CN104742912A - 车道偏移检测方法和装置 - Google Patents
车道偏移检测方法和装置 Download PDFInfo
- Publication number
- CN104742912A CN104742912A CN201310740448.2A CN201310740448A CN104742912A CN 104742912 A CN104742912 A CN 104742912A CN 201310740448 A CN201310740448 A CN 201310740448A CN 104742912 A CN104742912 A CN 104742912A
- Authority
- CN
- China
- Prior art keywords
- lane
- distance
- video image
- image
- line
- 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
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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
Abstract
本发明提出一种车道偏移检测方法和装置。该方法包括以下步骤:获取行驶车辆的前方路况的视频图像;获取视频图像的边缘映射图像;获取边缘映射图像中的多个峰值点;根据多个峰值点获取车道线;根据车道线对车辆进行车道偏移检测。本发明实施例的方法,实时地获取行驶车辆的前方路况的视频图像并通过计算处理获取车道线,并根据车道线对车辆的车道偏移进行检测及预警,可适应昼夜及多种复杂路况,计算的复杂度低,实时性好,提高了驾驶的安全性。
Description
技术领域
本发明涉及车辆技术领域,尤其涉及一种车道偏移检测方法和装置。
背景技术
随着现代交通业和车辆产业的飞速发展,高速公路里程数及车辆保有量也在迅速增加,与此同时,车辆在高速行驶时发生的交通事故数量也在急剧增长。交通事故的直接或间接原因包括人、车、路及各种环境因素。其中驾驶员在疲劳驾驶、酒后驾驶及其它精力不集中情况下的操作失误是引发重大交通事故的主要因素。更进一步地,由车辆偏移车道引起的重大交通事故所占比例很大,例如,根据美国联邦公路局的估计,美国2002年所有的致命的交通事故中44%是跟车道偏移有关;在美国警察局统计的交通事故中,约30%的交通事故是追尾碰撞,约20%的交通事故是由于车辆偏移车道引起的。因此,作为车辆安全驾驶辅助系统的关键技术之一,车道偏移预警技术成为车辆生产商及国内外学者研究的焦点,其中车道偏移预警技术的核心在于准确的车道线位置检测以及健全的预警机制两方面。
目前车道线位置检测算法主要包括基于直线模型与基于曲线模型两类。基于直线模型的算法主要利用标准霍夫变换及其改进形式对图像预处理得到的边缘特征进行直线检测,但是,存在的问题是:对边缘的检测具有较强的依赖性,在很多道路场景中,由于车辆、阴影、水迹等因素存在,很难滤除噪声边缘。基于曲线模型的算法依赖于对控制点的选取以及曲线拟合的精度,但是,存在的问题是:计算复杂度较高,运算开销很大,影响实时性。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的第一个目的在于提出一种车道偏移检测方法。该方法可适应昼夜及多种复杂路况,计算的复杂度低,实时性好,提高了驾驶的安全性。
本发明的第二个目的在于提出一种车道偏移检测装置。
为了实现上述目的,本发明第一方面实施例的车道偏移检测方法,包括以下步骤:获取行驶车辆的前方路况的视频图像;获取所述视频图像的边缘映射图像;获取所述边缘映射图像中的多个峰值点;根据所述多个峰值点获取车道线;根据所述车道线对所述车辆进行车道偏移检测。
本发明实施例的车道偏移检测方法,实时地获取行驶车辆的前方路况的视频图像,并获取视频图像的边缘映射图像,以及获取边缘映射图像中的多个峰值点,并根据多个峰值点获取车道线,降低了对边缘检测的依赖性,从而可适应昼夜及多种复杂路况,而且通过峰值点检测可以快速地获取车道线,从而降低了计算的复杂度,提高了实时性,提升了驾驶的安全性。
为了实现上述目的,本发明第二方面实施例的车道偏移检测装置,包括:图像获取模块,用于获取行驶车辆的前方路况的视频图像;图像预处理模块,用于获取所述视频图像的边缘映射图像;车道线识别模块,用于获取所述边缘映射图像中的多个峰值点,并根据所述多个峰值点获取车道线;车道偏移检测模块,用于根据所述车道线对所述车辆进行车道偏移检测。
本发明实施例的车道偏移检测装置,实时地获取行驶车辆的前方路况的视频图像,并获取视频图像的边缘映射图像,以及获取边缘映射图像中的多个峰值点,并根据多个峰值点获取车道线,降低了对边缘检测的依赖性,从而可适应昼夜及多种复杂路况,而且通过峰值点检测可以快速地获取车道线,从而降低了计算的复杂度,提高了实时性,提升了驾驶的安全性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是根据本发明一个实施例的车道偏移检测方法的流程图;
图2是根据本发明一个实施例的获取视频图像的边缘映射图像的方法的流程图;
图3是根据本发明一个实施例的图像获取模块的安装位置示意图;
图4是根据本发明一个实施例的边缘映射图像获取过程的效果示意图;
图5是根据本发明一个实施例的获取边缘映射图像中的多个峰值点的方法的流程图;
图6是根据本发明一个实施例的峰值点获取的示意图;
图7是根据本发明一个实施例的根据多个峰值点获取车道线的方法的流程图;
图8是根据本发明一个实施例的聚类模板的示意图;
图9是根据本发明一个实施例的线段组合的示意图;
图10是根据本发明一个实施例的根据车道线对车辆进行车道偏移检测的方法的流程图;
图11是根据本发明一个实施例的矩形预警区域的示意图;
图12是根据本发明一个实施例的根据第一距离和第二距离进行车道偏移检测的方法的流程图;
图13是根据本发明另一个实施例的矩形预警区域的示意图;
图14是根据本发明一个实施例的车道偏移检测装置的结构示意图;
图15是根据本发明一个实施例的图像获取模块的结构示意图;
图16是根据本发明一个实施例的边缘映射图像在FPGA中实现的结构示意图;
图17是根据本发明一个实施例的车道线的获取过程的效果示意图;
图18是根据本发明一个实施例的车道偏移检测模块的结构示意图;
图19是根据本发明一个实施例的车道偏移检测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
下面参考附图描述根据本发明实施例的车道偏移检测方法和装置。
图1是根据本发明一个实施例的车道偏移检测方法的流程图。
如图1所示,根据本发明实施例的车道偏移检测方法,包括以下步骤。
S101,获取行驶车辆的前方路况的视频图像。
在本发明的实施例中,在车辆的行驶过程中,实时地拍摄车辆的前方路况的视频图像以用于后续处理。
S102,获取视频图像的边缘映射图像。
在本发明的实施例中,通过对行驶车辆的前方路况的视频图像进行图像预处理以获取视频图像的边缘映射图像。其中,图像预处理包括图像降噪、边缘检测等操作。
S103,获取边缘映射图像中的多个峰值点。
S104,根据多个峰值点获取车道线。
