CN104766089A - 检测图像中斑马线的方法、装置以及电子设备 - Google Patents
检测图像中斑马线的方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN104766089A CN104766089A CN201410008390.7A CN201410008390A CN104766089A CN 104766089 A CN104766089 A CN 104766089A CN 201410008390 A CN201410008390 A CN 201410008390A CN 104766089 A CN104766089 A CN 104766089A
- Authority
- CN
- China
- Prior art keywords
- image
- mask
- mark position
- pixel
- zebra stripes
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供一种检测图像中斑马线的方法、装置和电子设备。本发明实施例的检测图像中斑马线的装置包括:第一转换单元,其利用预设的掩模,将所述图像转换为斑马线特征图像,所述斑马线特征图像具有多个白色像素;第一确定单元,其根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。根据本发明的实施例,能够提高斑马线检测的实时性和可靠性。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种检测图像中斑马线的方法、装置以及电子设备。
背景技术
随着计算机、电子、通信技术的飞速发展,车辆自动驾驶(automatic drive)技术越来越受到人们的广泛关注。在自动驾驶技术中,一项非常具有挑战性的任务就是实现车辆的自主导航。
斑马线识别是车辆自主导航的一项重要内容,它关乎自动驾驶的安全性。在现有技术中,车辆的自动驾驶装置获取车辆前方路面的图像,并对该图像进行分析,从而检测图像中是否存在斑马线,根据检测结果来控制车辆的行驶,例如,在检测到斑马线时,降低车速。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
随着城市交通的日益繁忙,对自动驾驶技术中斑马线检测的实时性和可靠性提出了更高的要求。
本发明实施例提供一种检测图像中斑马线的装置、方法以及电子设备,以提高斑马线检测的实时性和可靠性。
根据本发明实施例的第一方面,提供一种检测图像中斑马线的装置,该装置包括:
第一转换单元,其利用预设的掩模,将所述图像转换为斑马线特征图像,所述斑马线特征图像具有白色像素;
第一确定单元,其根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。
根据本发明实施例的第二方面,提供了一种电子设备,其具有如本发明实施例的第一方面所述的检测图像中斑马线的装置。
根据本发明实施例的第三方面,提供一种检测图像中斑马线的方法,该方法包括:
利用预设的掩模,将所述图像转换为斑马线特征图像,所述斑马线特征图像具有白色像素;
根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。
本发明的有益效果在于:能够提高斑马线检测的实时性和可靠性。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例1的检测图像中斑马线的装置的组成示意图;
图2是本发明实施例1的第一转换单元的一个实施方式的组成示意图;
图3是本发明实施例1的第一掩模的一个实施方式的示意图;
图4是本发明实施例1的第二掩模的第一实施方式的示意图;
图5是本发明实施例1的第二掩模的第二实施方式的示意图;
图6是本发明实施例1的第二掩模的第三实施方式的示意图;
图7是本发明实施例1的第一转换模块的一个实施方式的组成示意图;
图8是本发明实施例1的第一计算模块的一个实施方式的组成示意图;
图9是本发明实施例1的第一确定单元的组成示意图;
图10是本发明实施例2的输入的灰度图像的一个示意图;
图11是本发明实施例2的第一掩模对应灰度图像上像素的示意图;
图12是本发明实施例2的垂直边缘图像的一个示意图;
图13是本发明实施例2的第二掩模对应垂直边缘图像上像素的示意图;
图14是本发明实施例2的斑马线特征图像的一个示意图;
图15是本发明实施例3的电子设备的一个构成示意框图;
图16是本发明实施例4的检测图像中斑马线的方法流程图;
图17是本发明实施例4的将图像转换为斑马线特征图像的一个方法流程图;
图18是本发明实施例4的将图像转换为垂直边缘图像的一个方法流程图;
图19是本发明实施例4的计算与像素的灰度相关的参数的一个方法流程图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
图1是本发明实施例1的检测图像中斑马线的装置的组成示意图。如图1所示,装置100包括:第一转换单元101和第一确定单元102。
其中,第一转换单元101利用预设的掩模,将输入到该装置的图像转换为斑马线特征图像,该斑马线特征图像具有多个白色像素;第一确定单元102根据该斑马线特征图像中白色像素的集中程度,确定该图像中是否存在斑马线。
在本实施例中,输入到该装置100的图像可以是来自于外部摄像机所拍摄的灰度图像,并且,可以根据装置100的图像处理能力来确定输入的该灰度图像的尺寸,例如,该灰度图像的尺寸可以是640×360(像素);此外,该装置100还可以自带摄像头(图未示出),用来拍摄灰度图像。
