央正下面对应的区域获取亮度较低的值,并计算出与车辆中央正下面对应的区域的亮度和与轮胎下面对应的区域的亮度的亮度比即雪车辙度数。基于计算出的雪车辙度数并根据图表来计算似然度,通过低通滤波处理来计算表示雪车辙相似性的程度的参数,与规定阈值进行比较来进行雪车辙判定。接下来,获取外部空气温度,参照外部空气温度如上述那样最终判断是否存在雪车辙。如果判断为存在雪车辙则判定为不进行车道分界线检测,如果判断为不存在雪车辙则判定为进行车道分界线检测。
Description
技术领域
本发明特别涉及基于拍摄到车辆前方的路面的路面图像来检测白线等车道分界线的装置以及其方法。
背景技术
以往提出一种基于拍摄到车辆前方的路面的路面图像来检测白线等车道的分界线(以下,车道分界线)的车道分界线检测装置。这种装置根据路面图像来检测车道分界线。因此,在路面被积雪覆盖的情况下,路面图像中没有出现路面上的白线等,不能够适当地检测车道分界线。
因此,如专利文献1所示,提出一种判定检测出的车道分界线(车道标志)的配置的偏差程度,如果偏差程度是规定的阈值以上则判断为存在使车道分界线的识别精度降低的阻碍因素的装置。在该装置中,构成为因雪在车道分界线的位置产生偏差时,判断为存在使车道分界线的识别精度降低的阻碍因素。
专利文献1:日本特开2009-271908号公报
在雪道形成车辙的情况下,有时雪与路面表面的边界部分变为直线的(例如参照后述的图4)。在上述专利文献1的装置中,若直线地形成这样的分界线则在检测的车道标志的配置不会产生偏差,所以没有判断为存在阻碍因素,有可能误检测为是正确的车道标志。
因此,期望提供一种能够减少形成有车辙的雪道中的车道分界线的误检测的检测车道的分界线的装置以及方法。
发明内容
为了解决上述的问题,根据优选的一个例子,提供一种具备图像获取单元、检测单元、计算单元、以及判定单元的检测车道的分界线的装置。
图像获取单元获取拍摄到车辆周边的路面的路面图像。检测单元根据由图像获取单元获取的路面图像并通过图像处理来检测车道分界线(车道的分界线)。计算单元计算表示路面图像中与车辆中央的下方对应的区域和与车辆的轮胎的下方对应的区域比较的白的程度的参数。
判定单元的特征在于,基于计算出的上述参数,针对检测单元的检测、检测出的车道分界线的输出、以及使用检测出的车道分界线的规定的控制中的任意一个处理,判定是否执行该处理。
在这样构成的装置中所计算的上述参数是形成有车辙的雪道的可能性越高,值越大的参数。在形成有车辙的雪道中因车辙而误检测车道分界线的可能性变高,但通过基于上述参数来判定是否执行车道分界线的检测、检测出的车道分界线的信息的输出,或者使用了该车道分界线信息的控制,从而能够减少车道分界线的误检测,并能够抑制因误检测的车道分界线而进行错误的车辆控制。
另外,作为其它的优选例子,提供用于提供上述装置的功能的、以能够由处理器(CPU)读取的方式存储在记录介质中的程序。该程序是用于使计算机实现第1~第4功能的程序。
第1功能获取拍摄到车辆周边的路面的路面图像。第2功能根据路面图像并通过图像处理来检测车道分界线。第3功能计算表示路面图像中与车辆中央的下方对应的区域和与车辆的轮胎的下方对应的区域比较的白的程度的参数。
第4功能基于通过第3功能计算出的上述参数,针对第1功能的检测、检测出的车道分界线的输出、以及使用检测出的车道分界线的规定的控制中的任意一个处理,判定是否执行该处理。
被这种程序控制的计算机能够起到与技术方案1所记载的车道分界线检测装置同样的作用、效果。
此外,上述程序由将适合计算机的处理的命令排序而成的列构成的,可以被存储于设置在计算机中的ROM、RAM等,从它们装载到计算机来进行使用,也可以经由各种记录介质、通信线路装载到计算机进行使用。
作为记录介质,例举CD-ROM、DVD-ROM等光盘、磁盘、半导体制存储器等。
而且,作为其它的优选例子,还提供发挥与上述装置同等的功能的检测车道的分界线的方法。
附图说明
附图中:
图1是表示功能上具有本发明所涉及的车道分界线检测装置的车道分界线识别系统的构成的框图。
图2是表示第1实施例的车道分界线检测装置的功能的功能框图。
图3是使用示意的路面图像来说明亮度信息的获取方法的图。
图4是表示形成有雪车辙的路面的路面图像的一个例子。
图5是说明雪车辙度数的计算方法的图。
图6是用于基于雪车辙度数来计算似然度的图表的一个例子。
图7是表示进行低通滤波处理的雪车辙相似性随时间变化的图。
图8是表示第1实施例的分界线检测处理的处理顺序的流程图。
图9是表示第2实施例的车道分界线检测装置的功能的功能框图。
图10是表示第2实施例的分界线检测处理的处理顺序的流程图。
具体实施方式
以下,根据附图对本发明所涉及的车道分界线检测装置的各种实施例进行说明。
[第1实施例]
最初,参照图1~图8,对第1实施例所涉及的车道分界线检测装置进行说明。
图1对车道分界线识别系统1的构成的概要进行说明。该车道分界线识别系统1是搭载在汽车等车辆VL上来使用的系统,如图1所示,具备图像拍摄装置3、车辆信息获取单元5、车道分界线检测装置(即,检测车道的分界线(路面上的边界或者边缘)的装置、方法)7、外部空气温度传感器9、和车辆控制装置101。换句话说,第1实施例所涉及的车道分界线检测装置7作为车道分界线识别系统1的一要素被实施。此外,在以下的记载中,车辆VL是指搭载了本系统的车辆。