在本发明的实施例中,对边缘映射图像中的多个峰值点进行处理以获取车道线。例如,对边缘映射图像中的多个峰值点进行聚类、线段检测等处理。
S105,根据车道线对车辆进行车道偏移检测。
在本发明的实施例中,获取车道线之后,根据车道线对车辆进行车道偏移检测。例如根据当前车辆的位置以及车道线的位置对车辆进行车道偏移检测,当车辆的位置偏离车道线的距离超过了安全的阈值,则向车辆的驾驶员进行警示。
本发明实施例的车道偏移检测方法,实时地获取行驶车辆的前方路况的视频图像,并获取视频图像的边缘映射图像,以及获取边缘映射图像中的多个峰值点,并根据多个峰值点获取车道线,降低了对边缘检测的依赖性,从而可适应昼夜及多种复杂路况,而且通过峰值点检测可以快速地获取车道线,从而降低了计算的复杂度,提高了实时性,提升了驾驶的安全性。
在本发明的实施例中,步骤S101中包括:拍摄视频图像,并对拍摄的视频图像进行灰度转换。
具体地,可通过光学镜头、CMOS(Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)图像传感器拍摄视频图像,通过ISP(Image Signal Processor,图像信号处理器)图像信号处理器对拍摄得到的视频图像进行灰度转换。
例如,CMOS图像传感器采集车辆的前方路况,产生有效分辨率为640×480的彩色图像,帧率为25帧/秒,为了提升夜间及隧道等复杂路况的适应性,动态范围应不低于110dB;ISP图像信号处理器与CMOS图像传感器串行连接,连接线传输的数据为数字信号,ISP图像信号处理器对CMOS图像传感器产生的彩色图像进行处理与色彩增强,包括色彩调节及对比度调节,并最终输出灰度图像。
在本发明的实施例中,由于路面大多数为灰色或褐色,而车道线主要由白色与黄色构成,为增强白色与黄色的对比度,将RGB(Red Green Blue)色彩空间的彩色图像转换为灰度图像公式修改为如下形式:
gray=R*0.45+G*0.5+B*0.05 (1)
其中,gray表示转换后的灰度。
图2是根据本发明一个实施例的获取视频图像的边缘映射图像的方法的流程图。
在本发明的实施例中,如图2所示,步骤S102具体包括:
S1021,从视频图像中截取感兴趣视频图像。
在本发明的实施例中,可以根据拍摄位置和拍摄角度确定区域截取范围,然后根据区域截取范围从视频图像中截取感兴趣视频图像。
具体地,光学镜头、CMOS图像传感器和ISP图像信号处理器可以集成在图像获取模块中,图像获取模块安装在行驶的车辆内。例如,如图3所示,图像获取模块安装在车辆的后视镜与前挡风玻璃之间,水平方向位于中控台中心,使d1=d2,朝向正前方,竖直方向靠近前挡风玻璃顶部,高度h约为1.2m,俯仰角α约为5°。由于对车道线的识别只需要关注视频图像中的路面部分,为了加快处理速度,可以截取只包含路面部分的图像作为感兴趣区域,区域截取范围由图像获取模块的安装位置与角度决定。例如,区域截取范围的宽为640,高为240,原点位于原图像坐标系中的(0,240)。然后,根据区域截取范围从视频图像中截取感兴趣视频图像,同时,可以采用一维可分离式高斯滤波去除截取的感兴趣视频图像的噪声。
此外,在本发明的实施例中,还可以通过其它方式确定区域截取范围,在此不对区域截取范围的确定方式进行限制。
S1022,获取感兴趣视频图像中每个像素点在预设尺寸窗口内的灰度平均值。
在本发明的实施例中,对于感兴趣视频图像中每一个像素点(x,y),首先计算像素点在3×3窗口内的平均灰度值μ(x,y),采用如下公式获取μ(x,y):
其中,g(x,y)表示像素点(x,y)的灰度值,其取值范围是0~255之间的整数。
S1023,根据平均值获取每个像素点的标准差,并根据每个像素点的标准差获取边缘映射图像。
在本发明的实施例中,根据平均值获取每个像素点的标准差,像素点(x,y)在3×3窗口内的标准差δ(x,y)通过如下公式获取:
在本发明的实施例中,边缘映射图像在点(x,y)位置的值即为δ(x,y)。
在本发明的实施例中,上述步骤S1021~步骤S1023的效果示意图如图4所示,其中,图4-A表示拍摄得到的视频图像示意图,图4-B表示降噪后的感兴趣视频图像的示意图,图4-C表示边缘映射图像的示意图。
在本发明的实施例中,CMOS图像传感器的内部参数、与图像获取模块有关的位置参数等数据可以存储在ROM(Read Only Memory,只读存储器)中,视频图像、边缘映射图像等数据可以存储在RAM(Random Access Memory,随机存储器)中。
图5是根据本发明一个实施例的获取边缘映射图像中的多个峰值点的方法的流程图。
在本发明的实施例中,如图5所示,步骤S103具体包括:
S1031,逐行扫描边缘映射图像,以获取每行的边缘波形曲线,其中曲线的横坐标表示像素点列位置,曲线的纵坐标表示像素点边缘值。
在本发明的实施例中,如图36所示,对边缘映射图像的每一行进行扫描,以获取每行的边缘波形曲线。其中,图6-A为边缘映射图像的示意图,图6-B为峰值点的示意图,图6-C为边缘映射图像的边缘局部放大示意图,图6-D为边缘波形曲线示意图。
S1032,从每行的边缘波形曲线中筛选出双峰波,并根据双峰波获取对应的峰值点直至扫描结束,以获取多个峰值点。
在本发明的实施例中,从每行的边缘波形曲线中筛选出双峰波,并根据双峰波获取对应的峰值点。例如,记第i行,第k个双峰波的两个峰值的横坐标分别为Pa与Pb,则令P(i,k)=(Pa+Pb)/2为对应的车道线的峰值点横坐标,车道线的峰值点的纵坐标为双峰波所在的行位置。对于每个双峰波保存一个车道线的峰值点P(i,k)。
图7是根据本发明一个实施例的根据多个峰值点获取车道线的方法的流程图。
在本发明的实施例中,如图7所示,步骤S104包括:
S1041,对多个峰值点进行聚类。
在本发明的实施例中,对所有保存的车道线的峰值点进行聚类。采用如图8所示的5×9的聚类模板,令每一个车道线的峰值点位于模板中心,并将模板范围内其他峰值点与位于模板中心的峰值点归为一类,重复该过程直至对所有的峰值点都进行了聚类。若某个类的峰值点数量小于5,则删除该类及所属的峰值点。
S1042,根据峰值点的坐标对每类峰值点进行线段检测以获取对应的线段。
在本发明的实施例中,可以采用线性回归的方法对每类峰值点进行线段检测,每一条线段用L(PL(XL,YL),PU(XU,YU),b0,b1)表示,其中PL为线段的上端点,PU为线段的下端点,b0为线段的截距,b1为线段的斜率。其中,b0与b1通过如下公式获取:
S1043,对线段进行组合以获取车道线候选线段。
在本发明的实施例中,例如,如图9所示,线段A与线段B是两条比较接近的线段,如果线段B的顶点到线段A延长线的距离小于阈值Tc(Tc为事先选取的常数阈值,例如可取Tc=8)则将线段A的上端点与线段B的下端点进行连接构成一条新的线段,重复以上过程直至已对所有的线段进行组合操作。将组合后的线段作为车道线候选线段,计算每条线段的斜率、截距及长度并保存。
S1044,从车道线候选线段筛选出主车道线和从车道线。
在本发明的实施例中,从车道线候选线段中选择最长的候选线段作为主车道线M(am,bm),然后,选择斜率与主车道线相反的最长的候选线段作为从车道线S(as,bs),其中a表示斜率,b表示截距。
图10是根据本发明一个实施例的根据车道线对车辆进行车道偏移检测的方法的流程图。
在本发明的实施例中,如图10所示,步骤S105具体包括:
S1051,分别获取多帧视频图像中主车道线和从车道线的多个延长线交点,并根据多个延长线交点获取实际消失点。
在本发明的实施例中,根据主车道线参数M(am,bm)与从车道线参数S(as,bs)计算两条线段延长线的交点作为当前帧消失点,并保存其坐标。由于车辆行驶中的颤动及图像噪声的影响,直接利用当前帧的消失点有可能产生判断误差,因此需要根据若干帧的消失点坐标估计实际的消失点坐标。例如,首先计算最近15帧每个消失点与平均消失点坐标的距离dpvi,若dpvi>Tdp(Tdp为事先选取的常数阈值,例如可取Tdp=10),则判断该点为孤立点并删除,之后计算剩余消失点的坐标均值作为估计的实际消失点坐标pv(vx,vy)。
S1052,确定矩形预警区域,其中矩形预警区域小于视频图像的区域。
在本发明的实施例中,需要定义一个矩形预警区域作为后续偏移预警的判别区域。具体地,如图11所示,令矩形预警区域与视频图像平行,且宽度等于图像宽度,高度为视频图像高度的一半,矩形上边中点位于消失点pv(vx,vy)处。
S1053,分别获取主车道线和从车道线距离矩形预警区域的第一距离和第二距离。
在本发明的实施例中,分别计算主车道线与从车道线的第一距离dM和第二距离dS,即预警距离。dM与dS分别为主车道线、从车道线到与其最近的矩形预警区域底边角点的距离。如图11所示,虚线框为矩形预警区域,虚线框内的细实线框为危险区域,Pwi(xwi,ywi)为主车道线与矩形预警区域底边的交点,Pwc(xwc,ywc)为矩形预警区域底边角点,dM为Pwi(xwi,ywi)与Pwc(xwc,ywc)之间的距离,并定义其为主车道线的预警距离,即第一距离dM,当Pwi(xwi,ywi)位于矩形预警区域之外时,令dM=0。同理,可定义从车道线的预警距离,即第二距离dS。其中,dM与dS可通过如下公式获取:
其中,Iw与Ih分别为视频图像的宽与高。
S1054,根据第一距离和第二距离进行车道偏移检测。
在本发明的实施例中,根据第一距离和第二距离的值对车辆进行车道偏移检测,即判断行驶中的车辆是否产生偏移。
图12是根据本发明一个实施例的根据第一距离和第二距离进行车道偏移检测的方法的流程图。
在本发明的实施例中,如图12所示,步骤S1054具体包括:
S10541,当第一距离或第二距离大于第一预设阈值,则判断车辆出现第一车道偏移。
在本发明的实施例中,判断第一距离或第二距离是否大于第一预设阈值,其中第一预设阈值为1/4Iw。当第一距离dM或第二距离dS大于1/4Iw,即Pwi(xwi,ywi)位于如图11所示的危险区域内时,车辆在空域上产生偏移,即可能出现了驾驶员无意识的偏移当前车道的情况,即车辆压线行驶,则判断车辆出现第一车道偏移。
S10542,当第一距离和第二距离均小于或等于第一预设阈值,则获取第一预设时间段内第一距离和第二距离之和的第一均值以及第二预设时间段内第一距离和第二距离之和的第二均值,并获取第一均值与第二均值的差值,以及当差值大于第二预设阈值,则判断车辆出现第二车道偏移。
在本发明的实施例中,在步骤S10541中,基于空域的预警机制根据车辆与车道边界的距离来判断车道偏移从而触发预警,然而,如果当该距离没有达到触发的阈值而又发生过快转向迅速接近车道线时,驾驶员可能会由于来不及转回方向盘而最终导致车辆偏移。这种情况下,仅仅根据空域预警机制会延迟预警的触发时间,不能保证安全驾驶。因此需要一种基于时域的预警机制提供上述情况下地紧急预警,即通过计算一定时间内dM与dS值的变化来判断是否有转向过快的情况发生。
具体地,令l(t)为从时间t-Δt到时间t内dM与dS和的均值,设此时间内共获取了n幅视频图像,则l(t)可通过如下公式获取:
在本发明的实施例中,根据上述公式(6)获取连续两个时间段内的l(t)值,分别记为l(t1)、l(t2),然后计算l(t1)与l(t2)的差值ζ,ζ的计算公式如下:
ζ=l(t2)-l(t1) (9)
在本发明的实施例中,观察如图13所示的车辆向左偏移的情况,图13-A至图13-E为时间t1与t2间不同偏移位置处的示意图。在图13-A至图13-B过程中,车辆逐渐的接近左车道线,此时dM的值逐渐增大而dS的值逐渐变为0,图13-B至图13-E过程中,dS=0而dM继续增大。因此可知,车辆变道过程会使dM与dS的和增大。在计算ζ时,可令t1与t2之间间隔9帧,即n=9,由于CMOS图像传感器的帧率为25帧/秒,因此t1+0.36=t2,即基于时域的预警机制每0.36秒更新一次。
此外,在本发明的实施例中,例如,每100ms获取一次车身网络信号,包括车速信息,转向灯信息,雨刮信息,档位信息等。为了避免误报警,需要由车辆行驶状态限制预警条件。如,当停车状态或车速较低时由于道路污渍或导向箭头及斑马线等产生误报;当开启转向灯时属于有意识的变换车道,此时不需要预警;下雨时,若雨量过大或较快的雨刮速度会导致误报等。因此,限制预警的条件包括:车速大于60km/h,未开启转向灯,雨刮处于0档或1档,当前的行驶档位高于三档。只有当满足以上条件,且车辆出现第一车道偏移或第二车道偏移时,才会向车辆的驾驶员进行预警。
在本发明的实施例中,如果出现第一车道偏移,则控制扬声器输出第一预警信息,和/或生成振荡器的控制信号。
具体地,如果出现第一车道偏移,则控制扬声器输出第一预警信息,例如,控制扬声器输出语音播报提示“车辆偏移,请注意!”,并将已识别的车道线、当前预警状态信息叠加至输入视频,并输出至显示器。另外,如果出现第一车道偏移,还会生成振荡器的控制信号,控制振荡器产生震动,用以警示车辆的驾驶员。
如果出现第二车道偏移,则控制扬声器输出第二预警信息,和/或生成振荡器的控制信号。
具体地,如果出现第二车道偏移,则控制扬声器输出第二预警信息,例如,控制扬声器输出语音播报提示“转向过快,请注意!”,并将已识别的车道线、当前预警状态信息叠加至输入视频,并输出至显示器。另外,如果出现第二车道偏移,还会生成振荡器的控制信号,控制振荡器产生震动,用以警示车辆的驾驶员。
此外,在本发明的实施例中,当车辆发生车道偏移,向驾驶员发出预警的同时,还可以根据当前的车道偏移状态向车身网络发送控制信号,用于控制车辆的其他车载电子设备,包括但不限于电子油门,电子刹车等。
本发明实施例的车道偏移检测方法,当车辆发生车道偏移时,通过第一预警模块或第二预警模块对驾驶员进行预警,同时还可以向车身网络发送控制信号以控制车辆的其他车载电子设备,进一步提高了驾驶的安全性。
为了实现上述实施例,本发明还提出一种车道偏移检测装置。
图14是根据本发明一个实施例的车道偏移检测装置的结构示意图。
如图14所示,根据本发明实施例的车道偏移检测装置,包括:图像获取模块100、图像预处理模块200、车道线识别模块300和车道偏移检测模块400。
图像获取模块100用于获取行驶车辆的前方路况的视频图像。
在本发明的实施例中,在车辆的行驶过程中,实时地拍摄车辆的前方路况的视频图像以用于后续处理。
图像预处理模块200用于获取所述视频图像的边缘映射图像。
在本发明的实施例中,通过对行驶车辆的前方路况的视频图像进行图像预处理以获取视频图像的边缘映射图像。其中,图像预处理包括图像降噪、边缘检测等操作。具体地,例如,对行驶车辆的前方路况的视频图像进行的图像预处理可以通过FPGA(Field-Programmable Gate Array,现场可编程门阵列)实现。