此外,在通过外部摄像头或自身摄像头所拍摄的图像并非灰度图像的情况下,该装置100还可以具有图像转换单元(未图示),该图像转换单元用于将摄像头所拍摄的图像转换为灰度图像,并且,该图像转换单元还可以将图像的尺寸剪裁到与装置100的处理能力相适应的大小,经过图像转换单元处理所得到的灰度图像被输入到第一转换单元。关于图像转换单元的工作原理可以参考现有技术,本发明实施例不再赘述。
根据本发明的实施例1,通过判断斑马线特征图像中白色像素的集中程度,就能确定该图像中是否存在斑马线,所以能方便地检测到图像中面积较小的斑马线,实现了对远距离斑马线的检测,提高了检测的可靠性;此外,利用预设的掩模来生成斑马线特征图像,提高了检测的实时性。
图2是本发明实施例1的第一转换单元101的一个实施方式的组成示意图,如图2所示,在该实施方式中,第一转换单元101可以包括第一转换模块201和第二转换模块202。
其中,第一转换模块201利用第一掩模,将输入到该装置100的图像转换为垂直边缘图像,该第一掩模具有沿该图像的水平方向的多个标记位置,该垂直边缘图像中具有白色像素,该垂直边缘图像中的白色像素对应该图像中的灰度边缘;第二转换模块202利用第二掩模,将该垂直边缘图像转换为该斑马线特征图像,该第二掩模具有沿该垂直边缘图像的水平方向的多个标记位置,该斑马线特征图像中的白色像素对应该垂直边缘图像中与该第二掩模的标记位置相匹配的区域。
在本实施例中,第一掩模的每一行可以在沿该图像的水平方向上具有N1个标记位置,该N1个标记位置的中心具有N2个连续的第三类标记位置,该N2个连续的第三类标记位置的两侧分别具有N3个连续的第一类标记位置和N3个连续的第二类标记位置,其中,N1、N2和N3都是自然数,例如,N1可以是8-12中的自然数,N2可以是4-6中的自然数,N3可以是3-5中的自然数。
其中,第一类标记位置可以是标记为-1的位置,第二类标记位置可以是标记为1的位置,第三类标记位置可以是标记为0的位置,当然,每一类标记位置也可以用其它的数字、符号或字母来标记,只要能将它们彼此区别开,本发明实施例并不做限制。
需要说明的是,第一掩模可以是一维的,即,仅具有沿该水平方向上的一行标记位置,也可以是二维的,即,具有沿着与该水平方向垂直的方向上分布的多行标记位置。并且,当第一掩模是二维掩模时,同一列标记位置的类型相同。
图3是本发明实施例1的第一掩模的一个实施方式的示意图。如图3所示,该第一掩模300是一维的,其具有沿该图像的水平方向的10个标记位置301,这10个标记位置301的前3个为“-1”,在本实施方式中,将其称为第一类标记位置;这10个标记位置301的后3个为“1”,在本实施方式中,将其称为第二类标记位置;这10个标记位置301的中间4个为“0”,在本实施方式中,将其称为第三类标记位置;。
在本实施方式中,第二掩模的每一行在沿该垂直边缘图像的水平方向上有N4个标记位置,在该N4个标记位置中,每N5个连续的第一类标记位置与每N6个第二类标记位置交替排列,并且,在相邻的第一类标记位置与第二类标记位置之间,具有N7个连续的第三类标记位置,其中,N4、N5、N6和N7都是自然数,例如,N4可以是25-50中的自然数,N5可以是5-10中的自然数,N6可以是1或2,N7可以是2或3。
此外,在第二掩模中,对每一类标记位置的标记方式与第一掩模类似,即,同一个标记用于标记第一掩模和第二掩模中的同一类标记位置。
图4是本发明实施例1的第二掩模的第一实施方式的示意图,如图4所示,该第二掩模400是一维的,但本实施例并不以此作为限制,其也可以是二维的,当第二掩模400是二维掩模时,同一列标记位置的类型相同。再请参照图4,该第二掩模400具有沿该垂直边缘图像的水平方向的25个标记位置401,在该实施方式中,每5个连续标记为-1的位置与1个标记为1的位置交替排列,在相邻的标记为1的标记位置与标记为-1的标记位置之间,具有2个标记为0的标记位置。
图5是本发明实施例1的第二掩模的第二实施方式的示意图,如图5所示,该第二掩模500也是一维的,共有28个标记位置501,其中,每6个连续标记为-1的位置与1个标记为1的位置交替排列,在相邻的标记为1的标记位置与标记为-1的标记位置之间,具有2个标记为0的标记位置。
图6是本发明实施例1的第二掩模的第三实施方式的示意图,如图6所示,该第二掩模600也是一维的,共有40个标记位置601,其中,每10个连续标记为-1的位置与1个标记为1的位置交替排列,在相邻的标记为1的标记位置与标记为-1的标记位置之间,具有2个标记为0的标记位置。
接下来,结合附图和具体实施方式介绍第一转换模块201和第二转换模块202的工作原理,但本实施例并不以此作为限制,任何可以实现上述第一转换模块201和第二转换模块202功能的组成和实施方式都包含于本发明的范围。
图7是本发明实施例1的第一转换模块201的一个实施方式的组成示意图,如图7所示,第一转换模块201包括第一计算模块701和第一设置模块702。
其中,第一计算模块701针对该图像中的每一个像素,利用第一掩模,计算与该像素的灰度相关的参数;第一设置模块702根据与该像素的灰度相关的参数,设置所该像素的颜色,得到该垂直边缘图像。
在本实施例中,第一计算模块701可以利用第一掩模300,计算与该像素相关的灰度平均值和灰度梯度值,并且,第一设置模块702可以根据该灰度平均值和灰度梯度值,来设置该像素的颜色,从而得到该垂直边缘图像。
图8是本发明实施例1的第一计算模块的一个实施方式的组成示意图,如图8所示,第一计算模块701包括第一计算子模块801和第二计算子模块802。
其中,第一计算子模块801和第二计算子模块802,根据第一掩模300的不同标记位置所对应的该图像中像素的灰度值,计算该灰度平均值和该灰度梯度值。
在本实施例中,针对该图像的每一个像素,可以将该像素与第一掩模300的起始标记位置相对应,其中,该起始标记位置可以是位于第一掩模300最左侧一列的一个标记位置或者是最右侧一列的一个标记位置,当然,在其它的实施方式中,该起始标记位置可以是第一掩模300的其它标记位置。此外,第一掩模300的每一个标记位置301分别对应该图像中的一个像素,第一掩模300的每一行的方向与该图像的水平方向一致。