图像拍摄装置3是被安装在车辆的例如中央前方侧,以规定的时间间隔(在本实施例中为1/15[sec])对拍摄到车辆VL的周边特别是车辆前方的路面的图像(以下,将该图像仅称为路面图像)进行拍摄的照相机系统,例如能够使用公知的CCD图像传感器、CMOS图像传感器等。图像拍摄装置3将拍摄到的路面图像输出给车道分界线检测装置7。
车辆信息获取单元5与检测车速、横摆角速度等的传感器连接,从这些传感器获取输出信号,并经由车道分界线检测装置7将获取的信息输出给车辆控制装置101。
车道分界线检测装置7是对由图像拍摄装置3获取的路面图像进行图像处理,并检测白线等车道的分界线(车道分界线)的装置。
该车道分界线检测装置7构成为具备CPU(处理器)11、存储CPU11执行的程序等的ROM13、CPU11执行程序时作为工作区域来使用的RAM15、作为可电改写数据的闪存、EEPROM等非易失性存储器的NVRAM17等的计算机系统,通过程序的执行来执行规定的处理。
上述构成的车道分界线检测装置7如图2所示,作为雪道判定部21、统合判定部23以及分界线检测部25发挥作用。
雪道判定部21具有路面信息获取单元31、雪车辙度数计算单元33以及雪车辙似然度计算单元35。
路面信息获取单元31从图像拍摄装置3获取路面图像,并从该路面图像获取与车辆VL的中央的下方对应的区域、和与车辆VL的左右轮胎的下方对应的区域中的亮度信息。此外,这些区域是以与实际的车辆中央下方以及轮胎下方的位置相比在车辆VL的前方沿着车辆VL的行进方向具有长度的方式扩展的区域。使用图3,对具体的亮度信息的获取方法进行说明。
路面图像41中设定有左样本线43、中央样本线45、右样本线47。左样本线43是与从左轮胎的位置沿着车辆VL的行进方向延伸的区域43a对应的线,右样本线47是与从右轮胎的位置沿着车辆VL的行进方向延伸的区域47a对应的线。另外,中央样本线45是与从车辆中央(例如左右轮胎的中心位置)沿着车辆VL的行进方向延伸的区域45a对应的线。
另外,路面图像41中沿左右方向延伸的扫描线49以在图像的上下方向排列的方式设定有多条。而且,各扫描线49与各样本线交叉的点被设定为样本点51。此外,样本点51的数量根据扫描线49的数量来决定,扫描线49以及样本点51的数量并未特别限定。另外扫描线49的间隔未特别限定,而为了使对应的路面的实际距离的间隔变近,也可以是距离车辆VL越近越宽地设定间隔,距离车辆VL越远越窄地设定间隔。
而且,获取各样本点51的亮度。也可以是例如在路面图像的各像素由R(红)、G(绿)、B(蓝)的各色各个的亮度的组合构成的情况下,获取预先决定的任意一个颜色的亮度,也可以获取经过灰度化的情况下的亮度。另外,也可以根据道路的状况、时刻等使所使用的亮度变化。此外,为了在后述的雪车辙度数计算单元33中通过亮度来区分路面上的雪和路面(柏油等),优选以雪和路面明确出现亮度差的方式选择所采用的亮度。
而且,从与左样本线43、中央样本线45、右样本线47的各样本线对应的样本点51的组53a、53b、53c的各个抽出亮度值的10%位值(百分位值),并将该值作为与左右轮胎和车辆中央下对应的亮度信息。
雪车辙度数计算单元33基于路面图像来计算作为路面形成有雪车辙的指标的雪车辙度数。
如图4所示,对于车辙的部分,因轮胎按压而雪被压缩、融解,路面容易露出。另一方面,在车辙以外的部分,与车辙部分相比雪容易较多地剩余。露出的路面为柏油等,看到为黑,有雪的部分因雪而看到为白。因此,表示车辙之间的部分(与车辆中央的下方对应的区域)和车辙部分(与轮胎下方对应的区域)比较的白的程度的参数能够作为形成有雪车辙的指标。
在本实施例中,使用由路面信息获取单元31获取的亮度信息来计算上述的参数。在形成有雪车辙的路面上,轮胎通过的车辙的部分的亮度较低,车辆中央下因存在雪而亮度较高。雪车辙度数计算单元33基于上述理论来计算雪车辙度数。具体而言,输出轮胎下和车辆中央下的亮度比作为雪车辙度数。雪车辙度数的计算式如下。
雪车辙度数(亮度比)=
(车辆正下面的亮度的10%位值)/max(左轮胎下的亮度的10%位值、右轮胎下的亮度的10%位值)
上式如图5所示,意味着基于左轮胎下的亮度A以及右轮胎下的亮度C中的亮度较大的一方的值与车辆中央正下面的亮度值B之比来计算雪车辙度数。
如图3所示,在沿着车辆行进方向隔开适度的间隔的多个位置上,从距离车辆VL较近的位置至较远的位置为止具有宽度地连续地配置样本点51。因此,样本点51的各组53a~53c中的10%位值在观察在各样本线沿着行进方向的规定的范围整体时,成为亮度较低的部分的亮度值。
因此,上式中雪车辙度数变高的情况是指左右轮胎下有亮度较低的部分的存在、且车辆中央下亮度大体上较高的情况。换句话说,对于左右轮胎下,从车辆附近至远方之间至少某种程度路面露出的部分在左右两方的轮胎下存在,对于车辆中央下,从距离车辆VL较近的位置至较远的位置为止不中断而连续地积雪。
这样,雪车辙度数变高的情况限于车辆中央下的雪连续存在的情况,但对于车辙的部分,假设一部分残留有雪的情况下,也被允许。在形成有雪车辙的路面上,存在车辙部分残留雪的情况,但在车辆中央正下面没有雪的情况较少,所以通过使用上式能够适当地判定是否是形成有雪车辙的雪道。
如以上,计算表示基于一个路面图像来获取的、与车辆中央的下方对应的区域和与轮胎下方对应的区域比较的白的程度的参数即雪车辙度数。