车道线识别模块300用于获取所述边缘映射图像中的多个峰值点,并根据所述多个峰值点获取车道线。
在本发明的实施例中,可以通过DSP(Digital Signal Processing,数字信号处理)获取边缘映射图像中的多个峰值点,并对边缘映射图像中的多个峰值点进行处理以获取车道线。例如,对边缘映射图像中的多个峰值点进行聚类、线段检测等处理。
车道偏移检测模块400用于根据所述车道线对所述车辆进行车道偏移检测。
在本发明的实施例中,获取车道线之后,根据车道线对车辆进行车道偏移检测。例如根据当前车辆的位置以及车道线的位置对车辆进行车道偏移检测,当车辆的位置偏离车道线的距离超过了安全的阈值,则向车辆的驾驶员进行警示。
本发明实施例的车道偏移检测装置,实时地获取行驶车辆的前方路况的视频图像,并获取视频图像的边缘映射图像,以及获取边缘映射图像中的多个峰值点,并根据多个峰值点获取车道线,降低了对边缘检测的依赖性,从而可适应昼夜及多种复杂路况,而且通过峰值点检测可以快速地获取车道线,从而降低了计算的复杂度,提高了实时性,提升了驾驶的安全性。
图15是根据本发明一个实施例的图像获取模块的结构示意图。
在本发明的实施例中,如图15所示,图像获取模块100具体用于拍摄视频图像,并对拍摄的视频图像进行灰度转换。
具体地,可以通过图像获取模块100拍摄视频图像,并对视频图像进行灰度转换。其中,图像获取模块100包括光学镜头101、CMOS图像传感器102以及ISP图像信号处理器103。
更具体地,CMOS图像传感器102采集车辆的前方路况,产生有效分辨率为640×480的彩色图像,帧率为25帧/秒,为了提升夜间及隧道等复杂路况的适应性,动态范围应不低于110dB;ISP图像信号处理器103与CMOS图像传感器102串行连接,连接线传输的数据为数字信号,ISP图像信号处理器103对CMOS图像传感器102产生的彩色图像进行处理与色彩增强,包括色彩调节及对比度调节,并最终输出灰度图像。
在本发明的实施例中,由于路面大多数为灰色或褐色,而车道线主要由白色与黄色构成,为增强白色与黄色的对比度,将RGB色彩空间的彩色图像转换为灰度图像公式修改为公式(1)。
在本发明的实施例中,图像预处理模块200具体用于:从视频图像中截取感兴趣视频图像;获取感兴趣视频图像中每个像素点在预设尺寸窗口内的灰度平均值;以及根据平均值获取每个像素点的标准差,并根据每个像素点的标准差获取边缘映射图像。
在本发明的实施例中,可以根据拍摄位置和拍摄角度确定区域截取范围,然后根据区域截取范围从视频图像中截取感兴趣视频图像。
具体地,例如,如图3所示,图像获取模块100安装在车辆的后视镜与前挡风玻璃之间,水平方向位于中控台中心,使d1=d2,朝向正前方,竖直方向靠近前挡风玻璃顶部,高度h约为1.2m,俯仰角α约为5°;由于对车道线的识别只需要关注视频图像中的路面部分,为了加快处理速度,可以截取只包含路面部分的图像作为感兴趣区域,区域截取范围由图像获取模块100的安装位置与角度决定,例如,区域截取范围的宽为640,高为240,原点位于原图像坐标系中的(0,240);根据区域截取范围从视频图像中截取感兴趣视频图像,同时,可以采用一维可分离式高斯滤波去除截取的感兴趣视频图像的噪声。
更具体地,对于感兴趣视频图像中每一个像素点(x,y),首先计算像素点在3×3窗口内的平均灰度值μ(x,y),为了方便FPGA实现,采用公式(2)获取μ(x,y);根据平均值获取每个像素点的标准差,像素点(x,y)在3×3窗口内的标准差δ(x,y)通过公式(3)获取,边缘映射图像在点(x,y)位置的值即为δ(x,y)。在本发明的实施例中,上述处理过程在FPGA中实现的结构示意图如图16所示。其中,图16中的P11~P33分别表示在某个像素3*3窗口内的9个像素灰度值;+表示该模块输出为两个输入相加;-表示该模块输出为上方输入减下方输入;-&ABS表示该模块的输出为两个输入相减之后取绝对值,例如Abs(P11-Mean);Right Shifter表示二进制向右移位操作,Left Shifter表示二进制向左移位操作,如Right Shifter8表示右移8位。
此外,在本发明的实施例中,还可以通过其它方式确定区域截取范围,在此不对区域截取范围的确定方式进行限制。
在本发明的实施例中,车道线识别模块300具体用于:逐行扫描边缘映射图像,以获取每行的边缘波形曲线,其中曲线的横坐标表示像素点列位置,曲线的纵坐标表示像素点边缘值;从每行的边缘波形曲线中筛选出双峰波,并根据双峰波获取对应的峰值点直至扫描结束,以获取多个峰值点。
具体地,车道线识别模块300用于对边缘映射图像的每一行进行扫描,以获取每行的边缘波形曲线,并从每行的边缘波形曲线中筛选出双峰波,并根据双峰波获取对应的峰值点。例如,记第i行,第k个双峰波的两个峰值的横坐标分别为Pa与Pb,则令P(i,k)=(Pa+Pb)/2为对应的车道线的峰值点横坐标,车道线的峰值点的纵坐标为双峰波所在的行位置。对于每个双峰波保存一个车道线的峰值点P(i,k)。
在本发明的实施例中,车道线识别模块300具体用于:对多个峰值点进行聚类;根据峰值点的坐标对每类峰值点进行线段检测以获取对应的线段;对线段进行组合以获取车道线候选线段;从车道线候选线段筛选出主车道线和从车道线。
具体地,对所有保存的车道线的峰值点进行聚类。采用如图8所示的5×9的聚类模板,令每一个车道线的峰值点位于模板中心,并将模板范围内其他峰值点与位于模板中心的峰值点归为一类,重复该过程直至对所有的峰值点都进行了聚类。若某个类的峰值点数量小于5,则删除该类及所属的峰值点。
具体地,根据峰值点的坐标对每类峰值点进行线段检测以获取对应的线段。可以采用线性回归的方法对每类峰值点进行线段检测,每一条线段用L(PL(XL,YL),PU(XU,YU),b0,b1)表示,其中PL为线段的上端点,PU为线段的下端点,b0为线段的截距,b1为线段的斜率。其中,b0与b1分别通过公式(4)、(5)获取。
具体地,对线段进行组合以获取车道线候选线段,例如,如图9所示,线段A与线段B是两条比较接近的线段,如果线段B的顶点到线段A延长线的距离小于阈值Tc(Tc为事先选取的常数阈值,例如可取Tc=8)则将线段A的上端点与线段B的下端点进行连接构成一条新的线段,重复以上过程直至已对所有的线段进行组合操作。将组合后的线段作为车道线候选线段,计算每条线段的斜率、截距及长度并保存。
具体地,从车道线候选线段筛选出主车道线和从车道线。从车道线候选线段中选择最长的候选线段作为主车道线M(am,bm),然后,选择斜率与主车道线相反的最长的候选线段作为从车道线S(as,bs),其中a表示斜率,b表示截距。
图17是根据本发明一个实施例的车道线的获取过程的效果示意图。上述根据边缘映射图像(图17-A)获取峰值点(图17-B),然后进行线段检测(图17-C),再进行线段组合(图17-D),最后获取主车道线和从车道线(图17-E)的效果示意图如图17所示。
图18是根据本发明一个实施例的车道偏移检测模块的结构示意图。如图18所示,车道偏移检测模块400包括:消失点获取单元410、预警区域确定单元420、距离获取单元430和检测单元440。
其中,消失点获取单元410用于分别获取多帧视频图像中主车道线和从车道线的多个延长线交点,并根据多个延长线交点获取实际消失点。