在本实施例中,第一计算子模块801可以计算该图像中与第一掩模300的第一类标记位置对应的像素的平均灰度值,作为第一平均灰度值,并计算该图像中每一个与第一掩模300的第一类标记位置对应的像素的灰度值与该第一平均灰度值之差的绝对值的和,作为第一平均梯度值。
例如,第一计算子模块801可以采用下述公式(1)计算该第一平均梯度值THBK,
其中,Gray(x,y)代表该图像中位置坐标为(x,y)的像素的灰度值,(x,y)∈该图像中与第一掩模300的第一类标记位置对应的像素的位置坐标,AvgBK代表第一平均灰度值,abs代表求绝对值的运算。
在本实施例中,第二计算子模块802可以计算该图像中与该第一掩模300的第二类标记位置对应的像素的平均灰度值,作为第二平均灰度值,并计算该图像中每一个与该第一掩模300的第二类标记位置对应的像素的灰度值与该第二平均值之差的绝对值的和,作为第二平均梯度值。
例如,第二计算子模块802可以采用下述公式(2)计算该第二平均梯度值THWT,
其中,Gray(x,y)代表该图像中位置坐标为(x,y)的像素的灰度值,(x,y)∈该图像中与第一掩模300的第二类标记位置对应的像素的位置坐标,AvgWT代表第二平均灰度值,abs代表求绝对值的运算。
需要说明的是,上述实施例以第一掩模300是一维掩模为例进行说明,在第一掩模300是二维掩模的情况下,可以对各行求出的灰度平均值和灰度梯度值求平均,作为第一计算模块701的输出,或者对同一列的像素的灰度值求平均,作为上述的Gray(x,y),并计算灰度平均值和灰度梯度值。当第一掩模300为二维掩模时,能够减少计算量,提高处理速度。
当然,上述的说明只是举例,在其他的实施方式中,第一计算模块701可以采用其它的方法来计算该灰度平均值AvgBK和AvgWT以及灰度梯度值THBK和THWT。
在本实施例中,第一设置模块702可以根据该灰度平均值和该灰度梯度值与预设的阈值的大小关系,设置该像素的颜色,从而得到该垂直边缘图像。
例如,在第一平均灰度值AvgBK与第二平均灰度值AvgWT之差大于第一阈值,并且,第一平均梯度值THBK与第二平均梯度值THWT之和小于第二阈值时,第一设置模块702可以确定该图像中与该第一掩模对应的区域具有灰度边缘,并将与第一掩模300的该起始标记位置对应的该像素设置为白色,否则,将与第一掩模300的该起始标记位置对应的该像素设置为黑色,从而形成该垂直边缘图像。其中,该第一阈值可以是25-35之间的任意数值,例如30,该第二阈值可以是25-35之间的任意数值,例如30。此外,通过调整第一阈值和第二阈值,可以检测到不同程度的灰度边缘。
通过上述的说明可知,该垂直边缘图像是由黑色和白色像素所构成的图像,其中,白色像素对应原灰度图像中的灰度边缘。
在本实施例中,针对该垂直边缘图像的每一个像素,第二转换模块202可以将该像素与第二掩模400的起始标记位置相对应,其中,该起始标记位置可以是位于第二掩模400最左侧一列的一个标记位置或者是最右侧一列的一个标记位置,当然,在其它的实施方式中,该起始标记位置可以是第二掩模400的其它标记位置。此外,第二掩模400的每一个标记位置401对应该垂直边缘图像中的一个像素,第一掩模400的每一行的方向与该垂直边缘图像的水平方向一致。
在本实施例中,第二转换模块202根据第二掩模400的不同标记位置所对应的该垂直边缘图像中像素的颜色,确定该垂直边缘图像中对应于第二掩模的区域与该第二掩模是否相匹配,从而设置与第二掩模400的起始标记位置对应的该像素的颜色,形成该斑马线特征图像。
例如,当该垂直边缘图像中与第二掩模的第一类标记位置对应的像素为黑色,并且,与第二掩模的第二类标记位置对应的像素为白色时,第二转换单元202可以确定该垂直边缘图像中对应于第二掩模的区域与该第二掩模相匹配,并将该垂直边缘图像中与该第二掩模的起始标记位置对应的该像素设置为白色,否则,将该像素设置为黑色,从而形成该斑马线特征图像。其中,第三类型标记位置所对应的像素的颜色可以不影响第二转换单元202的操作。
需要说明的是,在第二掩模400是二维掩模的情况下,可以放宽设置白色像素的条件,例如,当第二掩模的第一类标记位置对应的像素中,满足第一比例或数量的像素为黑色,并且,与第二掩模的第二类标记位置对应的像素中,满足第二比例或数量的像素为白色时,可以将与该第二掩模的起始标记位置对应的该像素设置为白色。当第二掩模400为二维掩模时,能够减少计算量,提高处理速度。
此外,在本实施例中,还可以根据多个不同的第二掩模,例如第二掩模500、第二掩模600,依次生成多个斑马线特征图像并输出给第一确定单元102,从而提高检测出处斑马线的可能性。
通过上述的说明可知,该斑马线特征图像是由黑色和白色像素所构成的图像,其中,白色像素对应垂直边缘图像中与第二掩模的标记位置相匹配的区域。由于第二掩模400中标记位置的分布模拟了斑马线黑白相间的特征,因此,该斑马线特征图像中的白色像素对应该垂直边缘图像中具有斑马线特征的区域。
图9是本发明实施例1的第一确定单元的一个实施方式的组成示意图。如图9所示,第一确定单元102包括第一检测模块901和第一确定模块902。
其中,第一检测模块901用于检测该斑马线特征图像的预设区域中白色像素的数量;第一确定模块902用于在该预设区域中白色像素的数量大于第三阈值时,确定该预设区域对应的该灰度图像的区域中具有所述斑马线。
在本实施例中,该预设区域的尺寸和第三阈值可以根据输入到该装置100的灰度图像的尺寸而设定,例如,在输入的灰度图像尺寸为640×360(像素)时,该预设区域的尺寸可以是100×3(像素)或120×3(像素)等,该第三阈值可以是20-25中的任一自然数。
在本实施例中,可以根据预设区域的尺寸,将该斑马线特征图像划分为多个预设区域,并且,第一检测模块901和第一确定模块902针对每个预设区域进行上述的检测和确定操作。