雪车辙似然度计算单元35通过使用雪车辙度数的履历以及图表来计算出与上述雪车辙度数相比被抑制变动的参数,作为表示雪车辙相似性的程度的参数。具体而言,利用图6所示的图表来计算与雪车辙度数对应的似然度(雪车辙似然度)。该似然度是仅基于获取的路面图像的瞬时似然度。
计算出的雪车辙似然度被继续输出给统合判定部23。
统合判定部23从雪车辙似然度计算单元35输入雪车辙似然度,利用以下的式子来进行低通滤波处理。
Output(t)=αA(t-1)+(1-α)A(t)
此处,Output(t)为时刻t的输出参数,A(t)为时刻t的瞬时似然度,A(t-1)为时刻t-1的输出参数(Output(t-1))。α为小于1的值且越接近1稳定性越高。
图7表示这样进行了低通滤波处理的雪车辙相似性的参数随时间变化的图的一个例子。
接下来,比较雪车辙相似性的参数和规定阈值来判定是否存在雪车辙。由于对该判定赋予滞后,所以使用上述雪车辙相似性的参数的履历和值具有差的2个阈值。即,在上述参数超过相对较高地设定的阈值的情况下判定为存在雪车辙,该判定一直持续至上述参数低于相对较低地设定的阈值为止。另一方面,在上述参数低于该较低地设定的阈值的情况下判定为不存在雪车辙,该判定持续至上述参数超过较高地设定的阈值为止。
另外,统合判定部23基于外部空气温度传感器9的输出来检查外部空气温度,如果小于作为可存在雪的温度所设定的规定温度、且通过上述的处理判断为存在雪车辙,则最终判断为有雪车辙。如果外部空气温度为规定温度以上,则不管路面图像的判断结果而判断为不是雪车辙。
分界线检测部25基于路面图像来检测白线等车道分界线。检测车道分界线的具体手法并未特别限定,能够使用公知的手法。作为一个例子,能够从路面图像抽出由于喷图、道钉等而亮度值变化的点即边缘点,并基于抽出的多个边缘点来检测车道分界线。
将由分界线检测部25检测出的车道分界线的信息输出给车辆控制装置101。在该车辆控制装置101中,与车辆VL的行进方向、速度、横摆角速度等车辆VL的动作信息组合,利用于车辆VL是否脱离车道分界线的预测,或作为使用于自动转向角控制的信息的之一被利用。
然而,在通过统合判定部23判断为是雪车辙的情况下,上述的分界线检测部25不执行车道分界线的检测。这是因为若存在雪车辙则车道分界线的检测精度容易变低。
此外,也可以代替不执行车道分界线的检测,而构成为在执行车道分界线的检测后不将该信息输出给车辆控制装置101,也可以构成为将车道分界线的信息输出给车辆控制装置101,同时将表示检测精度较低的信号输出给车辆控制装置101,车辆控制装置101在输入该信号时不进行上述的车辆的控制。
[车道分界线检测装置的处理]
以下,基于图8,对由车道分界线检测装置7执行的分界线检测处理进行说明。
若车辆VL的附件开关根据接通操作而使车道分界线识别系统1整体接通电源,则起动该分界线检测处理。即使附件开关被断开,至电源被断开为止,每隔一定时间反复执行上述的处理。
在该分界线检测处理中,首先,从图像拍摄装置3获取路面图像的数据(图8,步骤S1)。
接下来,基于在S1中所获取的路面图像来获取亮度信息(步骤S2)。该处理由路面信息获取单元31执行。此处,如上述,基于路面图像分别从左轮胎下、车辆中央下、右轮胎下的样本点51的组53a、53b、53c获取亮度值的10%位值,作为亮度信息。
接下来,基于在步骤S2中所获取的亮度信息,通过雪车辙度数计算单元33利用上述的手法来计算雪车辙度数(步骤S3)。
接下来,基于在步骤S3中所计算出的雪车辙度数,通过雪车辙似然度计算单元35根据图6的图表来计算似然度(瞬间似然度)(步骤S4)。
接下来的步骤S5~S8的处理由统合判定部23执行。首先,如上述,通过低通滤波处理来计算表示雪车辙相似性的程度的参数,并与规定的阈值进行比较来进行雪车辙判定(步骤S5)。接下来,从外部空气温度传感器9获取外部空气温度(步骤S6),并参照外部空气温度来最终判断是否是存在雪车辙的雪道(步骤S7)。
接下来的步骤S8~S10的处理由分界线检测部25执行。首先,基于步骤S7的结果来判定是否进行车道分界线的检测(步骤S8)。如果在步骤S7中判断为存在雪车辙则判定为不进行车道分界线检测(步骤S8:否),不进行分界线检测,处理返回到步骤S1。另一方面,如果在步骤S7中判断为不存在雪车辙则判定为进行车道分界线检测(步骤S8:是)。换句话说,在该步骤S8中,步骤S3中所计算出的雪车辙度数越大,否定判定的可能性越大。
之后,执行分界线检测(步骤S9),将检测出的车道分界线的信息输出给车辆控制装置101(步骤S10)。该步骤S10后,处理返回到步骤S1。
如以上,本实施例的车道分界线识别系统1能够适当地判断车辆VL行驶的路面是否是形成有雪车辙的雪道,如果是形成有雪车辙的雪道则不执行车道分界线检测(步骤S9),所以能够减少因雪车辙的存在而误检测车道分界线的可能性。结果能够抑制通过车辆控制装置101进行错误的车辆控制。
此外,不管构成为在是形成有雪车辙的雪道的情况下不将检测出的车道分界线的信息输出给车辆控制装置101的情况,还是构成为车辆控制装置101输入表示检测精度较低的信号而不进行车辆控制的情况,都起到同样的效果。
另外,本实施例的车道分界线识别系统1在计算雪车辙度数时,对从与左右轮胎的下方对应的区域抽出的亮度中亮度较高的一方与车辆中央正下面的亮度进行比较,所以仅在是雪车辙的可能性较高的情况下能够检测出雪车辙,不会必要以上频繁地停止车道分界线的检测,能够稳定进行检测。