在本发明的实施例中,根据主车道线参数M(am,bm)与从车道线参数S(as,bs)计算两条线段延长线的交点作为当前帧消失点,并保存其坐标。由于车辆行驶中的颤动及图像噪声的影响,直接利用当前帧的消失点有可能产生判断误差,因此需要根据若干帧的消失点坐标估计实际的消失点坐标。例如,首先计算最近15帧每个消失点与平均消失点坐标的距离dpvi,若dpvi>Tdp(Tdp为事先选取的常数阈值,例如可取Tdp=10),则判断该点为孤立点并删除,之后计算剩余消失点的坐标均值作为估计的实际消失点坐标pv(vx,vy)。
预警区域确定单元420用于确定矩形预警区域,其中矩形预警区域小于视频图像的区域。
在本发明的实施例中,预警区域确定单元420用于定义一个矩形预警区域作为后续偏移预警的判别区域。具体地,如图11所示,令矩形预警区域与视频图像平行,且宽度等于图像宽度,高度为视频图像高度的一半,矩形上边中点位于消失点pv(vx,vy)处。
距离获取单元430用于分别获取主车道线和从车道线距离矩形预警区域的第一距离和第二距离。
在本发明的实施例中,分别计算主车道线与从车道线的第一距离dM和第二距离dS,即预警距离。dM与dS分别为主车道线、从车道线到与其最近的矩形预警区域底边角点的距离。如图11所示,虚线框为矩形预警区域,虚线框内的细实线框为危险区域,Pwi(xwi,ywi)为主车道线与矩形预警区域底边的交点,Pwc(xwc,ywc)为矩形预警区域底边角点,dM为Pwi(xwi,ywi)与Pwc(xwc,ywc)之间的距离,并定义其为主车道线的预警距离,即第一距离dM,当Pwi(xwi,ywi)位于矩形预警区域之外时,令dM=0。同理,可定义从车道线的预警距离,即第二距离dS。其中,dM与dS分别通过公式(6)、(7)获取。
检测单元440用于根据第一距离和第二距离进行车道偏移检测。
在本发明的实施例中,检测单元440根据第一距离和第二距离的值对车辆进行车道偏移检测,即判断行驶中的车辆是否产生偏移。
在本发明的实施例中,检测单元440具体用于:当第一距离或第二距离大于第一预设阈值,则判断车辆出现第一车道偏移;当第一距离和第二距离均小于或等于第一预设阈值,则获取第一预设时间段内第一距离和第二距离之和的第一均值以及第二预设时间段内第一距离和第二距离之和的第二均值,并获取第一均值与第二均值的差值,以及当差值大于第二预设阈值,则判断车辆出现第二车道偏移。
具体地,判断第一距离或第二距离是否大于第一预设阈值,其中第一预设阈值为1/4Iw。当第一距离dM或第二距离dS大于1/4Iw时,即Pwi(xwi,ywi)位于如图11所示的危险区域内时,车辆在空域上产生偏移,即可能出现了驾驶员无意识的偏移当前车道的情况,即车辆压线行驶,则判断车辆出现第一车道偏移。
具体地,上述基于空域的预警机制根据车辆与车道边界的距离来判断车道偏移从而触发预警,然而,如果当该距离没有达到触发的阈值而又发生过快转向迅速接近车道线时,驾驶员可能会由于来不及转回方向盘而最终导致车辆偏移。这种情况下,仅仅根据空域预警机制会延迟预警的触发时间,不能保证安全驾驶。因此需要一种基于时域的预警机制提供上述情况下地紧急预警,即通过计算一定时间内dM与dS值的变化来判断是否有转向过快的情况发生。
具体地,令l(t)为从时间t-Δt到时间t内dM与dS和的均值,设此时间内共获取了n幅视频图像,则l(t)可通过公式(8)获取。
在本发明的实施例中,根据公式(8)获取连续两个时间段内的l(t)值,分别记为l(t1)、l(t2),然后计算l(t1)与l(t2)的差值ζ,ζ通过公式(9)获取。
在本发明的实施例中,观察如图13所示的车辆向左偏移的情况,图13-A至图13-E为时间t1与t2间不同偏移位置处的示意图。在图13-A至图13-B过程中,车辆逐渐的接近左车道线,此时dM的值逐渐增大而dS的值逐渐变为0,图13-B至图13-E过程中,dS=0而dM继续增大。因此可知,车辆变道过程会使dM与dS的和增大。在计算ζ时,可令t1与t2之间间隔9帧,即n=9,由于CMOS图像传感器的帧率为25帧/秒,因此t1+0.36=t2,即基于时域的预警机制每0.36秒更新一次。
此外,在本发明的实施例中,例如,图像预处理模块200每100ms获取一次车身网络信号,包括车速信息,转向灯信息,雨刮信息,档位信息等。为了避免误报警,需要由车辆行驶状态限制预警条件。如,当停车状态或车速较低时由于道路污渍或导向箭头及斑马线等产生误报;当开启转向灯时属于有意识的变换车道,此时不需要预警;下雨时,若雨量过大或较快的雨刮速度会导致误报等。因此,限制预警的条件包括:车速大于60km/h,未开启转向灯,雨刮处于0档或1档,当前的行驶档位高于三档。只有当满足以上条件,且车辆出现第一车道偏移或第二车道偏移时,才会向车辆的驾驶员进行预警。
图19是根据本发明一个实施例的车道偏移检测装置的结构示意图。如图19所示,根据本发明实施例的车道偏移检测装置包括:图像获取模块100、图像预处理模块200、车道线识别模块300、车道偏移检测模块400、第一预警模块500和第二预警模块600。
其中,第一预警模块500用于如果出现第一车道偏移,则控制扬声器输出第一预警信息,和/或生成振荡器的控制信号。
具体地,如果出现第一车道偏移,则控制扬声器输出第一预警信息,例如,控制扬声器输出语音播报提示“车辆偏移,请注意!”,并将已识别的车道线、当前预警状态信息叠加至输入视频,并输出至显示器。另外,如果出现第一车道偏移,还会生成振荡器的控制信号,控制振荡器产生震动,用以警示车辆的驾驶员。
第二预警模块600用于如果出现第二车道偏移,则控制扬声器输出第二预警信息,和/或生成振荡器的控制信号。
具体地,如果出现第二车道偏移,则控制扬声器输出第二预警信息,例如,控制扬声器输出语音播报提示“转向过快,请注意!”,并将已识别的车道线、当前预警状态信息叠加至输入视频,并输出至显示器。另外,如果出现第二车道偏移,还会生成振荡器的控制信号,控制振荡器产生震动,用以警示车辆的驾驶员。
此外,在本发明的实施例中,当车辆发生车道偏移,向驾驶员发出预警的同时,还可以根据当前的车道偏移状态向车身网络发送控制信号,用于控制车辆的其他车载电子设备,包括但不限于电子油门,电子刹车等。
本发明实施例的车道偏移检测装置,当车辆发生车道偏移时,通过第一预警模块或第二预警模块对驾驶员进行预警,同时还可以向车身网络发送控制信号以控制车辆的其他车载电子设备,进一步提高了驾驶的安全性。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (16)
1.一种车道偏移检测方法,其特征在于,包括:
S1:获取行驶车辆的前方路况的视频图像;
S2:获取所述视频图像的边缘映射图像;
S3:获取所述边缘映射图像中的多个峰值点;
S4:根据所述多个峰值点获取车道线;
S5:根据所述车道线对所述车辆进行车道偏移检测。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:
拍摄所述视频图像,并对拍摄的所述视频图像进行灰度转换。
3.根据权利要求2所述的方法,其特征在于,所述步骤S2包括:
从所述视频图像中截取感兴趣视频图像;
获取所述感兴趣视频图像中每个像素点在预设尺寸窗口内的灰度平均值;
根据所述平均值获取所述每个像素点的标准差,并根据所述每个像素点的标准差获取所述边缘映射图像。