此外,在本实施例中,该装置100还可以包括标记单元(图未示出),其在原灰度图像中确定有斑马线的区域进行标记,例如,在原灰度图像中确定有斑马线的区域标记一条水平线等,以指示斑马线在原灰度图像中的位置。
根据本发明的实施例1,能够实现对远距离斑马线的检测,并且,提高了检测的速度;此外,当预设的掩模为二维掩模时,能够进一步减少计算量,提高检测速度;此外,通过生成多个斑马线特征图像,能够提高检测出图像中斑马线的可能性。
实施例2
以下结合具体实例来对本发明实施例的检测图像中斑马线的装置进行说明。
在本实施例中,可以通过车载摄像头向该装置100输入尺寸为640×360(像素)的灰度图像。图10是输入的灰度图像的一个示意图,如图所示,灰度图像1000的水平方向与车辆行驶的方向垂直。
图11是第一掩模对应灰度图像上像素的一个示意图,如图11所示,第一掩模300的每一个标记位置301对应灰度图像1000中的一个像素1001,并且,将第一掩模300最左侧的位置为起始位置。
在本实施例中,如图11所示,根据第一计算子模块和第二计算子模块的计算结果,如果第一平均灰度值与第二平均灰度值之差大于第一阈值,并且,第一平均梯度值与第二平均梯度值之和小于第二阈值,那么将第一掩模300起始位置对应的灰度图像的像素1001设置为白色,否则,将该像素1001设置为黑色。
同理,对于灰度图像中的每一个像素,使第一模板300的起始位置与该像素对应,从而设置该像素的颜色,由此,将灰度图像1000转换为垂直边缘图像。
图12是垂直边缘图像的一个示意图。如图12所示,该垂直边缘图像1200是由黑色和白色像素所构成的图像。
图13是第二掩模对应垂直边缘图像上像素的一个示意图,如图13所示,第二掩模400的每一个标记位置401对应垂直边缘图像1200中的一个像素1201,并且,将第二掩模400最左侧的标记位置为起始位置。
在本实施例中,如图13所示,第二掩模400标记为-1的标记位置对应的像素都是黑色,标记为1的标记位置对应的像素都是白色,因此,将第二掩模400的起始位置所对应的像素1201由原本的黑色设置为白色。
同理,对于垂直边缘图像中的每一个像素,设置第二掩模400,使其起始位置与该像素对应,从而设置该像素的颜色,由此,将垂直边缘图像1200转换为斑马线特征图像。
图14是斑马线特征图像的一个示意图。如图14所示,该斑马线特征图像1400是由黑色和白色像素所构成的图像。
在本实施例中,根据斑马线特征图像的尺寸为100×3(像素)的预设区域1401中白色像素的数量是否多于20个,来确定灰度图像900中与该预设区域对应的区域是否存在斑马线,如果存在,则在该灰度图像900的该区域中画出直线作为标记。图10中的标记线1002是标记于灰度图像中的标记线。
根据本发明的实施例1,能够实现对远距离(例如,距摄像头20米处)斑马线的检测,并且,提高了检测的速度,从而提高了斑马线检测的实时性和可靠性。
实施例3
本发明实施例提供一种电子设备,该电子设备包括如实施例1~2所述的检测图像中斑马线的装置。
图15是本发明实施例3的电子设备1500的一个构成示意框图,该电子设备例如可以是用于控制车辆自动驾驶的自动驾驶控制装置。如图15所示,该电子设备1500可以包括中央处理器1501和存储器1502;存储器1502耦合到中央处理器1501。值得注意的是,该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在一个实施方式中,检测图像中斑马线的装置的功能可以被集成到中央处理器1501中。其中,中央处理器1401可以被配置为用于实现实施例1-2的检测图像中斑马线的装置100的功能。
在另一个实施方式中,检测图像中斑马线的装置可以与中央处理器1501分开配置,例如可以将检测图像中斑马线的装置配置为与中央处理器1501连接的芯片,通过中央处理器的控制来实现检测图像中斑马线的装置的功能。
此外,中央处理器1501还可以被配置为根据是否检测到斑马线的信号,或者检测到的斑马线在灰度图像中的位置,生成自动驾驶控制信号,以控制车辆的行驶。
如图15所示,电子设备1500还可以包括:通信模块1503、输入单元1504、显示器1505、电源1506。其中,例如可以经由该输入单元向该电子设备输入摄像机所拍摄的图像等,另外,该电子设备1500还可以用摄像单元(图未示出)来替换输入单元1504,由此可以直接通过摄像单元拍摄图像;此外,电子设备1500还可以通过通信模块1503向其它设备输出斑马线检测的结果等;此外,电子设备1500还可以通过显示器1505显示标记了斑马线位置的图片。值得注意的是,用户设备1500也并不是必须要包括图15中所示的所有部件;此外,用户设备1500还可以包括图15中没有示出的部件,可以参考现有技术。
如图15所示,中央处理器1501有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器1501接收输入并控制用户设备1500的各个部件的操作。
其中,存储器1502,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可存储执行有关信息的程序。并且中央处理器1501可执行该存储器1502存储的该程序,以实现信息存储或处理等。其他部件的功能与现有类似,此处不再赘述。用户设备1500的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本发明的范围。
实施例4
本发明实施例4提供检测图像中斑马线的方法,对应于实施例1-2所述的检测图像中斑马线的装置,与实施例1-2相同的内容不再赘述。
图16是本发明实施例4的检测图像中斑马线的一个方法流程图,如图16所述,该方法包括:
步骤1601,利用预设的掩模,将所述图像转换为斑马线特征图像;