在以上说明的实施例中,图8中的步骤S1的处理是图像获取单元的一个例子,步骤S9的处理是检测单元的一个例子,步骤S3、S4的处理是计算单元的一个例子,步骤S5~S8的处理是判定单元的一个例子。
[第2实施例]
参照图9以及图10,对第2实施例所涉及的车道分界线识别装置进行说明。
该第2实施例中的车道分界线识别系统61是与第1实施例的车道分界线识别系统1几乎相同的构成,但其功能与第1实施例不同。因此,在第2实施例中,对发挥与第1实施例相同或者同等的功能的要素标注同一符号,省略与第1实施例相同的部分的说明,以下,对变更的功能以及处理进行说明。
在本实施例的车道分界线识别系统61中,车道分界线检测装置63如图9所示,除了第1实施例的车道分界线检测装置7的功能之外还作为砂石路判定部65以及路面反射判定部67发挥作用。
砂石路判定部65在多次出现作为分界线检测部25的中间数据的边缘点,引起车道分界线候补相对于自车的倾斜、横位置量较大地变化的现象时,根据上述变化量来计算表示砂石路的似然度的参数。
路面反射判定部67基于路面图像来计算路面存在水洼等反射的部分的似然度。若存在水洼等,则间断产生亮度非常高的部分。因此,根据较高的亮度被检测的频率、该位置的偏差等来计算表示存在反射的部分的似然度的参数。
这些砂石路判定部65以及路面反射判定部67,以及雪道判定部21输出的似然度均表示在分界线检测部25中所检测的车道分界线的检测精度降低的似然度。统合判定部23通过将这些似然度统合而以高精度判断车道分界线检测的精度降低。统合的手法并未特别限定,但可以考虑进行例如贝叶斯推断。
[车道分界线检测装置的处理]
以下,基于图10,对由车道分界线检测装置63执行的分界线检测处理进行说明。也每隔一定时间反复执行该处理。此外,与图8的分界线检测处理相同的处理标注相同符号,省略说明。
在本处理中,在步骤S4中由雪道判定部21计算出瞬间似然度后,计算表示砂石路相似性的似然度的参数(步骤S21),并将计算结果输出给统合判定部23。该处理由砂石路判定部65执行。接下来,计算表示路面存在反射的部分的似然度的参数(步骤S22),并将计算结果输出给统合判定部23。该处理由路面反射判定部67执行。
接下来,进行统合处理(步骤S23)。此处,对在步骤S4、S21、S22所计算出的似然度的参数进行统合,对于在步骤S1中所获取的路面图像,计算表示车道分界线的检测精度降低的似然度的参数。
接下来,判断车道分界线的检测精度是否降低(步骤S24)。此处,对在步骤S23中所计算(统合)出的似然度参数与规定阈值进行比较来判断是否执行分界线检测,但由于赋予滞后,所以使用似然度参数的履历和值具有差的2个阈值。
即,在上述参数超过相对较高地设定的阈值的情况下判断为“车道分界线的检测精度降低”,该判断持续至上述参数低于相对较低地设定的阈值为止。另一方面,在上述参数低于该较低地设定的阈值的情况下判断为“车道分界线的检测精度未降低”,该判断持续至上述参数超过较高地设定的阈值为止。
接下来,根据步骤S24的结果,判定是否进行车道分界线的检测(步骤S25)。如果在步骤S24中判断为车道分界线的检测精度降低则判定为不进行车道分界线检测(步骤S25:否),不进行分界线检测,处理返回到步骤S1。另一方面,如果在步骤S24中判断为车道分界线的检测精度未降低则判定为进行车道分界线检测(步骤S25:是)。在该步骤S25中,在步骤S3中所计算出的雪车辙度数越大,否定判定的可能性越大。之后,处理移至步骤S9。
本实施例的车道分界线识别系统61能够除了考虑是形成有车辙的雪道的似然度之外,还考虑是砂石路的似然度、路面存在反射面的似然度这样的多个要素,来判断是否存在使路面降低分界线检测精度的干扰。因此,能够以高精度识别存在干扰的路面,进行在存在干扰的路面中检测车道分界线的处理,能够减少误检测车道分界线的可能性。
在本实施例中,图10中的步骤S23~S25的处理是判定单元的一个例子。
[变形例]
以上对本发明的实施例进行了说明,当然本发明丝毫不限定于上述实施例,只要属于本发明的技术的范围就能够采用各种方式。
例如,在上述各实施例中,在计算雪车辙度数时,例示了对从与左右轮胎的下方对应的区域抽出的亮度中亮度较高的一方与车辆中央正下面的亮度进行比较的构成,但也可以与左右轮胎的下方中的亮度中亮度较低的一方进行比较。该情况下,由于容易检测雪车辙,所以能够容易进行基于雪车辙的车道分界线的检测停止,提高避免误检测的精度。另外,也可以使用左右的亮度的平均值。
另外,在上述各实施例中,例示了基于路面图像的亮度来计算雪车辙度数的构成,但如果是能够从路面图像表示出雪相似性的程度的图像特征量,则可以使用亮度以外的图像特征量。可以考虑例如使用色相、色差等颜色信息,将使用越是接近雪的颜色越成为高的值的换算式所计算出的参数作为图像特征量来代替亮度而使用的构成。
另外,在上述各实施例中,例示了从样本点51的组53a~53c中使用10%位值的构成,但也可以抽出上述以外的值来使用。此外如上述,为了构成为作为雪车辙度数变高的条件,高度要求车辆正下面的雪连续地存在,并且对于车辙的部分,即使在一部分残留有雪的情况下也被允许,可以考虑作为基准,使用30百分位值以下的值。另外为了除去干扰,可以考虑使用5百分位值以上的值。