4.根据权利要求3所述的方法,其特征在于,所述步骤S3包括:
逐行扫描所述边缘映射图像,以获取每行的边缘波形曲线,其中所述曲线的横坐标表示像素点列位置,所述曲线的纵坐标表示像素点边缘值;
从每行的所述边缘波形曲线中筛选出双峰波,并根据所述双峰波获取对应的峰值点直至扫描结束,以获取所述多个峰值点。
5.根据权利要求4所述的方法,其特征在于,所述峰值点的横坐标为所述双峰波的第一横坐标值和第二横坐标值的平均值,所述峰值点的纵坐标为所在的行位置,所述步骤S4包括:
对所述多个峰值点进行聚类;
根据所述峰值点的坐标对每类峰值点进行线段检测以获取对应的线段;
对所述线段进行组合以获取车道线候选线段;
从所述车道线候选线段筛选出主车道线和从车道线。
6.根据权利要求5所述的方法,其特征在于,所述步骤S5包括:
分别获取多帧视频图像中所述主车道线和所述从车道线的多个延长线交点,并根据所述多个延长线交点获取实际消失点;
确定矩形预警区域,其中所述矩形预警区域小于所述视频图像的区域;
分别获取所述主车道线和所述从车道线距离所述矩形预警区域的第一距离和第二距离;
根据所述第一距离和第二距离进行车道偏移检测。
7.根据权利要求6所述的方法,其特征在于,所述根据第一距离和第二距离进行车道偏移检测包括:
当所述第一距离或所述第二距离大于第一预设阈值,则判断所述车辆出现第一车道偏移;
当所述第一距离和所述第二距离均小于或等于第一预设阈值,则获取第一预设时间段内所述第一距离和所述第二距离之和的第一均值以及第二预设时间段内所述第一距离和所述第二距离之和的第二均值,并获取所述第一均值与所述第二均值的差值,以及当所述差值大于第二预设阈值,则判断所述车辆出现第二车道偏移。
8.根据权利要求7所述的方法,其特征在于,还包括:
如果出现所述第一车道偏移,则控制扬声器输出第一预警信息,和/或生成振荡器的控制信号;
如果出现所述第二车道偏移,则控制扬声器输出第二预警信息,和/或生成振荡器的控制信号。
9.一种车道偏移检测装置,其特征在于,包括:
图像获取模块,用于获取行驶车辆的前方路况的视频图像;
图像预处理模块,用于获取所述视频图像的边缘映射图像;
车道线识别模块,用于获取所述边缘映射图像中的多个峰值点,并根据所述多个峰值点获取车道线;以及
车道偏移检测模块,用于根据所述车道线对所述车辆进行车道偏移检测。
10.根据权利要求9所述的装置,其特征在于,所述图像获取模块具体用于拍摄所述视频图像,并对拍摄的所述视频图像进行灰度转换。
11.根据权利要求10所述的装置,其特征在于,所述图像预处理模块具体用于:
从所述视频图像中截取感兴趣视频图像;
获取所述感兴趣视频图像中每个像素点在预设尺寸窗口内的灰度平均值;以及
根据所述平均值获取所述每个像素点的标准差,并根据所述每个像素点的标准差获取所述边缘映射图像。
12.根据权利要求11所述的装置,其特征在于,车道线识别模块具体用于:
逐行扫描所述边缘映射图像,以获取每行的边缘波形曲线,其中所述曲线的横坐标表示像素点列位置,所述曲线的纵坐标表示像素点边缘值;
从每行的所述边缘波形曲线中筛选出双峰波,并根据所述双峰波获取对应的峰值点直至扫描结束,以获取所述多个峰值点。
13.根据权利要求12所述的方法,其特征在于,所述峰值点的横坐标为所述双峰波的第一横坐标值和第二横坐标值的平均值,所述峰值点的纵坐标为所在的行位置,所述车道线识别模块具体用于:
对所述多个峰值点进行聚类;
根据所述峰值点的坐标对每类峰值点进行线段检测以获取对应的线段;
对所述线段进行组合以获取车道线候选线段;
从所述车道线候选线段筛选出主车道线和从车道线。
14.根据权利要求13所述的方法,其特征在于,所述车道偏移检测模块包括:
消失点获取单元,用于分别获取多帧视频图像中所述主车道线和所述从车道线的多个延长线交点,并根据所述多个延长线交点获取实际消失点;
预警区域确定单元,用于确定矩形预警区域,其中所述矩形预警区域小于所述视频图像的区域;
距离获取单元,用于分别获取所述主车道线和所述从车道线距离所述矩形预警区域的第一距离和第二距离;
检测单元,用于根据所述第一距离和第二距离进行车道偏移检测。
15.根据权利要求14所述的装置,其特征在于,所述检测单元具体用于:
当所述第一距离或所述第二距离大于第一预设阈值,则判断所述车辆出现第一车道偏移;
当所述第一距离和所述第二距离均小于或等于第一预设阈值,则获取第一预设时间段内所述第一距离和所述第二距离之和的第一均值以及第二预设时间段内所述第一距离和所述第二距离之和的第二均值,并获取所述第一均值与所述第二均值的差值,以及当所述差值大于第二预设阈值,则判断所述车辆出现第二车道偏移。
16.根据权利要求15所述的装置,其特征在于,还包括:
第一预警模块,用于如果出现所述第一车道偏移,则控制扬声器输出第一预警信息,和/或生成振荡器的控制信号;
第二预警模块,用于如果出现所述第二车道偏移,则控制扬声器输出第二预警信息,和/或生成振荡器的控制信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740448.2A CN104742912B (zh) | 2013-12-27 | 2013-12-27 | 车道偏移检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740448.2A CN104742912B (zh) | 2013-12-27 | 2013-12-27 | 车道偏移检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104742912A true CN104742912A (zh) | 2015-07-01 |
CN104742912B CN104742912B (zh) | 2017-08-04 |
Family
ID=53583349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310740448.2A Active CN104742912B (zh) | 2013-12-27 | 2013-12-27 | 车道偏移检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104742912B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105501722A (zh) * | 2015-12-08 | 2016-04-20 | 中国铁路总公司 | 集装箱装车组合优化方法及偏载实时监控系统 |
CN107179197A (zh) * | 2016-03-11 | 2017-09-19 | 深圳市航盛电子股份有限公司 | 一种车道偏移预警极限识别能力模拟测试方法及测试系统 |
CN107180228A (zh) * | 2017-05-02 | 2017-09-19 | 开易(北京)科技有限公司 | 一种用于车道线检测的梯度增强转换方法及系统 |
WO2018053913A1 (zh) * | 2016-09-22 | 2018-03-29 | 深圳市元征科技股份有限公司 | 控制车辆行驶的方法及装置 |
CN107918763A (zh) * | 2017-11-03 | 2018-04-17 | 深圳星行科技有限公司 | 车道线检测方法和系统 |