步骤1602,根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。
图17是本发明实施例4的将图像转换为斑马线特征图像的一个方法流程图,如图17所示,该方法包括:
步骤1701,利用第一掩模将所述图像转换为垂直边缘图像;
步骤1702,利用第二掩模将所述垂直边缘图像转换为斑马线特征图像。
图18是本发明实施例4的将图像转换为垂直边缘图像的一个方法流程图,如图18所示,该方法包括:
步骤1801,针对所述图像中的每一个像素,利用所述第一掩模,计算与所述像素的灰度相关的参数;
步骤1802,根据与所述像素的灰度相关的参数,设置所述像素的颜色,得到所述垂直边缘图像。
图19是本发明实施例4的计算与像素的灰度相关的参数的一个方法流程图,如图19所示,该方法包括:
步骤1901,计算所述图像中与所述第一掩模的第一类标记位置对应的像素的平均灰度值,作为第一平均灰度值,并计算所述图像中每一个与所述第一掩模的第一类标记位置对应的像素的灰度值与所述第一平均灰度值之差的绝对值的和,作为第一平均梯度值;
步骤1902,计算所述图像中与所述第一掩模的第二类标记位置对应的像素的平均灰度值,作为第二平均灰度值,并计算所述图像中每一个与所述第一掩模的第二类标记位置对应的像素的灰度值与所述第二平均值之差的绝对值的和,作为第二平均梯度值。
在计算上述平均灰度值和平均梯度值的基础上,在该第一平均灰度值与该第二平均灰度值之差大于第一阈值,并且,该第一平均梯度值与该第二平均梯度值之和小于第二阈值时,确定该图像中与第一掩模对应的区域具有灰度边缘,并将与第一掩模的起始标记位置对应的像素设置为白色,否则,将与第一掩模的起始标记位置对应的像素设置为黑色,从而得到垂直边缘图像。
在垂直边缘图像的基础上,当所述垂直边缘图像中与第二掩模的第一类标记位置对应的像素为黑色,并且,与第二掩模的第二类标记位置对应的像素为白色时,将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为白色,否则,将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为黑色。
本实施例中上述各步骤的具体工作方式请参考实施例1-2中相应单元的具体工作方式,关于第一掩模、第二掩模、垂直边缘图像和斑马特征线图像含义的描述请参考实施例1-2中的描述,此处不再赘述。
在得到的斑马线特征图像的基础上,可以检测该斑马线特征图像的预设区域中白色像素的数量,当该预设区域中白色像素的数量大于第三阈值时,确定该预设区域对应的图像的区域中具有斑马线。此外,还可以在检测出具有斑马线的图像的区域中标记该斑马线的位置。
根据本发明的实施例4,能够实现对远距离斑马线的检测,并且,提高了检测的速度,从而提高斑马线检测的实时性和可靠性。
本发明实施例还提供一种计算机可读程序,其中当在信息处理装置或用户设备中执行所述程序时,所述程序使得计算机在所述信息处理装置或用户设备中执行实施例4所述的检测图像中斑马线的方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在信息处理装置或用户设备中执行实施例4所述的检测图像中斑马线的方法。
本发明实施例还提供一种计算机可读程序,其中当在信息处理装置或基站中执行所述程序时,所述程序使得计算机在所述信息处理装置或基站中执行实施例4所述的检测图像中斑马线的方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在信息处理装置或基站中执行实施例4所述的检测图像中斑马线的方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种检测图像中斑马线的装置,该装置包括:
第一转换单元,其利用预设的掩模,将所述图像转换为斑马线特征图像,所述斑马线特征图像具有白色像素;
第一确定单元,其根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。
附记2、如附记1所述的装置,其中,所述第一转换单元包括;
第一转换模块,其利用第一掩模将所述图像转换为垂直边缘图像,所述第一掩模具有沿所述图像的水平方向的多个标记位置,所述垂直边缘图像具有白色像素,所述垂直边缘图像中白色像素对应所述图像中的灰度边缘;
第二转换模块,其利用第二掩模将所述垂直边缘图像转换为斑马线特征图像,所述第二掩模具有沿所述垂直边缘图像的水平方向的多个标记位置,所述斑马线特征图像中的白色像素对应所述垂直边缘图像中与所述第二掩模的标记位置匹配的区域。
附记3、如附记2所述的装置,其中,所述第一转换模块包括:
第一计算模块,其针对所述图像中的每一个像素,利用所述第一掩模,计算与所述像素的灰度相关的参数;
第一设置模块,用于根据与所述像素的灰度相关的参数,设置所述像素的颜色,得到所述垂直边缘图像。
附记4、如附记3所述的装置,其中,第一计算模块包括;
第一计算子模块,其计算所述图像中与所述第一掩模的第一类标记位置对应的像素的平均灰度值,作为第一平均灰度值,并计算所述图像中每一个与所述第一掩模的第一类标记位置对应的像素的灰度值与所述第一平均灰度值之差的绝对值的和,作为第一平均梯度值;
第二计算子模块,其计算所述图像中与所述第一掩模的第二类标记位置对应的像素的平均灰度值,作为第二平均灰度值,并计算所述图像中每一个与所述第一掩模的第二类标记位置对应的像素的灰度值与所述第二平均值之差的绝对值的和,作为第二平均梯度值。
附记5、如附记4所述的装置,其中,所述第一设置模块在所述第一平均灰度值与所述第二平均灰度值之差大于第一阈值,并且,所述第一平均梯度值与所述第二平均梯度值之和小于第二阈值时,确定所述图像中与所述第一掩模对应的区域具有灰度边缘,将与所述第一掩模的起始标记位置对应的所述像素设置为白色,否则,将与所述第一掩模的起始标记位置对应的所述像素设置为黑色。
附记6、如附记2所述的装置,其中,所述第二转换模块在所述垂直边缘图像中与第二掩模的第一类标记位置对应的像素为黑色,并且,与第二掩模的第二类标记位置对应的像素为白色时,确定所述垂直边缘图像中对应于所述第二掩模的区域与所述第二掩模相匹配,并将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为白色,否则,将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为黑色。
附记7、如附记2所述的装置,其中,所述第一掩模的每一行在沿所述图像的水平方向上有N1个标记位置,其中,所述N1个标记位置的中心具有N2个连续的第三类标记位置,所述N2个连续的第三类标记位置的两侧分别具有N3个连续的第一类标记位置和N3个连续的第二类标记位置,其中,N1、N2和N3都是自然数。
附记8、如附记2所述的装置,其中,所述第二掩模的每一行在沿所述垂直边缘图像的水平方向上有N4个标记位置,其中,在所述N4个标记位置中,每N5个连续的第一类标记位置与每N6个第二类标记位置交替排列,并且,在相邻的第一类标记位置与第二类标记位置之间,具有N7个连续的第三类标记位置,其中,N4、N5、N6和N7都是自然数。
附记9、如附记1所述的装置,其中,所述第一确定单元包括:
第一检测模块,其用于检测所述斑马线特征图像的预设区域中所述白色像素的数量;
第一确定模块,其用于在所述预设区域中所述白色像素的数量大于第三阈值时,确定所述预设区域对应的所述图像的区域中具有所述斑马线。
附记10、一种电子设备,其具有如附记1-9任一项所述的检测图像中斑马线的装置。
附记11、一种检测图像中斑马线的方法,该方法包括:
利用预设的掩模,将所述图像转换为斑马线特征图像,所述斑马线特征图像具有多个白色像素;
根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。
附记12、如附记11所述的方法,其中,利用预设的掩模,将所述图像转换为斑马线特征图像包括;
利用第一掩模将所述图像转换为垂直边缘图像,所述第一掩模具有沿所述图像的水平方向的多个标记位置,所述垂直边缘图像中具有白色像素,所述垂直边缘图像中白色像素对应所述图像中的灰度边缘;
利用第二掩模将所述垂直边缘图像转换为斑马线特征图像,所述第二掩模具有沿所述垂直边缘图像的水平方向的多个标记位置,所述斑马线特征图像中的白色像素对应所述垂直边缘图像中与所述第二掩模的标记位置相匹配的区域。
附记13、如附记12所述的方法,其中,利用第一掩模将所述图像转换为垂直边缘图像包括:
针对所述图像中的每一个像素,利用所述第一掩模,计算与所述像素的灰度相关的参数;
根据与所述像素的灰度相关的参数,设置所述像素的颜色,得到所述垂直边缘图像。
附记14、如附记13所述的方法,其中,利用所述第一掩模,计算与所述像素的灰度相关的参数包括;
计算所述图像中与所述第一掩模的第一类标记位置对应的像素的平均灰度值,作为第一平均灰度值,并计算所述图像中每一个与所述第一掩模的第一类标记位置对应的像素的灰度值与所述第一平均灰度值之差的绝对值的和,作为第一平均梯度值;
计算所述图像中与所述第一掩模的第二类标记位置对应的像素的平均灰度值,作为第二平均灰度值,并计算所述图像中每一个与所述第一掩模的第二类标记位置对应的像素的灰度值与所述第二平均值之差的绝对值的和,作为第二平均梯度值。
附记15、如附记14所述的方法,其中,根据与所述像素的灰度相关的参数,设置所述像素的颜色包括:
在所述第一平均灰度值与所述第二平均灰度值之差大于第一阈值,并且,所述第一平均梯度值与所述第二平均梯度值之和小于第二阈值时,确定所述图像中与所述第一掩模对应的区域具有灰度边缘,将与所述第一掩模的起始标记位置对应的所述像素设置为白色,否则,将与所述第一掩模的起始标记位置对应的所述像素设置为黑色。
附记16、如附记12所述的方法,其中,利用第二掩模将所述垂直边缘图像转换为斑马线特征图像包括:
在所述垂直边缘图像中与第二掩模的第一类标记位置对应的像素为黑色,并且,与第二掩模的第二类标记位置对应的像素为白色时,确定所述垂直边缘图像中对应于所述第二掩模的区域与所述第二掩模相匹配,并将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为白色,否则,将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为黑色。
附记17、如附记12所述的方法,其中,所述第一掩模的每一行在沿所述图像的水平方向上有N1个标记位置,其中,所述N1个标记位置的中心具有N2个连续的第三类标记位置,所述N2个连续的第三类标记位置的两侧分别具有N3个连续的第一类标记位置和N3个连续的第二类标记位置,其中,N1、N2和N3都是自然数。
附记18、如附记12所述的方法,其中,所述第二掩模的每一行在沿所述垂直边缘图像的水平方向上有N4个标记位置,其中,在所述N4个标记位置中,每N5个连续的第一类标记位置与每N6个第二类标记位置交替排列,并且,在相邻的第一类标记位置与第二类标记位置之间,具有N7个连续的第三类标记位置,其中,N4、N5、N6和N7都是自然数。
附记19、如附记11所述的方法,其中,根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线包括:
检测所述斑马线特征图像的预设区域中所述白色像素的数量;
在所述预设区域中所述白色像素的数量大于第三阈值时,确定所述预设区域对应的所述图像的区域中具有所述斑马线。
Claims (10)
1.一种检测图像中斑马线的装置,该装置包括:
第一转换单元,其利用预设的掩模,将所述图像转换为斑马线特征图像,所述斑马线特征图像具有白色像素;
第一确定单元,其根据所述斑马线特征图像中所述白色像素的集中程度,确定所述图像中是否存在斑马线。
2.如权利要求1所述的装置,其中,所述第一转换单元包括;
第一转换模块,其利用第一掩模将所述图像转换为垂直边缘图像,所述第一掩模具有沿所述图像的水平方向的多个标记位置,所述垂直边缘图像中具有白色像素,所述垂直边缘图像中的白色像素对应所述图像中的灰度边缘;
第二转换模块,其利用第二掩模将所述垂直边缘图像转换为斑马线特征图像,所述第二掩模具有沿所述垂直边缘图像的水平方向的多个标记位置,所述斑马线特征图像中的白色像素对应所述垂直边缘图像中与所述第二掩模的标记位置相匹配的区域。
3.如权利要求2所述的装置,其中,所述第一转换模块包括:
第一计算模块,其针对所述图像中的每一个像素,利用所述第一掩模,计算与所述像素的灰度相关的参数;
第一设置模块,其根据与所述像素的灰度相关的参数,设置所述像素的颜色,得到所述垂直边缘图像。
4.如权利要求3所述的装置,其中,第一计算模块包括;
第一计算子模块,其计算所述图像中与所述第一掩模的第一类标记位置对应的像素的平均灰度值,作为第一平均灰度值,并计算所述图像中每一个与所述第一掩模的第一类标记位置对应的像素的灰度值与所述第一平均灰度值之差的绝对值的和,作为第一平均梯度值;
第二计算子模块,其计算所述图像中与所述第一掩模的第二类标记位置对应的像素的平均灰度值,作为第二平均灰度值,并计算所述图像中每一个与所述第一掩模的第二类标记位置对应的像素的灰度值与所述第二平均值之差的绝对值的和,作为第二平均梯度值。
5.如权利要求4所述的装置,其中,所述第一设置模块在所述第一平均灰度值与所述第二平均灰度值之差大于第一阈值,并且,所述第一平均梯度值与所述第二平均梯度值之和小于第二阈值时,确定所述图像中对应于所述第一掩模的区域具有灰度边缘,将与所述第一掩模的起始标记位置对应的所述像素设置为白色,否则,将与所述第一掩模的起始标记位置对应的所述像素设置为黑色。
6.如权利要求2所述的装置,其中,所述第二转换模块在所述垂直边缘图像中与第二掩模的第一类标记位置对应的像素为黑色,并且,与第二掩模的第二类标记位置对应的像素为白色时,确定所述垂直边缘图像中对应于所述第二掩模的区域与所述第二掩模相匹配,将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为白色,否则,将所述垂直边缘图像中与所述第二掩模的起始标记位置对应的像素设置为黑色。
7.如权利要求2所述的装置,其中,所述第一掩模的每一行在沿所述图像的水平方向上有N1个标记位置,其中,所述N1个标记位置的中心具有N2个连续的第三类标记位置,所述N2个连续的第三类标记位置的两侧分别具有N3个连续的第一类标记位置和N3个连续的第二类标记位置,其中,N1、N2和N3都是自然数。
8.如权利要求2所述的装置,其中,所述第二掩模的每一行在沿所述垂直边缘图像的水平方向上有N4个标记位置,其中,在所述N4个标记位置中,每N5个连续的第一类标记位置与每N6个第二类标记位置交替排列,并且,在相邻的第一类标记位置与第二类标记位置之间,具有N7个连续的第三类标记位置,其中,N4、N5、N6和N7都是自然数。
9.如权利要求1所述的装置,其中,所述第一确定单元包括:
第一检测模块,其用于检测所述斑马线特征图像的预设区域中所述白色像素的数量;
第一确定模块,其用于在所述预设区域中所述白色像素的数量大于第三阈值时,确定所述预设区域对应的所述图像的区域中具有所述斑马线。
10.一种电子设备,其具有如权利要求1-9任一项所述的检测图像中斑马线的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410008390.7A CN104766089A (zh) | 2014-01-08 | 2014-01-08 | 检测图像中斑马线的方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410008390.7A CN104766089A (zh) | 2014-01-08 | 2014-01-08 | 检测图像中斑马线的方法、装置以及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104766089A true CN104766089A (zh) | 2015-07-08 |
Family
ID=53647903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410008390.7A Pending CN104766089A (zh) | 2014-01-08 | 2014-01-08 | 检测图像中斑马线的方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766089A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355159A (zh) * | 2016-09-07 | 2017-01-25 | 遵义师范学院 | 一种基于垂直投影积分的斑马线快速检测方法 |
CN110390698A (zh) * | 2019-06-21 | 2019-10-29 | 深圳市优必选科技股份有限公司 | 一种灰度传感器模组及其数据处理方法和机器人 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247640A1 (en) * | 2004-07-22 | 2008-10-09 | National University Corporation Nara Institute Of | Image Processing Device, Image Processing Method, and Recording Medium on Which the Program is Recorded |
CN103488975A (zh) * | 2013-09-17 | 2014-01-01 | 北京联合大学 | 一种基于智能驾驶的斑马线实时检测的方法 |
-
2014
- 2014-01-08 CN CN201410008390.7A patent/CN104766089A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247640A1 (en) * | 2004-07-22 | 2008-10-09 | National University Corporation Nara Institute Of | Image Processing Device, Image Processing Method, and Recording Medium on Which the Program is Recorded |
CN103488975A (zh) * | 2013-09-17 | 2014-01-01 | 北京联合大学 | 一种基于智能驾驶的斑马线实时检测的方法 |
Non-Patent Citations (2)
Title |
---|
SHASHANK等: "ROBOT NAVIGATION USING IMAGE PROCESSING AND ISOLATED WORD RECOGNITION", 《INTERNATIONAL JOURNAL ON COMPUTER SCIENCE AND ENGINEERING》 * |
毕建权 等: "基于像素点的快速结构化道路元素检测", 《计算机工程与科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355159A (zh) * | 2016-09-07 | 2017-01-25 | 遵义师范学院 | 一种基于垂直投影积分的斑马线快速检测方法 |
CN110390698A (zh) * | 2019-06-21 | 2019-10-29 | 深圳市优必选科技股份有限公司 | 一种灰度传感器模组及其数据处理方法和机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11816991B2 (en) | Vehicle environment modeling with a camera | |
US10429193B2 (en) | Method and apparatus for generating high precision map | |
US10185880B2 (en) | Method and apparatus for augmenting a training data set | |
CN111191611B (zh) | 基于深度学习的交通标志标号识别方法 | |
CN104331873A (zh) | 一种从单幅图像检测道路的方法 | |
CN105674992A (zh) | 一种导航方法及装置 | |
CN108090423A (zh) | 一种基于热力图和关键点回归的深度车牌检测方法 | |
CN104376297A (zh) | 道路上的线型指示标志的检测方法和装置 | |
Kum et al. | Lane detection system with around view monitoring for intelligent vehicle | |
CN105488492A (zh) | 一种彩色图像预处理方法、道路识别方法及相关装置 | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
CN105426863A (zh) | 检测车道线的方法和装置 | |
CN111382625A (zh) | 道路标识识别方法、装置及电子设备 | |
Chira et al. | Real-time detection of road markings for driving assistance applications | |
JP2019211831A (ja) | 物体認識装置 | |
CN104766089A (zh) | 检测图像中斑马线的方法、装置以及电子设备 | |
CN105956511A (zh) | 一种基于Hough变换的车道直线检测与合并的方法 | |
CN113808004B (zh) | 图像变换装置、图像变换方法以及图像变换用计算机程序 | |
CN108470443A (zh) | 一种交通事故的责任判定方法和装置 | |
CN107861510A (zh) | 一种智能车辆驾驶系统 | |
CN105303188A (zh) | 一种车牌左右边界的定位方法及装置 | |
KR20160015091A (ko) | 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법 | |
CN104091166B (zh) | 一种车道线边缘提取的动态阈值方法 | |
JP2006178669A (ja) | 移動体追跡のための画像処理方法 | |
US20220144282A1 (en) | Vehicle control calculation device, vehicle control apparatus, and vehicle control calculation method |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150708 |
|
WD01 | Invention patent application deemed withdrawn after publication |