另外,可以不使用百分位值,而将各组的平均值等作为亮度信息。该情况下,能够抑制亮度值随时间变动。
另外,在上述各实施例中,例示了图像拍摄装置3拍摄车辆前方的路面图像,并基于该路面图像来执行各处理的构成,也可以是在车辆的下方或轮胎附近设置图像拍摄装置,基于利用该图像拍摄装置所拍摄到的路面图像来执行处理的构成。
另外,在上述实施例中,如图3所示,例示了在沿着车辆行进方向隔开间隔的多个位置上配置样本点51来获取亮度的构成,但也可以构成为在车辆中央下和左右轮胎下面(或者左右轮胎的任意一方下面)的各自1处获取亮度。该情况下,能够减少车道分界线检测装置的处理负担。
符号说明
1…车道分界线识别系统,3…图像拍摄装置,5…车辆信息获取单元,7…车道分界线检测装置,9…外部空气温度传感器,21…雪道判定部,23…统合判定部,25…分界线检测部,31…路面信息获取单元,33…雪车辙度数计算单元,35…雪车辙似然度计算单元,41…路面图像,43…左样本线,45…中央样本线,47…右样本线,49…扫描线,51…样本点,53a~53c…组,61…车道分界线识别系统,63…车道分界线检测装置,65…砂石路判定部,67…路面反射判定部,101…车辆控制装置。
Claims (13)
1.一种检测车道的分界线的装置(7),其中,具备:
图像获取单元(S1),其获取拍摄到车辆的周边的路面的路面图像;
检测单元(S9),其根据由所述图像获取单元获取的所述路面图像并通过图像处理来检测车道分界线;
计算单元(S3,S4),其计算表示由所述图像获取单元获取的所述路面图像中与所述车辆中央的下方对应的区域和与所述车辆的轮胎的下方对应的区域比较的白的程度的参数;以及
判定单元(S5~S8,S23~S25),其至少基于由所述计算单元计算出的所述参数,针对所述检测单元的所述检测、检测出的所述车道分界线的输出、以及使用检测出的所述车道分界线的规定的控制中的任意一个处理,判定是否执行该处理。
2.根据权利要求1所述的装置,其中,
所述判定单元被设定为所述参数的值越大,否定判定的可能性越大。
3.根据权利要求1或者权利要求2所述的装置,其中,
所述计算单元被构成为在所述路面图像中的与所述车辆中央的下方对应的区域以及与所述轮胎的下方对应的区域中获取该区域的图像特征量,并对与所述车辆中央的下方对应的区域中的所述图像特征量和与所述轮胎的下方对应的区域中的所述图像特征量进行比较,从而计算所述参数。
4.根据权利要求3所述的装置,其中,
所述图像特征量是该图像的亮度。
5.根据权利要求3或者权利要求4所述的装置,其中,
所述路面图像中的与所述车辆中央的下方对应的区域以及与所述轮胎的下方对应的区域是沿着车辆的行进方向具有长度的区域,
所述计算单元被构成为在所述各区域中,沿着所述车辆的行进方向隔开间隔的多个位置上获取所述图像特征量,并使用从获取的多个所述图像特征量中基于规定的基准所抽出的所述图像特征量来进行所述比较。
6.根据权利要求1~5中的任意一项所述的装置,其中,
所述判定单元被构成为在所述参数的值超过规定的阈值而较大时,判定为不执行所述处理。
7.一种程序,以能够读取的方式预先储存在存储器,并在通过处理器从该存储器读出并执行时给予该处理器以下的功能:
获取拍摄到车辆的周边的路面的路面图像的第1功能(S1);
根据通过所述第1功能获取的所述路面图像并利用图像处理来检测车道分界线的第2功能(S9);
计算表示通过所述第1功能获取的所述路面图像中与所述车辆中央的下方对应的区域和与所述车辆的轮胎的下方对应的区域比较的白的程度的参数的第3功能(S3,S4);以及
基于通过所述第3功能计算出的所述参数,针对所述第1功能的所述检测、检测出的所述车道分界线的输出、以及使用检测出的所述车道分界线的规定的控制中的任意一个处理,判定是否执行该处理的第4功能(S5~S8,S23~S25)。
8.一种检测车道的分界线的方法,具有:
获取拍摄到车辆的周边的路面的路面图像(S1);
根据所述获取的路面图像并通过图像处理来检测车道分界线(S9);
计算表示所述获取的所述路面图像中与所述车辆中央的下方对应的区域和与所述车辆的轮胎的下方对应的区域比较的白的程度的参数(S3,S4),
至少基于所述计算出的参数,针对所述检测、所述检测出的车道分界线的输出、以及使用所述检测出的车道分界线的规定的控制中任意一个处理,判定是否执行该处理。
9.根据权利要求8所述的方法,其中,
所述判定步骤被设定为所述参数的值越大,否定判定的可能性越大。
10.根据权利要求9所述的方法,其中,
所述计算步骤通过在所述路面图像中的与所述车辆中央的下方对应的区域以及与所述轮胎的下方对应的区域中获取该区域的图像特征量,并对与所述车辆中央的下方对应的区域中的所述图像特征量和与所述轮胎的下方对应的区域中的所述图像特征量进行比较,从而计算所述参数。
11.根据权利要求10所述的方法,其中,
所述图像特征量是该图像的亮度。
12.根据权利要求11所述的方法,其中,
所述路面图像中的与所述车辆中央的下方对应的区域以及与所述轮胎的下方对应的区域是沿着车辆的行进方向具有长度的区域,
在所述计算步骤中,在所述各区域中,在沿着所述车辆的行进方向隔开间隔的多个位置上获取所述图像特征量,并使用从获取的多个所述图像特征量中基于规定的基准所抽出的所述图像特征量来进行所述比较。
13.根据权利要求12所述的方法,其中,