CN108052908A (zh) * | 2017-12-15 | 2018-05-18 | 郑州日产汽车有限公司 | 车道保持方法 |
CN108630014A (zh) * | 2018-05-10 | 2018-10-09 | 苏州天瞳威视电子科技有限公司 | 一种行车线偏离预警系统及方法 |
CN109255316A (zh) * | 2018-08-30 | 2019-01-22 | 深圳市路畅科技股份有限公司 | 一种车道偏移检测方法及系统 |
CN109543493A (zh) * | 2017-09-22 | 2019-03-29 | 杭州海康威视数字技术股份有限公司 | 一种车道线的检测方法、装置及电子设备 |
CN109871776A (zh) * | 2019-01-23 | 2019-06-11 | 昆山星际舟智能科技有限公司 | 全天候车道线偏离的预警方法 |
CN110210451A (zh) * | 2019-06-13 | 2019-09-06 | 重庆邮电大学 | 一种斑马线检测方法 |
CN110647801A (zh) * | 2019-08-06 | 2020-01-03 | 北京汽车集团有限公司 | 设置感兴趣区域的方法、装置、存储介质及电子设备 |
CN111169371A (zh) * | 2020-01-14 | 2020-05-19 | 吉利汽车研究院(宁波)有限公司 | 一种车辆转向灯的控制方法、装置、电子设备和存储介质 |
CN111540023A (zh) * | 2020-05-15 | 2020-08-14 | 百度在线网络技术(北京)有限公司 | 图像采集设备的监测方法、装置、电子设备及存储介质 |
CN111798668A (zh) * | 2020-07-04 | 2020-10-20 | 绍兴市小陆科技服务有限公司 | 一种用于车辆安全行驶的路况预警方法和路况预警装置 |
CN112132109A (zh) * | 2020-10-10 | 2020-12-25 | 北京百度网讯科技有限公司 | 车道线处理和车道定位方法、装置、设备及存储介质 |
CN112519672A (zh) * | 2019-09-19 | 2021-03-19 | 比亚迪股份有限公司 | 车辆及其转向灯的控制方法、装置、系统以及存储介质 |
CN113516014A (zh) * | 2020-04-10 | 2021-10-19 | 星克跃尔株式会社 | 车道线检测方法、车道线检测装置、电子设备、计算机程序以及计算机可读记录介质 |
CN115214705A (zh) * | 2022-06-09 | 2022-10-21 | 广东省智能网联汽车创新中心有限公司 | 一种车道偏移预警方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1267039A (zh) * | 1999-03-12 | 2000-09-20 | 现代自动车株式会社 | 用于车道偏移警告系统的道路模拟方法 |
CN101393034A (zh) * | 2007-09-21 | 2009-03-25 | 财团法人工业技术研究院 | 车道线预估方法及车道偏移警示系统 |
CN101470801A (zh) * | 2007-12-24 | 2009-07-01 | 财团法人车辆研究测试中心 | 车辆偏移的检知方法与装置 |
CN103049917A (zh) * | 2011-10-12 | 2013-04-17 | 上海日浦信息技术有限公司 | 用于车道偏移警告系统的道路模拟方法 |
CN103117005A (zh) * | 2011-11-16 | 2013-05-22 | 财团法人工业技术研究院 | 车道偏移警示方法及系统 |
CN103448724A (zh) * | 2013-08-23 | 2013-12-18 | 奇瑞汽车股份有限公司 | 车道偏离预警方法和装置 |
-
2013
- 2013-12-27 CN CN201310740448.2A patent/CN104742912B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1267039A (zh) * | 1999-03-12 | 2000-09-20 | 现代自动车株式会社 | 用于车道偏移警告系统的道路模拟方法 |
CN101393034A (zh) * | 2007-09-21 | 2009-03-25 | 财团法人工业技术研究院 | 车道线预估方法及车道偏移警示系统 |
CN101470801A (zh) * | 2007-12-24 | 2009-07-01 | 财团法人车辆研究测试中心 | 车辆偏移的检知方法与装置 |
CN103049917A (zh) * | 2011-10-12 | 2013-04-17 | 上海日浦信息技术有限公司 | 用于车道偏移警告系统的道路模拟方法 |
CN103117005A (zh) * | 2011-11-16 | 2013-05-22 | 财团法人工业技术研究院 | 车道偏移警示方法及系统 |
CN103448724A (zh) * | 2013-08-23 | 2013-12-18 | 奇瑞汽车股份有限公司 | 车道偏离预警方法和装置 |
Non-Patent Citations (2)
Title |
---|
杨淑莹: "《VC++图像处理程序设计》", 30 November 2003, 清华大学出版社、北方交通大学出版社 * |
程显毅、刘一松、晏立: "《面向智能体的知识工程》", 30 September 2008, 科学出版社 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105501722A (zh) * | 2015-12-08 | 2016-04-20 | 中国铁路总公司 | 集装箱装车组合优化方法及偏载实时监控系统 |
CN105501722B (zh) * | 2015-12-08 | 2018-03-27 | 中国铁路总公司 | 一种集装箱车载监测系统实现集装箱装车组合优化的方法 |
CN107179197A (zh) * | 2016-03-11 | 2017-09-19 | 深圳市航盛电子股份有限公司 | 一种车道偏移预警极限识别能力模拟测试方法及测试系统 |
CN107179197B (zh) * | 2016-03-11 | 2023-11-07 | 深圳市航盛电子股份有限公司 | 一种车道偏移预警极限识别能力模拟测试方法及测试系统 |
WO2018053913A1 (zh) * | 2016-09-22 | 2018-03-29 | 深圳市元征科技股份有限公司 | 控制车辆行驶的方法及装置 |
CN107180228A (zh) * | 2017-05-02 | 2017-09-19 | 开易(北京)科技有限公司 | 一种用于车道线检测的梯度增强转换方法及系统 |
CN109543493A (zh) * | 2017-09-22 | 2019-03-29 | 杭州海康威视数字技术股份有限公司 | 一种车道线的检测方法、装置及电子设备 |
