CN105674992A - 一种导航方法及装置 - Google Patents
一种导航方法及装置 Download PDFInfo
- Publication number
- CN105674992A CN105674992A CN201410669147.XA CN201410669147A CN105674992A CN 105674992 A CN105674992 A CN 105674992A CN 201410669147 A CN201410669147 A CN 201410669147A CN 105674992 A CN105674992 A CN 105674992A
- Authority
- CN
- China
- Prior art keywords
- road
- lane line
- image
- driving vehicle
- determined
- 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
- Traffic Control Systems (AREA)
Abstract
本发明涉及导航技术领域,尤其涉及一种导航方法及装置,用以解决现有技术无法准确定位行驶车辆当前所在的道路类型或该行驶车辆所在的车道的问题。该导航方法包括:获取行驶车辆的前方道路图像;检测获取的所述前方道路图像中的车道线;基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息。本发明实施例可以准确定位行驶车辆所在道路的道路信息,利用定位的行驶车辆所在道路的道路信息,如所在车道或所在道路的道路类型,可以更准确地为行驶车辆进行导航。
Description
技术领域
本发明涉及导航技术领域,尤其涉及一种导航方法及装置。
背景技术
车载导航主要是利用车载全球定位系统(GlobalPositioningSystem,GPS)进行导航,它能方便且准确地告诉驾驶者去往目的地的最短或者最快路径。
在实际导航过程中,GPS定位存在一定的定位误差,定位误差一般在10米左右,这有可能会出现两方面的问题。一方面,城市快速路一般由主路和辅路构成,由于主路和辅路两种类型的道路距离较近,GPS有可能将行驶车辆当前所在道路的道路类型定位错误,从而导致导航软件无法准确地为行驶车辆进行导航。比如,当行驶车辆从主路上行驶到辅路上时,如果GPS仍定位行驶车辆位于主路上,则导航软件将无法及时地提示行驶车辆如何在辅路上行驶至目的地。另一方面,一条道路上有多条车道,因GPS定位误差在10米左右,很有可能将车辆所在的车道定位错误。比如,某条道路上有三条车道;导航软件根据为行驶车辆规划的导航路线,确定该行驶车辆需要在前方两百米处的右转车道右转,而行驶车辆当前所在的车道为中间车道,由于GPS定位存在误差,会导致导航软件将行驶车辆当前所在的车道错误定位成右车道,从而没有提前提示行驶车辆变换车道,这可能导致行驶车辆无法在路口右转;另外,由于某些高速公路在不同车道上规定的车辆行驶的最高时速和/或最低时速不同,因此,若将车辆所在的车道定位错误,将有可能给驾驶员带来错误的导航提示。
综上,由于GPS定位存在一定的定位误差,因此,利用GPS定位无法准确定位行驶车辆当前所在道路的道路类型或该行驶车辆所在的车道。
发明内容
本发明实施例提供一种导航方法及装置,用以解决现有技术无法准确定位行驶车辆当前所在道路的道路类型或该行驶车辆所在的车道的问题。
本发明实施例提供一种导航方法,包括:
获取行驶车辆的前方道路图像;
检测获取的所述前方道路图像中的车道线;
基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息。
可选地,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在的车道;所述基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息,包括:
基于检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目;
根据位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道。
可选地,所述基于检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,包括:
确定出所述前方道路图像的垂直中心线对应的横坐标值;
将检测出的车道线对应的横坐标值与所述垂直中心线对应的横坐标值进行比较,确定出所述车道线相对于所述垂直中心线的相对位置,所述相对位置包括车道线位于所述垂直中心线左侧或右侧;
基于确定出的每条车道线的相对位置,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目。
可选地,所述根据位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道,包括:
根据位于所述前方道路图像的垂直中心线左侧的车道线数目M和右侧的车道线数目N,确定出所述行驶车辆所在的车道为在具有M+N-1条车道的道路上的左侧起第M条车道或右侧起第N条车道;M、N为正整数。
可选地,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在道路的道路类型;所述基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息,包括:
根据所述行驶车辆的全球定位系统GPS位置,确定出与所述GPS位置的距离在设定距离阈值之内的至少一条道路;
将所述前方道路图像中的车道线数目与确定出的所述至少一条道路的道路属性信息中的车道线数目进行比较,确定出与所述前方道路图像中的车道线数目一致的道路,将该道路的道路类型确定为所述行驶车辆所在道路的道路类型。
可选地,所述检测获取的所述前方道路图像中的车道线,包括:
将获取的所述前方道路图像转换为灰度图像;
将转换后的所述灰度图像进行二值化处理,得到所述前方道路图像的二值化图像;
对所述二值化图像进行边缘检测,输出边缘图像;
通过检测所述边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线。
可选地,所述将获取的所述前方道路图像转换为灰度图像之后,将转换后的所述灰度图像进行二值化处理之前,还包括:
通过对所述灰度图像进行中值滤波处理,滤除所述灰度图像中的噪声。
可选地,所述通过检测所述边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线,包括:
对所述边缘图像进行霍夫变换,检测出所述边缘图像中的直线;
将检测出的与所述边缘图像垂直方向的夹角小于设定角度阈值且长度大于设定长度阈值的直线确定为车道线。
本发明实施例提供一种导航装置,包括:
获取模块,用于获取行驶车辆的前方道路图像;
检测模块,用于检测所述获取模块获取的所述前方道路图像中的车道线;
确定模块,用于基于所述检测模块检测出的车道线,确定出所述行驶车辆所在道路的道路信息。
在本发明实施例提供的上述方法或装置中,通过获取行驶车辆的前方道路图像;检测获取的所述前方道路图像中的车道线;基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息。可见,本发明实施例可以准确定位行驶车辆所在道路的道路信息,利用定位的行驶车辆所在道路的道路信息,如所在车道或所在道路的道路类型,可以更准确地为行驶车辆进行导航。比如,当行驶车辆从主路上行驶到辅路上时,通过本发明实施例可以及时定位行驶车辆已行驶至辅路上,从而可以及时地提示行驶车辆如何在辅路上行驶至目的地。再比如,根据为行驶车辆规划的导航路线,确定该行驶车辆需要在前方两百米处的右车道右转,同时,通过本发明实施例可以确定行驶车辆当前所在的车道为中间车道,则可以及时提示行驶车辆在能够转换车道的道路位置转换到右车道上行驶。再比如,可以通过本发明实施例定位行驶车辆在高速公路上的车道,准确提示行驶车辆需要限制的最高时速和/或最低时速。
附图说明
图1为本发明实施例提供的导航方法流程图;
图2为本发明实施例中检测获取的前方道路图像中的车道线的方法流程图;
图3(a)为本发明实施例提供的导航装置结构示意图;
图3(b)为导航装置中的确定模块33结构示意图;
图3(c)为导航装置中的检测模块32结构示意图。
具体实施方式
本发明实施例中,通过获取行驶车辆的前方道路图像;检测获取的所述前方道路图像中的车道线;基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息。可见,本发明实施例可以准确定位行驶车辆所在道路的道路信息,利用定位的行驶车辆所在道路的道路信息,如所在车道或所在道路的道路类型,可以更准确地为行驶车辆进行导航。
下面结合说明书附图对本发明实施例作进一步详细描述。
如图1所示,为本发明实施例提供的导航方法流程图,包括以下步骤:
S101:获取行驶车辆的前方道路图像。
在具体实施时,可以在行驶车辆的车载导航设备或智能终端设备上上安装摄像部件;将摄像部件的拍摄方向调整为行驶车辆的正前方,图像视野囊括行驶车辆所在道路的左右边界。
S102:检测获取的所述前方道路图像中的车道线。
该步骤中,在获取行驶车辆的前方道路图像后,通过进行图像处理,检测出该前方道路图像中的车道线。进行图像处理的具体过程可参见后续与图2相关的描述。
S103:基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息。
这里,行驶车辆所在位置的道路信息可以包括行驶车辆所在的车道和/或行驶车辆所在道路的道路类型,这里的道路类型包括主路和辅路。
S103中,若行驶车辆所在道路的道路信息包括行驶车辆所在的车道,则该步骤具体包括:
基于检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目;
根据位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道。
在该确定行驶车辆所在的车道的方式中,确定出位于前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目的过程具体可以为:确定出所述前方道路图像的垂直中心线对应的横坐标值;将检测出的车道线对应的横坐标值与所述垂直中心线对应的横坐标值进行比较,确定出所述车道线相对于所述垂直中心线的相对位置,所述相对位置包括车道线位于所述垂直中心线左侧或右侧;基于确定出的每条车道线的相对位置,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目。
上述步骤是基于图像横坐标值来确定位于垂直中心线左侧的车道线数目和右侧的车道线数目的。在具体实施中,基于设置的前方道路图像的坐标原点的位置不同,比较坐标值大小的具体过程也不一样,比如,若将前方道路图像的坐标原点设置在左上角或左下角,则当车道线对应的横坐标值小于垂直中心线对应的横坐标值时,确定该车道线位于垂直中心线的左侧,当车道线对应的横坐标值大于垂直中心线对应的横坐标值时,确定该车道线位于垂直中心线的右侧;相应地,若将前方道路图像的坐标原点设置在右上角或右下角,则当车道线对应的横坐标值小于垂直中心线对应的横坐标值时,确定该车道线位于垂直中心线的右侧,当车道线对应的横坐标值大于垂直中心线对应的横坐标值时,确定该车道线位于垂直中心线的左侧。另外,前方道路图像中反映的车道线并不一定是平行于垂直中心线的直线,因此,在具体实施中,可以将在车道线上任取一个像素点的横坐标值作为该车道线对应的横坐标值,也可以确定车道线上各个像素点的横坐标值的平均值,将该平均值作为该车道线对应的横坐标值,当然,也可以采取其它方式确定这里的横坐标值,这里并不限定。
在上述确定所述行驶车辆所在的车道的方式中,根据位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道,具体为:根据位于所述前方道路图像的垂直中心线左侧的车道线数目M和右侧的车道线数目N,确定出所述行驶车辆在具有M+N-1条车道的道路上的左侧起第M条车道或右侧起第N条车道;M、N为正整数。
在具体实施过程中,基于检测出的车道线,可以确定出位于前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,比如,位于前方道路图像的垂直中心线左侧的车道线数目为2,位于前方道路图像的垂直中心线右侧的车道线数目也为2,则可以确定行驶车辆位于具有3条车道的道路上的左侧起第2条车道上或右侧起第2条车道上,也即位于中间的车道上。
S103中,若行驶车辆所在道路的道路信息包括行驶车辆所在道路的道路类型,则该步骤具体包括:
根据所述行驶车辆的全球定位系统GPS位置,确定出与所述GPS位置的距离在设定距离阈值之内的至少一条道路;
将所述前方道路图像中的车道线数目与确定出的所述至少一条道路的道路属性信息中的车道线数目进行比较,确定出与所述前方道路图像中的车道线数目一致的道路,将该道路的道路类型确定为所述行驶车辆所在道路的道路类型。
在具体实施过程中,基于检测出的车道线,可以确定出前方道路图像中的车道线数目,结合存储的各条道路的道路属性信息,可以确定出行驶车辆是在主路还是在辅路。具体地,可以通过GPS定位行驶车辆所在的GPS位置,根据存储的与该GPS位置的距离在设定距离阈值之内的主路和辅路的车道线数目,确定行驶车辆所在道路的道路类型;比如,与行驶车辆所在的GPS位置的距离在设定距离阈值之内的主路和辅路的车道线数目分别为3和2,本发明实施例确定出前方道路图像中的车道线数目为3,则可以确定行驶车辆当前行驶在主路上。
在具体实施过程中,在S103之后,可以根据为所述行驶车辆确定的导航路线、所述行驶车辆的GPS位置、以及确定出的所述行驶车辆所在道路的道路信息,为所述行驶车辆进行导航。具体地,首先根据行驶车辆行驶的起点和终点,为行驶车辆确定导航路线;在行驶车辆行驶过程中,根据预先确定的导航路线、行驶车辆的GPS位置,以及通过本发明实施例确定出的行驶车辆所在的车道和/或所在道路的道路类型,为行驶车辆进行导航。比如,根据为行驶车辆确定的导航路线及行驶车辆当前的GPS位置,指示行驶车辆从当前所在的主路行驶到辅路上。当行驶车辆从主路上行驶到辅路上时,结合GPS位置及检测出的前方道路图像中的车道线数目,确定出行驶车辆已行驶至辅路上,从而可以及时地提示行驶车辆如何在辅路上行驶至目的地。再比如,根据为行驶车辆确定的导航路线及行驶车辆当前的GPS位置,确定该行驶车辆需要在前方两百米处的右车道右转,同时,确定行驶车辆当前所在的车道为中间车道,则可以提示行驶车辆在能够转换车道的道路位置转换到右车道上行驶。
如图2所示,在S102中,可以根据以下步骤检测获取的前方道路图像中的车道线:
S2a:将获取的前方道路图像转换为灰度图像;
该步骤中,为了方便后续步骤的处理,将摄像设备拍摄的彩色图像进行灰度化处理,转换为灰度图像。具体地,摄像设备拍摄的图像的颜色包括红(R)绿(G)、蓝(B)三个颜色分量,可以根据以下公式确定转换后的灰度图像的灰度值,也即亮度值Y:
Y=0.299×R+0.596×G+0.211×B。
S2b:将转换后的灰度图像进行二值化处理,得到所述前方道路图像的二值化图像。
这里的二值化图像即为进行图像二值化处理后得到的包括车道线部分和背景部分两部分内容的图像。
在S2a之后,S2b之前,可以首先对对所述灰度图像进行中值滤波处理,滤除所述灰度图像中的噪声。这里,中值滤波是一种非线性平滑技术,它将每一像素点的灰度值设置为该像素点邻域窗口内的所有像素点灰度值的中值,这里的邻域窗口可以根据图像处理的实际需要进行设置。比如,本发明实施例中可以采用7×7的中值滤波器,具体地,将7×7邻域窗口内的像素点按照像素值大小进行排序,采用排序后的中值取代中心像素点的像素值。
在S2b中,将转换后的所述灰度图像进行二值化处理的过程实际上就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。本发明实施例中将256个亮度等级的灰度图像转换成可以反映图像局部特征(车道线特征)的二值化图像,该二值化图像不再涉及像素的多级值,使处理变得简单,计算量小。
S2b的具体实施过程可以是:采用大律法确定进行二值化处理的分割阈值;将所述灰度图像中灰度值大于所述分割阈值的像素点的灰度值变更为第一灰度值,并将所述灰度图像中灰度值小于等于所述分割阈值的像素点的灰度值变更为第二灰度值。
这里,上述第一灰度值具体可以是255,第二灰度值是0;或者,第一灰度值也可以是0,第二灰度值是255。由于本发明实施例主要是为了从图像中分离出关于车道线的图像信息,因此本发明实施例进行二值化处理后车道线与背景(除车道线外的图像)的灰度值分别是0和255,或者255和0。
在具体实施过程中,进行二值化处理的关键步骤是选取分割阈值。该分割阈值可以是根据车道线的灰度值预定义的。优选地,本发明实施例中,为了更准确地提取车道线的图像信息,采用大律法确定上述分割阈值。大律法是基于最大类间方差的思想确定分割阈值的:它按照图像的灰度特性,将图像分成背景和目标(本发明实施例中目标即为车道线)两部分;背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标时都会导致两部分差别变小。因此,使类间方差最大,产生错分的概率最小。具体地,对于图像I(x,y),目标和背景的分割阈值为T,根据该分割阈值得到属于目标的像素点数占整幅图像的比例记为ω0,平均灰度为u0;属于背景的像素点数占整幅图像的比例为ω1,平均灰度为u1;图像的总平均灰度为u;则类间方差g=ω0×(u0-u)^2+ω1×(u1-u)^2;选取分割阈值T时,从最小灰度值到最大灰度值进行遍历,确定使g值最大的分割阈值T,即为最佳的分割阈值。
S2c:对S2b中得到的二值化图像进行边缘检测,输出边缘图像;
在具体实施过程中,可以基于形态学梯度处理方式,对所述二值化图像进行边缘检测,输出边缘图像。
具体地,选择对称的结构元素,对所述二值化图像进行形态学膨胀,得到膨胀后的图像;再采用同样的结构元素,对所述二值化图像进行形态学腐蚀,得到腐蚀后的图像;在具体实施中,进行二值化处理后,可根据图像中的颜色区分图像中的车道线和背景,这里进行形态学膨胀和腐蚀的具体为所述二值化图像中的车道线部分。最后,根据膨胀后的图像和腐蚀后的图像,确定边缘图像,比如,若S103中进行二值化处理后,车道线的灰度值被处理成255(即白颜色),背景的灰度值被处理成0(即黑颜色),则确定腐蚀后的图像中灰度值为255的像素点,将膨胀后的图像中与腐蚀后的图像中灰度值为255的像素点所对应的像素点的灰度值变更为0,即得到车道线灰度值为255的边缘图像。
S2d:通过检测边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线。
本发明实施例中通过霍夫变换检测所述边缘图像中的直线,再从检测出的直线中筛选出符合车道线特征的车道线。
具体地,对所述边缘图像进行霍夫变换,检测出所述边缘图像中的直线;
将检测出的与所述边缘图像的垂直方向的夹角小于设定角度阈值且长度大于设定长度阈值的直线确定为车道线。
在具体实施过程中,本发明实施例在得到边缘图像后,利用霍夫变换(HoughTransform)提取边缘图像中的直线信息。霍夫变换采用极坐标系表示边缘图像中的直线:r=xcosθ+ysinθ;对于边缘图像中的一点(x0,y0),通过该点的所有直线可以表示为rθ=x0cosθ+y0sinθ;可见,在极坐标系下,通过该点的所有直线的极坐标系参数rθ和θ的值可以构成θ-r平面中的一条正弦曲线。将边缘图像中的所有像素点进行上述处理,确定边缘图像中每个点对应的θ-r平面中的一条正弦曲线,如果两个不同的像素点对应的正弦曲线相交,则说明它们通过同一条直线,这样就达到了检测出直线的目的。
在检测出直线后,可以进一步从检测出的直线中进行筛选,选出符合车道线特征的直线作为车道线。比如,将检测出的与边缘图像的垂直方向的夹角小于设定角度阈值(如30度)、且长度大于设定长度阈值的直线(根据道路长度设置)确定为车道线。
基于同一发明构思,本发明实施例中还提供了一种与导航方法对应的导航装置,由于该装置解决问题的原理与本发明实施例导航方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
如图3(a)所示,为本发明实施例提供的导航装置结构示意图,包括:
获取模块31,用于获取行驶车辆的前方道路图像;
检测模块32,用于检测获取模块31获取的所述前方道路图像中的车道线;
确定模块33,用于基于所述检测模块32检测出的车道线,确定出所述行驶车辆所在道路的道路信息。
可选地,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在的车道;如图3(b)所示,所述确定模块33具体包括:
第一确定单元331,用于基于所述检测模块检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目;
第二确定单元332,用于根据所述第一确定单元331确定出的位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道。
可选地,第一确定单元331具体用于:确定出所述前方道路图像的垂直中心线对应的横坐标值;将检测出的车道线对应的横坐标值与所述垂直中心线对应的横坐标值进行比较,确定出所述车道线相对于所述垂直中心线的相对位置,所述相对位置包括车道线位于所述垂直中心线左侧或右侧;基于确定出的每条车道线的相对位置,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目。
可选地,第二确定单元332具体用于:根据位于所述前方道路图像的垂直中心线左侧的车道线数目M和右侧的车道线数目N,确定出所述行驶车辆在具有M+N-1条车道的道路上的左侧起第M条车道或右侧起第N条车道;M、N为正整数。
可选地,所述行驶车辆所在道路的道路信息还包括所述行驶车辆所在道路的道路类型;所述确定模块33还用于:
根据所述行驶车辆的全球定位系统GPS位置,确定出与所述GPS位置的距离在设定距离阈值之内的至少一条道路;将所述前方道路图像中的车道线数目与确定出的所述至少一条道路的道路属性信息中的车道线数目进行比较,确定出与所述前方道路图像中的车道线数目一致的道路,将该道路的道路类型确定为所述行驶车辆所在道路的道路类型。
可选地,如图3(c)所示,所述检测模块32具体包括:
转换单元321,用于将获取模块31获取的所述前方道路图像转换为灰度图像;
二值化处理单元322,用于将转换单元321转换后的所述灰度图像进行二值化处理,得到所述前方道路图像的二值化图像;
边缘检测单元323,用于对所述二值化图像进行边缘检测,输出边缘图像;
车道线检测单元324,用于通过检测所述边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线。
可选地,所述检测模块32还包括:
滤波单元325,用于在所述转换单元321将获取模块31获取的所述前方道路图像转换为灰度图像之后,所述二值化处理单元将转换单元321转换后的所述灰度图像进行二值化处理之前,通过对所述灰度图像进行中值滤波处理,滤除所述灰度图像中的噪声。
可选地,所述车道线检测单元324具体用于:对所述边缘图像进行霍夫变换,检测出所述边缘图像中的直线;将检测出的与所述边缘图像垂直方向的夹角小于设定角度阈值且长度大于设定长度阈值的直线确定为车道线。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种导航方法,其特征在于,该方法包括:
获取行驶车辆的前方道路图像;
检测获取的所述前方道路图像中的车道线;
基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息。
2.如权利要求1所述的方法,其特征在于,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在的车道;所述基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息,包括:
基于检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目;
根据位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道。
3.如权利要求2所述的方法,其特征在于,所述基于检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,包括:
确定出所述前方道路图像的垂直中心线对应的横坐标值;
将检测出的车道线对应的横坐标值与所述垂直中心线对应的横坐标值进行比较,确定出所述车道线相对于所述垂直中心线的相对位置,所述相对位置包括车道线位于所述垂直中心线左侧或右侧;
基于确定出的每条车道线的相对位置,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目。
4.如权利要求2所述的方法,其特征在于,所述根据位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道,包括:
根据位于所述前方道路图像的垂直中心线左侧的车道线数目M和右侧的车道线数目N,确定出所述行驶车辆在具有M+N-1条车道的道路上的左侧起第M条车道或右侧起第N条车道;M、N为正整数。
5.如权利要求1所述的方法,其特征在于,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在道路的道路类型;所述基于检测出的车道线,确定出所述行驶车辆所在道路的道路信息,包括:
根据所述行驶车辆的全球定位系统GPS位置,确定出与所述GPS位置的距离在设定距离阈值之内的至少一条道路;
将所述前方道路图像中的车道线数目与确定出的所述至少一条道路的道路属性信息中的车道线数目进行比较,确定出与所述前方道路图像中的车道线数目一致的道路,将该道路的道路类型确定为所述行驶车辆所在道路的道路类型。
6.如权利要求1~5任一所述的方法,其特征在于,所述检测获取的所述前方道路图像中的车道线,包括:
将获取的所述前方道路图像转换为灰度图像;
将转换后的所述灰度图像进行二值化处理,得到所述前方道路图像的二值化图像;
对所述二值化图像进行边缘检测,输出边缘图像;
通过检测所述边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线。
7.如权利要求6所述的方法,其特征在于,所述将获取的所述前方道路图像转换为灰度图像之后,将转换后的所述灰度图像进行二值化处理之前,还包括:
通过对所述灰度图像进行中值滤波处理,滤除所述灰度图像中的噪声。
8.如权利要求6所述的方法,其特征在于,所述通过检测所述边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线,包括:
对所述边缘图像进行霍夫变换,检测出所述边缘图像中的直线;
将检测出的与所述边缘图像垂直方向的夹角小于设定角度阈值且长度大于设定长度阈值的直线确定为车道线。
9.一种导航装置,其特征在于,该装置包括:
获取模块,用于获取行驶车辆的前方道路图像;
检测模块,用于检测所述获取模块获取的所述前方道路图像中的车道线;
确定模块,用于基于所述检测模块检测出的车道线,确定出所述行驶车辆所在道路的道路信息。
10.如权利要求9所述的装置,其特征在于,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在的车道;
所述确定模块具体包括:
第一确定单元,用于基于所述检测模块检测出的车道线,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目;
第二确定单元,用于根据所述第一确定单元确定出的位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目,确定出所述行驶车辆所在的车道。
11.如权利要求10所述的装置,其特征在于,所述第一确定单元具体用于:确定出所述前方道路图像的垂直中心线对应的横坐标值;将检测出的车道线对应的横坐标值与所述垂直中心线对应的横坐标值进行比较,确定出所述车道线相对于所述垂直中心线的相对位置,所述相对位置包括车道线位于所述垂直中心线左侧或右侧;基于确定出的每条车道线的相对位置,确定出位于所述前方道路图像的垂直中心线左侧的车道线数目和右侧的车道线数目。
12.如权利要求10所述的装置,其特征在于,所述第二确定单元具体用于:根据位于所述前方道路图像的垂直中心线左侧的车道线数目M和右侧的车道线数目N,确定出所述行驶车辆在具有M+N-1条车道的道路上的左侧起第M条车道或右侧起第N条车道;M、N为正整数。
13.如权利要求9所述的装置,其特征在于,所述行驶车辆所在道路的道路信息包括所述行驶车辆所在道路的道路类型;所述确定模块还用于:
根据所述行驶车辆的全球定位系统GPS位置,确定出与所述GPS位置的距离在设定距离阈值之内的至少一条道路;将所述前方道路图像中的车道线数目与确定出的所述至少一条道路的道路属性信息中的车道线数目进行比较,确定出与所述前方道路图像中的车道线数目一致的道路,将该道路的道路类型确定为所述行驶车辆所在道路的道路类型。
14.如权利要求9~13任一所述的装置,其特征在于,所述检测模块具体包括:
转换单元,用于将所述获取模块获取的所述前方道路图像转换为灰度图像;
二值化处理单元,用于将所述转换单元转换后的所述灰度图像进行二值化处理,得到所述前方道路图像的二值化图像;
边缘检测单元,用于对所述二值化图像进行边缘检测,输出边缘图像;
车道线检测单元,用于通过检测所述边缘图像中的直线与边缘图像垂直方向夹角的关系,检测出所述边缘图像中的车道线。
15.如权利要求14所述的装置,其特征在于,所述检测模块还包括:
滤波单元,用于在所述转换单元将所述获取模块获取的所述前方道路图像转换为灰度图像之后,所述二值化处理单元将所述转换单元转换后的所述灰度图像进行二值化处理之前,通过对所述灰度图像进行中值滤波处理,滤除所述灰度图像中的噪声。
16.如权利要求14所述的装置,其特征在于,所述车道线检测单元具体用于:对所述边缘图像进行霍夫变换,检测出所述边缘图像中的直线;将检测出的与所述边缘图像垂直方向的夹角小于设定角度阈值且长度大于设定长度阈值的直线确定为车道线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410669147.XA CN105674992A (zh) | 2014-11-20 | 2014-11-20 | 一种导航方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410669147.XA CN105674992A (zh) | 2014-11-20 | 2014-11-20 | 一种导航方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105674992A true CN105674992A (zh) | 2016-06-15 |
Family
ID=56957921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410669147.XA Pending CN105674992A (zh) | 2014-11-20 | 2014-11-20 | 一种导航方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105674992A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106515742A (zh) * | 2016-07-22 | 2017-03-22 | 北京兴科迪科技有限公司 | 一种车道偏离预警方法及系统 |
CN106886217A (zh) * | 2017-02-24 | 2017-06-23 | 安科智慧城市技术(中国)有限公司 | 自主导航控制方法和装置 |
CN108253975A (zh) * | 2017-12-29 | 2018-07-06 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN108801273A (zh) * | 2017-04-28 | 2018-11-13 | 高德软件有限公司 | 一种道路参考线的生成方法及装置 |
CN109059947A (zh) * | 2018-07-04 | 2018-12-21 | 深圳明创自控技术有限公司 | 一种高性能的车载导航系统 |
CN109325389A (zh) * | 2017-07-31 | 2019-02-12 | 比亚迪股份有限公司 | 车道线识别方法、装置及车辆 |
CN109635737A (zh) * | 2018-12-12 | 2019-04-16 | 中国地质大学(武汉) | 基于道路标记线视觉识别辅助车辆导航定位方法 |
CN109858307A (zh) * | 2017-11-30 | 2019-06-07 | 高德软件有限公司 | 一种车道线识别方法和装置 |
CN109964260A (zh) * | 2016-08-10 | 2019-07-02 | 兹沃公司 | 用于提供面向目标的导航方向的方法和设备 |
CN110174113A (zh) * | 2019-04-28 | 2019-08-27 | 福瑞泰克智能系统有限公司 | 一种车辆行驶车道的定位方法、装置及终端 |
CN110398255A (zh) * | 2019-07-05 | 2019-11-01 | 上海博泰悦臻网络技术服务有限公司 | 定位方法、装置及车辆 |
CN110530372A (zh) * | 2019-09-26 | 2019-12-03 | 上海商汤智能科技有限公司 | 定位方法、路径确定方法、装置、机器人及存储介质 |
CN110737736A (zh) * | 2019-09-16 | 2020-01-31 | 连尚(新昌)网络科技有限公司 | 一种获取车况地图信息的方法与设备 |
CN111291603A (zh) * | 2018-12-07 | 2020-06-16 | 长沙智能驾驶研究院有限公司 | 车道线检测方法、装置、系统及存储介质 |
WO2020119567A1 (zh) * | 2018-12-12 | 2020-06-18 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置、设备和机器可读介质 |
CN111341134A (zh) * | 2018-12-18 | 2020-06-26 | 上海擎感智能科技有限公司 | 车道线向导提示方法、云端服务器及车辆 |
CN111380539A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位、导航方法和装置及相关系统 |
CN111521192A (zh) * | 2019-02-01 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 定位方法、导航信息显示方法、定位系统及电子设备 |
CN112033425A (zh) * | 2019-06-04 | 2020-12-04 | 长沙智能驾驶研究院有限公司 | 车辆辅助驾驶方法、装置、计算机设备和存储介质 |
CN112415552A (zh) * | 2020-11-17 | 2021-02-26 | 北京百度网讯科技有限公司 | 车辆位置的确定方法、装置及电子设备 |
CN114612736A (zh) * | 2020-12-08 | 2022-06-10 | 广州汽车集团股份有限公司 | 一种车道线检测方法、系统及计算机可读介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6813370B1 (en) * | 1999-09-22 | 2004-11-02 | Fuji Jukogyo Kabushiki Kaisha | Lane marker recognizing apparatus |
CN101750069A (zh) * | 2008-11-28 | 2010-06-23 | 阿尔派株式会社 | 导航装置及导航装置的限制信息提示方法 |
CN101916516A (zh) * | 2010-08-13 | 2010-12-15 | 深圳市豪恩汽车电子装备股份有限公司 | 一种车道偏移识别方法 |
CN102303609A (zh) * | 2011-06-16 | 2012-01-04 | 广东铁将军防盗设备有限公司 | 车道偏离预警系统及方法 |
CN202243454U (zh) * | 2011-09-26 | 2012-05-30 | 长安大学 | 基于灰度图像的智能车辆偏离车道预警装置 |
CN202911633U (zh) * | 2012-10-11 | 2013-05-01 | 长安大学 | 基于多信息融合的混合动力车车道标识线动态检测装置 |
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 |
CN103991449A (zh) * | 2014-06-12 | 2014-08-20 | 北京联合大学 | 一种车辆行进控制方法及系统 |
-
2014
- 2014-11-20 CN CN201410669147.XA patent/CN105674992A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6813370B1 (en) * | 1999-09-22 | 2004-11-02 | Fuji Jukogyo Kabushiki Kaisha | Lane marker recognizing apparatus |
CN101750069A (zh) * | 2008-11-28 | 2010-06-23 | 阿尔派株式会社 | 导航装置及导航装置的限制信息提示方法 |
CN101916516A (zh) * | 2010-08-13 | 2010-12-15 | 深圳市豪恩汽车电子装备股份有限公司 | 一种车道偏移识别方法 |
CN102303609A (zh) * | 2011-06-16 | 2012-01-04 | 广东铁将军防盗设备有限公司 | 车道偏离预警系统及方法 |
CN202243454U (zh) * | 2011-09-26 | 2012-05-30 | 长安大学 | 基于灰度图像的智能车辆偏离车道预警装置 |
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 |
CN202911633U (zh) * | 2012-10-11 | 2013-05-01 | 长安大学 | 基于多信息融合的混合动力车车道标识线动态检测装置 |
CN103991449A (zh) * | 2014-06-12 | 2014-08-20 | 北京联合大学 | 一种车辆行进控制方法及系统 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106515742A (zh) * | 2016-07-22 | 2017-03-22 | 北京兴科迪科技有限公司 | 一种车道偏离预警方法及系统 |
CN109964260A (zh) * | 2016-08-10 | 2019-07-02 | 兹沃公司 | 用于提供面向目标的导航方向的方法和设备 |
CN106886217A (zh) * | 2017-02-24 | 2017-06-23 | 安科智慧城市技术(中国)有限公司 | 自主导航控制方法和装置 |
CN106886217B (zh) * | 2017-02-24 | 2020-09-08 | 深圳中智卫安机器人技术有限公司 | 自主导航控制方法和装置 |
CN108801273A (zh) * | 2017-04-28 | 2018-11-13 | 高德软件有限公司 | 一种道路参考线的生成方法及装置 |
CN109325389A (zh) * | 2017-07-31 | 2019-02-12 | 比亚迪股份有限公司 | 车道线识别方法、装置及车辆 |
CN109858307A (zh) * | 2017-11-30 | 2019-06-07 | 高德软件有限公司 | 一种车道线识别方法和装置 |
CN108253975A (zh) * | 2017-12-29 | 2018-07-06 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN108253975B (zh) * | 2017-12-29 | 2022-01-14 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN109059947A (zh) * | 2018-07-04 | 2018-12-21 | 深圳明创自控技术有限公司 | 一种高性能的车载导航系统 |
CN111291603A (zh) * | 2018-12-07 | 2020-06-16 | 长沙智能驾驶研究院有限公司 | 车道线检测方法、装置、系统及存储介质 |
CN111291603B (zh) * | 2018-12-07 | 2023-09-29 | 长沙智能驾驶研究院有限公司 | 车道线检测方法、装置、系统及存储介质 |
WO2020119567A1 (zh) * | 2018-12-12 | 2020-06-18 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置、设备和机器可读介质 |
CN111311902B (zh) * | 2018-12-12 | 2022-05-24 | 斑马智行网络(香港)有限公司 | 一种数据处理方法、装置、设备和机器可读介质 |
CN109635737A (zh) * | 2018-12-12 | 2019-04-16 | 中国地质大学(武汉) | 基于道路标记线视觉识别辅助车辆导航定位方法 |
CN111311902A (zh) * | 2018-12-12 | 2020-06-19 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置、设备和机器可读介质 |
CN111341134A (zh) * | 2018-12-18 | 2020-06-26 | 上海擎感智能科技有限公司 | 车道线向导提示方法、云端服务器及车辆 |
CN111380539A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位、导航方法和装置及相关系统 |
CN111521192A (zh) * | 2019-02-01 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 定位方法、导航信息显示方法、定位系统及电子设备 |
CN110174113A (zh) * | 2019-04-28 | 2019-08-27 | 福瑞泰克智能系统有限公司 | 一种车辆行驶车道的定位方法、装置及终端 |
CN112033425A (zh) * | 2019-06-04 | 2020-12-04 | 长沙智能驾驶研究院有限公司 | 车辆辅助驾驶方法、装置、计算机设备和存储介质 |
CN112033425B (zh) * | 2019-06-04 | 2023-06-13 | 长沙智能驾驶研究院有限公司 | 车辆辅助驾驶方法、装置、计算机设备和存储介质 |
CN110398255A (zh) * | 2019-07-05 | 2019-11-01 | 上海博泰悦臻网络技术服务有限公司 | 定位方法、装置及车辆 |
CN110737736A (zh) * | 2019-09-16 | 2020-01-31 | 连尚(新昌)网络科技有限公司 | 一种获取车况地图信息的方法与设备 |
CN110737736B (zh) * | 2019-09-16 | 2024-02-09 | 连尚(新昌)网络科技有限公司 | 一种获取车况地图信息的方法与设备 |
CN110530372B (zh) * | 2019-09-26 | 2021-06-22 | 上海商汤智能科技有限公司 | 定位方法、路径确定方法、装置、机器人及存储介质 |
TWI742554B (zh) * | 2019-09-26 | 2021-10-11 | 大陸商上海商湯智能科技有限公司 | 定位方法、路徑確定方法、機器人及儲存介質 |
CN110530372A (zh) * | 2019-09-26 | 2019-12-03 | 上海商汤智能科技有限公司 | 定位方法、路径确定方法、装置、机器人及存储介质 |
CN112415552A (zh) * | 2020-11-17 | 2021-02-26 | 北京百度网讯科技有限公司 | 车辆位置的确定方法、装置及电子设备 |
CN114612736A (zh) * | 2020-12-08 | 2022-06-10 | 广州汽车集团股份有限公司 | 一种车道线检测方法、系统及计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105674992A (zh) | 一种导航方法及装置 | |
CN103996053A (zh) | 基于机器视觉的车道偏离报警方法 | |
CN104318258B (zh) | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 | |
WO2018145602A1 (zh) | 车道的确定方法、装置及存储介质 | |
CN106297330B (zh) | 减少行人过街对平面感知信号控制效率影响的方法及系统 | |
CN102436644B (zh) | 基于自适应边缘配准的非结构化道路检测方法 | |
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 | |
KR101605514B1 (ko) | 차선 인식 장치 및 방법 | |
CN104077756B (zh) | 一种基于车道线置信度的方向滤波方法 | |
CN104376297A (zh) | 道路上的线型指示标志的检测方法和装置 | |
CN104007760B (zh) | 一种自主机器人视觉导航中的自定位方法 | |
EP2958054A2 (en) | Hazard detection in a scene with moving shadows | |
CN105260713A (zh) | 一种车道线检测方法和装置 | |
CN103295420A (zh) | 一种车道线识别的方法 | |
CN105809149A (zh) | 基于最大长度直线的车道线检测方法 | |
TWI493513B (zh) | 車道偏離警示系統與車道辨識裝置以及相關方法 | |
CN106682646A (zh) | 一种车道线的识别方法及装置 | |
CN104063877B (zh) | 一种候选车道线混合判断识别方法 | |
CN103971081A (zh) | 多车道检测方法和系统 | |
CN105488492A (zh) | 一种彩色图像预处理方法、道路识别方法及相关装置 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN105426863A (zh) | 检测车道线的方法和装置 | |
CN107491756A (zh) | 基于交通标牌与地面标志的车道转向信息识别方法 | |
CN105069454A (zh) | 图像识别的方法及装置 | |
CN109815831A (zh) | 一种车辆朝向获取方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160615 |
|
RJ01 | Rejection of invention patent application after publication |