在所述参数的值超过规定的阈值而较大时,所述判定单元判定为不执行所述处理。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012126154A JP5792678B2 (ja) | 2012-06-01 | 2012-06-01 | 車線境界線検出装置およびプログラム |
JP2012-126154 | 2012-06-01 | ||
PCT/JP2013/065206 WO2013180273A1 (ja) | 2012-06-01 | 2013-05-31 | 車線の境界線を検出する装置及びその方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104380343A true CN104380343A (zh) | 2015-02-25 |
CN104380343B CN104380343B (zh) | 2017-07-14 |
Family
ID=49673456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380028005.9A Expired - Fee Related CN104380343B (zh) | 2012-06-01 | 2013-05-31 | 检测车道的分界线的装置以及其方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9626572B2 (zh) |
JP (1) | JP5792678B2 (zh) |
CN (1) | CN104380343B (zh) |
DE (1) | DE112013002730T5 (zh) |
WO (1) | WO2013180273A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110622226A (zh) * | 2017-05-16 | 2019-12-27 | 日产自动车株式会社 | 行驶辅助装置的动作预测方法以及动作预测装置 |
CN110737266A (zh) * | 2019-09-17 | 2020-01-31 | 中国第一汽车股份有限公司 | 一种自动驾驶控制方法、装置、车辆和存储介质 |
CN111766601A (zh) * | 2019-03-13 | 2020-10-13 | 本田技研工业株式会社 | 识别装置、车辆控制装置、识别方法及存储介质 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9547805B1 (en) * | 2013-01-22 | 2017-01-17 | The Boeing Company | Systems and methods for identifying roads in images |
JP6130325B2 (ja) * | 2014-04-24 | 2017-05-17 | 本田技研工業株式会社 | 道路環境認識装置 |
CN104036253A (zh) * | 2014-06-20 | 2014-09-10 | 智慧城市系统服务(中国)有限公司 | 一种车道线追踪方法及系统 |
JP6140658B2 (ja) * | 2014-08-20 | 2017-05-31 | 株式会社Soken | 走行区画線認識装置、走行区画線認識プログラム |
JP6189815B2 (ja) | 2014-10-29 | 2017-08-30 | 株式会社Soken | 走行区画線認識システム |
JP6389119B2 (ja) * | 2014-12-25 | 2018-09-12 | 株式会社デンソー | 車線境界線認識装置 |
JP6404748B2 (ja) * | 2015-03-02 | 2018-10-17 | 株式会社Soken | 走行区画線認識装置 |
JP6745113B2 (ja) * | 2016-02-04 | 2020-08-26 | 株式会社トプコン | 路面性状取得方法、及び路面性状取得装置 |
JP6811534B2 (ja) | 2016-02-04 | 2021-01-13 | 株式会社トプコン | 道路性状の表示方法、及び道路性状の表示装置 |
JP6745112B2 (ja) | 2016-02-04 | 2020-08-26 | 株式会社トプコン | 路面性状の評価方法、及び路面性状の評価装置 |
SE539816C2 (en) * | 2016-04-19 | 2017-12-05 | Scania Cv Ab | Method and control unit in a vehicle for estimating a stretch of a road based on a set of tracks of another vehicle |
SE542423C2 (en) | 2017-06-19 | 2020-04-28 | Scania Cv Ab | Road detection control unit for a vehicle |
KR102499398B1 (ko) * | 2017-08-09 | 2023-02-13 | 삼성전자 주식회사 | 차선 검출 방법 및 장치 |
CN109427199B (zh) * | 2017-08-24 | 2022-11-18 | 北京三星通信技术研究有限公司 | 用于辅助驾驶的增强现实的方法及装置 |
JP6592051B2 (ja) * | 2017-09-25 | 2019-10-16 | 本田技研工業株式会社 | 車両制御装置 |
US10435020B2 (en) | 2017-12-01 | 2019-10-08 | Robert Bosch Gmbh | Lane keeping support on roads covered by snow |
CN109636820B (zh) * | 2018-10-31 | 2021-07-06 | 百度在线网络技术(北京)有限公司 | 电子地图车道线修正方法、设备及计算机可读存储介质 |
CN110674732B (zh) * | 2019-09-21 | 2022-06-07 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
US11643082B2 (en) | 2020-08-05 | 2023-05-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for determining real-time lane level snow accumulation |
JP7409266B2 (ja) * | 2020-09-08 | 2024-01-09 | トヨタ自動車株式会社 | 轍判定装置、轍判定方法、プログラム |
CN112446293B (zh) * | 2020-10-30 | 2023-06-23 | 华设设计集团股份有限公司 | 一种公路路面车辙污染事件视频检测方法 |
CN115908525B (zh) * | 2022-11-24 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面车辙病害三维重构的车辙体积计算方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5675489A (en) * | 1995-07-06 | 1997-10-07 | Carnegie Mellon University | System and method for estimating lateral position |
JP4532089B2 (ja) | 2003-09-09 | 2010-08-25 | 富士重工業株式会社 | 車外監視装置 |
JP2005275691A (ja) * | 2004-03-24 | 2005-10-06 | Toshiba Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
JP4451179B2 (ja) * | 2004-03-26 | 2010-04-14 | クラリオン株式会社 | 車線位置検知システム |
JP4092308B2 (ja) * | 2004-06-02 | 2008-05-28 | トヨタ自動車株式会社 | 境界線検出装置 |
JP4950858B2 (ja) * | 2007-11-29 | 2012-06-13 | アイシン・エィ・ダブリュ株式会社 | 画像認識装置及び画像認識プログラム |
JP4697480B2 (ja) * | 2008-01-11 | 2011-06-08 | 日本電気株式会社 | 車線認識装置、車線認識方法および車線認識プログラム |
JP5039013B2 (ja) | 2008-04-09 | 2012-10-03 | 本田技研工業株式会社 | 車両走行支援装置、車両、車両走行支援プログラム |
JP2010164521A (ja) * | 2009-01-19 | 2010-07-29 | Sumitomo Electric Ind Ltd | 路面状況判別装置 |
JP5664152B2 (ja) * | 2009-12-25 | 2015-02-04 | 株式会社リコー | 撮像装置、車載用撮像システム及び物体識別装置 |
CN102156979B (zh) * | 2010-12-31 | 2012-07-04 | 上海电机学院 | 基于GrowCut的车道线快速检测方法及系统 |
CN102184535B (zh) * | 2011-04-14 | 2013-08-14 | 西北工业大学 | 一种车辆所在车道边界检测方法 |
CN102360499B (zh) * | 2011-06-30 | 2014-01-22 | 电子科技大学 | 一种基于卡尔曼滤波器组的多车道线追踪方法 |
-
2012
- 2012-06-01 JP JP2012126154A patent/JP5792678B2/ja active Active
-
2013
- 2013-05-31 WO PCT/JP2013/065206 patent/WO2013180273A1/ja active Application Filing
- 2013-05-31 US US14/404,224 patent/US9626572B2/en active Active
- 2013-05-31 CN CN201380028005.9A patent/CN104380343B/zh not_active Expired - Fee Related
- 2013-05-31 DE DE112013002730.5T patent/DE112013002730T5/de not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110622226A (zh) * | 2017-05-16 | 2019-12-27 | 日产自动车株式会社 | 行驶辅助装置的动作预测方法以及动作预测装置 |
CN111766601A (zh) * | 2019-03-13 | 2020-10-13 | 本田技研工业株式会社 | 识别装置、车辆控制装置、识别方法及存储介质 |
CN111766601B (zh) * | 2019-03-13 | 2023-11-28 | 本田技研工业株式会社 | 识别装置、车辆控制装置、识别方法及存储介质 |
CN110737266A (zh) * | 2019-09-17 | 2020-01-31 | 中国第一汽车股份有限公司 | 一种自动驾驶控制方法、装置、车辆和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20150169966A1 (en) | 2015-06-18 |
CN104380343B (zh) | 2017-07-14 |
DE112013002730T5 (de) | 2015-03-19 |
WO2013180273A1 (ja) | 2013-12-05 |
JP5792678B2 (ja) | 2015-10-14 |
US9626572B2 (en) | 2017-04-18 |
JP2013250874A (ja) | 2013-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104380343A (zh) | 检测车道的分界线的装置以及其方法 | |
CN110395258B (zh) | 路面状态推断装置以及路面状态推断方法 | |
US20080291276A1 (en) | Method for Driver Assistance and Driver Assistance Device on the Basis of Lane Information | |
US10467482B2 (en) | Method and arrangement for assessing the roadway surface being driven on by a vehicle | |
US11710294B2 (en) | Apparatus for estimating road parameter | |
JP6538547B2 (ja) | 道路曲率計測装置 | |
JP2017109740A (ja) | 乗物の制御システムと制御方法 | |
US20090167864A1 (en) | Vehicle and Lane Mark Detection Device | |
US10885358B2 (en) | Method for detecting traffic signs | |
US20050278112A1 (en) | Process for predicting the course of a lane of a vehicle | |
CN103797529A (zh) | 三维物体检测装置 | |
JP2011180982A (ja) | 区画線検出装置 | |
CN106662447A (zh) | 利用行驶动态传感器确定多余的绝对位置 | |
JP2015184155A (ja) | 地図データ構造、地図データ更新方法、自車位置修正方法、車載機、サーバおよび自車位置データ修正システム | |
CN104871523A (zh) | 车载用控制装置 | |
CN105809104A (zh) | 复合标记判定装置和复合标记判定方法 | |
CN104508708A (zh) | 道路环境识别装置 | |
CN105282498A (zh) | 图像处理装置 | |
CN102646274A (zh) | 车道边界检测装置以及车道边界检测方法 | |
CN107209998A (zh) | 车道线识别装置 | |
CN107097794A (zh) | 道路车道线的侦测系统及其方法 | |
CN105579316A (zh) | 用于确定车辆的行车道的行车道走向的方法和设备 | |
CN110388929A (zh) | 导航地图更新方法、装置及系统 | |
CN105320928A (zh) | 对象物识别装置 | |
CN113176778A (zh) | 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170714 Termination date: 20190531 |
|
CF01 | Termination of patent right due to non-payment of annual fee |