CN109543493B (zh) * | 2017-09-22 | 2020-11-20 | 杭州海康威视数字技术股份有限公司 | 一种车道线的检测方法、装置及电子设备 |
CN107918763A (zh) * | 2017-11-03 | 2018-04-17 | 深圳星行科技有限公司 | 车道线检测方法和系统 |
CN108052908A (zh) * | 2017-12-15 | 2018-05-18 | 郑州日产汽车有限公司 | 车道保持方法 |
CN108630014A (zh) * | 2018-05-10 | 2018-10-09 | 苏州天瞳威视电子科技有限公司 | 一种行车线偏离预警系统及方法 |
CN109255316A (zh) * | 2018-08-30 | 2019-01-22 | 深圳市路畅科技股份有限公司 | 一种车道偏移检测方法及系统 |
CN109871776A (zh) * | 2019-01-23 | 2019-06-11 | 昆山星际舟智能科技有限公司 | 全天候车道线偏离的预警方法 |
CN109871776B (zh) * | 2019-01-23 | 2023-04-14 | 昆山星际舟智能科技有限公司 | 全天候车道线偏离的预警方法 |
CN110210451A (zh) * | 2019-06-13 | 2019-09-06 | 重庆邮电大学 | 一种斑马线检测方法 |
CN110210451B (zh) * | 2019-06-13 | 2022-07-08 | 重庆邮电大学 | 一种斑马线检测方法 |
CN110647801A (zh) * | 2019-08-06 | 2020-01-03 | 北京汽车集团有限公司 | 设置感兴趣区域的方法、装置、存储介质及电子设备 |
CN112519672A (zh) * | 2019-09-19 | 2021-03-19 | 比亚迪股份有限公司 | 车辆及其转向灯的控制方法、装置、系统以及存储介质 |
CN111169371A (zh) * | 2020-01-14 | 2020-05-19 | 吉利汽车研究院(宁波)有限公司 | 一种车辆转向灯的控制方法、装置、电子设备和存储介质 |
CN113516014A (zh) * | 2020-04-10 | 2021-10-19 | 星克跃尔株式会社 | 车道线检测方法、车道线检测装置、电子设备、计算机程序以及计算机可读记录介质 |
CN111540023B (zh) * | 2020-05-15 | 2023-03-21 | 阿波罗智联(北京)科技有限公司 | 图像采集设备的监测方法、装置、电子设备及存储介质 |
CN111540023A (zh) * | 2020-05-15 | 2020-08-14 | 百度在线网络技术(北京)有限公司 | 图像采集设备的监测方法、装置、电子设备及存储介质 |
CN111798668A (zh) * | 2020-07-04 | 2020-10-20 | 绍兴市小陆科技服务有限公司 | 一种用于车辆安全行驶的路况预警方法和路况预警装置 |
CN112132109A (zh) * | 2020-10-10 | 2020-12-25 | 北京百度网讯科技有限公司 | 车道线处理和车道定位方法、装置、设备及存储介质 |
CN115214705A (zh) * | 2022-06-09 | 2022-10-21 | 广东省智能网联汽车创新中心有限公司 | 一种车道偏移预警方法及系统 |
CN115214705B (zh) * | 2022-06-09 | 2024-01-16 | 广东省智能网联汽车创新中心有限公司 | 一种车道偏移预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104742912B (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104742912A (zh) | 车道偏移检测方法和装置 | |
CN101984478B (zh) | 基于双目视觉车道线检测的非正常s型驾驶预警方法 | |
CN105799574B (zh) | 夜间智能辅助驾驶系统 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
US10956757B2 (en) | Image processing device, outside recognition device | |
CN100440269C (zh) | 高速公路汽车行驶智能检测预警方法及其预警系统 | |
CN108845327B (zh) | 一种大货车视野盲区障碍物的智能检测及提醒系统 | |
CN104021378B (zh) | 基于时空关联与先验知识的交通信号灯实时识别方法 | |
CN101135558B (zh) | 一种基于机器视觉的汽车防撞预警方法及装置 | |
CN107527511B (zh) | 一种智能车辆行车提醒方法及装置 | |
JP2021517675A (ja) | 路面状態と天候に基づく環境影響を認識し評価するための方法及び装置 | |
CN106394559A (zh) | 基于环境感知信息的多目标评判驾驶行为分析方法 | |
CN107479061A (zh) | 一种基于图像识别与雷达测距的安全预警方法及系统 | |
DE10136981A1 (de) | Verfahren und Vorrichtung zur Ermittlung eines stationären und/oder bewegten Objektes | |
CN205768952U (zh) | 夜间智能辅助驾驶装置 | |
CN106004438A (zh) | 车载智能交通灯联动方法及系统 | |
DE102016002230B4 (de) | Verfahren zum Betrieb eines Kraftfahrzeugs und Kraftfahrzeug | |
CN103907145A (zh) | 用于在注意力不够集中时警告机动车驾驶员的方法和设备 | |
DE102011105520A1 (de) | Verfahren zur Erfassung von Lichtsignalen von Lichtzeichenanlagen für ein Fahrzeug | |
DE102010007884A1 (de) | Verfahren und Vorrichtung zur Kollisionswarnung und -vermeidung | |
DE102011104740A1 (de) | Verfahren und Vorrichtung zur Totwinkelüberwachung für ein Fahrzeug | |
CN103692974A (zh) | 一种基于环境监测的车辆行驶安全预警方法及系统 | |
CN110827575A (zh) | 协同式车辆安全系统与方法 | |
CN202463683U (zh) | 一种具有驾驶员目光跟随功能的智能车灯系统 | |
CN116030662B (zh) | 一种基于大数据的智能安全检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |