CN105809149A - 基于最大长度直线的车道线检测方法 - Google Patents
基于最大长度直线的车道线检测方法 Download PDFInfo
- Publication number
- CN105809149A CN105809149A CN201610194981.7A CN201610194981A CN105809149A CN 105809149 A CN105809149 A CN 105809149A CN 201610194981 A CN201610194981 A CN 201610194981A CN 105809149 A CN105809149 A CN 105809149A
- Authority
- CN
- China
- Prior art keywords
- straight line
- image
- line
- detection
- greatest length
- 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
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明提供一种,基于最大长度直线的车道线检测方法,包括步骤:1)截取行车图像下半部分进行边缘检测,得到边缘检测后的图像;再对边缘检测后的图像进行Hough直线扩展;2)在Hough直线扩展得到的直线中,分别选择在图像竖直中心线左右两侧在竖直方向上的最大长度直线;3)以左侧的最大长度直线为左边缘,以右侧的最大长度直线为右边缘,确定一个二值化处理区域;对该二值化处理区域进行二值化处理得到二值化图;4)对二值化图进行Hough检测直线,选择离图像竖直中心线最近的左右两条直线作为真正的左右车道线。本发明充分利用车道线标识的颜色和形状信息,利用基于最大长度直线和灰度验证的方法保证检测到的车道线的正确性。
Description
技术领域
本发明属于图像处理和模式识别技术,特别涉及车道线检测和跟踪。
背景技术
CN103617412基于消失点的车道线检测方法采用区域分割、直线检测、消失点计算、消失线计算、反向求解车道线的流程进行,本质上是基于统计的车道线检测方法,这种方法在当前车道为实车道线的情况下效果较好,但是针对虚车道线,这种方法表现出它的不稳定性,反复在实车道线和虚车道线之间跳变,而且在错误检测到实车道线时跟踪会一直错下去,考虑到虚车道线大量存在这一事实,基于消失点的车道线检测方法是不可靠的。
车道线标识最大的特点是颜色和形状信息,然而单独的利用颜色或形状信息很难正确的识别出车道线,尤其在光照、车道线破损、车辆人流较多等复杂场景下,每个单独的特征都变得不可靠。
发明内容
本发明所要解决的技术问题是,提供一种鲁棒性更高的,将车道线颜色和形状信息结合起来完成车道线的检测的方法。
本发明为解决上述技术问题所采样的技术方案是,基于最大长度直线的车道线检测方法,包括以下步骤:
1)截取行车图像下半部分进行canny边缘检测,得到边缘检测后的图像;再对边缘检测后的图像进行霍夫变换Hough直线检测,通过设置最大直线间隙maxLineGap使得断开的在同一条直线上的车道线连接起来;
2)在Hough直线扩展得到的直线中,分别选择在图像竖直中心线左右两侧在竖直方向上的最大长度直线;
3)以左侧的最大长度直线为左边缘,以右侧的最大长度直线为右边缘,确定一个二值化处理区域;对该二值化处理区域进行二值化处理得到二值化图;
4)对二值化图进行Hough检测直线,选择离图像竖直中心线最近的左右两条直线作为真正的左右车道线。
本发明为了避免在虚车道线情况下检测到其他车道的车道线,本专利将采用基于最大长度直线的车道线检测方法,在此基础上加上一层灰度验证,最终实现车道线的检测和跟踪。
本发明的有益效果是,充分利用车道线标识的颜色和形状信息,利用基于最大长度直线和灰度验证的方法保证检测到的车道线的正确性。
附图说明
图1为车载摄像头获得的图片;
图2为传统Hough检测图;
图3为Hough直线扩展图;
图4为最大长度直线图;
图5为左侧灰度图;
图6为右侧灰度图;
图7为左侧验证结果图;
图8为右侧验证结果图;
图9为检测结果图。
具体实施方式
待检测车道线的图像如图1所示,检测方法在VS2010平台C++编程实现,步骤如下:
1、基于canny边缘检测直线的Hough直线扩展:
为了排除大量干扰信息,保留当前车道线信息,实施例选取图像底端3/10部分进行canny边缘检测。对canny边缘检测处理后的图像进行Hough直线检测。不同于经典的Hough检测直线结果,如图2所示。经典的Hough检测直线中的最大直线间隙maxLineGap通常设置为5或其它较小值。最大直线间隙maxLineGap用于判断同样斜率与截距的相互有间隙的两条线段是否视为一条直线,如果这个间隙大于该值,则被认为是两条线段,否则是一条。
本发明过设置Hough检测直线中的最大直线间隙maxLineGap,使得断开的在同一条直线上的车道线连接起来,结果如图3,这对正确检测虚车道线至关重要,因为这样扩展了虚车道线的长度。maxLineGap设置的具体值本领域技术人员可以根据实际的虚车道线测试数据进行调整。本实施例这里设置为50。
2、最大长度直线筛选:
对步骤1中的Hough直线扩展得到的直线分别求取图像竖直中心线左右两侧在竖直方向上的最大长度直线,即为图4中被白色填充的两条直线。
3、灰度验证:
以步骤2中左侧的最大长度直线为左边缘,图像竖直中心线为右边缘确定一个待测图像左区域;以步骤2中右侧的最大长度直线为右边缘,图像竖直中心线为左边缘确定一个待测图像右区域;对待测图像左区域和待测图像右区域进行二值化处理得到该区域的二值化图,如图5、图6所示;
这里的二值化的具体过程是:区域内的图像像素值与阈值比较,当像素值大于阈值则设置该像素点的灰度值设置为255,否则设置该像素点的灰度值设置为0,而二值化后的图像为黑白图像,白色部分为疑似车道线;本实施例的阈值=区域内图像像素平均值+1.5倍的区域内图像像素方差。
4、第二次直线检测:
对左右区域二值化图进行Hough直线检测,最大直线间隙maxLineGap设置为5,选择离图像竖直中心线最近的左右两条直线作为真正的左右车道线,如图7、8所示;最终检测出当前车道区域如图9所示。
5、跟踪:
将当前帧经过canny边缘检测、Hough直线检测到的很多候选直线与上一帧检测到的车道线进行一个直线匹配:先把当前帧检测到的直线扩展到与上一帧相同的区域中,然后比较当前帧所有直线与上一帧检测到的直线的两个端点的距离,在阈值之内实现匹配则选取距离差距最小的车道线更新当前帧车道线,否则按照每一帧加权平均的车道线位置更新车道线。
经测试实施例的正确率在90%以上,速度100帧每秒左右,相比于传统的基于消失点的车道线检测的16帧每秒速度要快很多。
Claims (4)
1.基于最大长度直线的车道线检测方法,其特征在于,包括以下步骤:
1)截取行车图像下半部分进行canny边缘检测,得到边缘检测后的图像;再对边缘检测后的图像进行霍夫变换Hough直线检测,通过设置最大直线间隙maxLineGap使得断开的在同一条直线上的车道线连接起来;
2)在Hough直线扩展得到的直线中,分别选择在图像竖直中心线左右两侧在竖直方向上的最大长度直线;
3)以左侧的最大长度直线为左边缘,以右侧的最大长度直线为右边缘,确定一个二值化处理区域;对该二值化处理区域进行二值化处理得到二值化图;
4)对二值化图进行Hough检测直线,选择离图像竖直中心线最近的左右两条直线作为真正的左右车道线。
2.如权利要求1所述基于最大长度直线的车道线检测方法,其特征在于,截取行车图像下半部分具体为截取行车图像3/10部分。
3.如权利要求1所述基于最大长度直线的车道线检测方法,其特征在于,步骤1)中最大直线间隙maxLineGap设置为50。
4.如权利要求1所述基于最大长度直线的车道线检测方法,其特征在于,二值化的具体过程是:将二值化处理区域的图像像素值与阈值比较,当像素值大于阈值则设置该像素点的灰度值设置为255,否则设置该像素点的灰度值设置为0;
所述阈值=区域内图像像素平均值+1.5倍的区域内图像像素方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610194981.7A CN105809149A (zh) | 2016-03-31 | 2016-03-31 | 基于最大长度直线的车道线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610194981.7A CN105809149A (zh) | 2016-03-31 | 2016-03-31 | 基于最大长度直线的车道线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105809149A true CN105809149A (zh) | 2016-07-27 |
Family
ID=56460511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610194981.7A Pending CN105809149A (zh) | 2016-03-31 | 2016-03-31 | 基于最大长度直线的车道线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809149A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106462755A (zh) * | 2016-09-26 | 2017-02-22 | 深圳市锐明技术股份有限公司 | 成对车道线检测方法及装置 |
CN106462757A (zh) * | 2016-09-26 | 2017-02-22 | 深圳市锐明技术股份有限公司 | 一种成对车道线的快速检测方法和装置 |
CN107111757A (zh) * | 2016-08-08 | 2017-08-29 | 深圳市锐明技术股份有限公司 | 车道线检测方法及装置 |
CN107451539A (zh) * | 2017-07-13 | 2017-12-08 | 华域汽车系统股份有限公司 | 一种车道偏离预警方法及系统 |
CN107516078A (zh) * | 2017-08-18 | 2017-12-26 | 电子科技大学 | 一种车道线检测稳固方法 |
CN107705301A (zh) * | 2017-09-29 | 2018-02-16 | 南京中设航空科技发展有限公司 | 一种基于无人机航拍公路图像的公路标线破损检测方法 |
CN107797517A (zh) * | 2017-09-30 | 2018-03-13 | 湖南文理学院 | 采用机器视觉实现钢带冲孔加工检测的方法及系统 |
CN107909047A (zh) * | 2017-11-28 | 2018-04-13 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
CN109435842A (zh) * | 2018-10-19 | 2019-03-08 | 四川长虹电器股份有限公司 | 基于汽车倒车影像的车位车道偏离检测和辅助提醒方法 |
CN109591850A (zh) * | 2018-12-24 | 2019-04-09 | 郑州畅想高科股份有限公司 | 一种轨道异物检测方法及装置 |
CN111582201A (zh) * | 2020-05-12 | 2020-08-25 | 重庆理工大学 | 一种基于几何注意力感知的车道线检测系统 |
CN112926365A (zh) * | 2019-12-06 | 2021-06-08 | 广州汽车集团股份有限公司 | 一种车道线检测方法及其系统 |
CN113815648A (zh) * | 2021-10-29 | 2021-12-21 | 广州理工学院 | 车辆控制系统的控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100257592B1 (ko) * | 1996-05-28 | 2000-06-01 | 모리시타 요이찌 | 차선검출센서 및 이를 이용한 항법장치 |
US20020114518A1 (en) * | 2001-01-04 | 2002-08-22 | Wilt Nicholas P. | Hough transform supporting methods and arrangements |
CN103177246A (zh) * | 2013-03-26 | 2013-06-26 | 北京理工大学 | 基于动态区域划分的双模型车道线识别方法 |
CN103400150A (zh) * | 2013-08-14 | 2013-11-20 | 浙江大学 | 一种基于移动平台进行道路边缘识别的方法及装置 |
CN104036246A (zh) * | 2014-06-10 | 2014-09-10 | 电子科技大学 | 一种基于多特征融合及多态均值的车道线定位方法 |
CN104517111A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
CN104866823A (zh) * | 2015-05-11 | 2015-08-26 | 重庆邮电大学 | 一种基于单目视觉的车辆检测与跟踪方法 |
-
2016
- 2016-03-31 CN CN201610194981.7A patent/CN105809149A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100257592B1 (ko) * | 1996-05-28 | 2000-06-01 | 모리시타 요이찌 | 차선검출센서 및 이를 이용한 항법장치 |
US20020114518A1 (en) * | 2001-01-04 | 2002-08-22 | Wilt Nicholas P. | Hough transform supporting methods and arrangements |
CN103177246A (zh) * | 2013-03-26 | 2013-06-26 | 北京理工大学 | 基于动态区域划分的双模型车道线识别方法 |
CN103400150A (zh) * | 2013-08-14 | 2013-11-20 | 浙江大学 | 一种基于移动平台进行道路边缘识别的方法及装置 |
CN104517111A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
CN104036246A (zh) * | 2014-06-10 | 2014-09-10 | 电子科技大学 | 一种基于多特征融合及多态均值的车道线定位方法 |
CN104866823A (zh) * | 2015-05-11 | 2015-08-26 | 重庆邮电大学 | 一种基于单目视觉的车辆检测与跟踪方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107111757A (zh) * | 2016-08-08 | 2017-08-29 | 深圳市锐明技术股份有限公司 | 车道线检测方法及装置 |
CN106462755B (zh) * | 2016-09-26 | 2019-05-28 | 深圳市锐明技术股份有限公司 | 成对车道线检测方法及装置 |
CN106462757A (zh) * | 2016-09-26 | 2017-02-22 | 深圳市锐明技术股份有限公司 | 一种成对车道线的快速检测方法和装置 |
CN106462755A (zh) * | 2016-09-26 | 2017-02-22 | 深圳市锐明技术股份有限公司 | 成对车道线检测方法及装置 |
WO2018053836A1 (zh) * | 2016-09-26 | 2018-03-29 | 深圳市锐明技术股份有限公司 | 成对车道线检测方法及装置 |
CN106462757B (zh) * | 2016-09-26 | 2019-09-06 | 深圳市锐明技术股份有限公司 | 一种成对车道线的快速检测方法和装置 |
CN107451539A (zh) * | 2017-07-13 | 2017-12-08 | 华域汽车系统股份有限公司 | 一种车道偏离预警方法及系统 |
CN107451539B (zh) * | 2017-07-13 | 2020-11-27 | 华域汽车系统股份有限公司 | 一种车道偏离预警方法及系统 |
CN107516078A (zh) * | 2017-08-18 | 2017-12-26 | 电子科技大学 | 一种车道线检测稳固方法 |
CN107705301A (zh) * | 2017-09-29 | 2018-02-16 | 南京中设航空科技发展有限公司 | 一种基于无人机航拍公路图像的公路标线破损检测方法 |
CN107705301B (zh) * | 2017-09-29 | 2021-04-13 | 南京中设航空科技发展有限公司 | 一种基于无人机航拍公路图像的公路标线破损检测方法 |
CN107797517B (zh) * | 2017-09-30 | 2020-09-11 | 湖南文理学院 | 采用机器视觉实现钢带冲孔加工检测的方法及系统 |
CN107797517A (zh) * | 2017-09-30 | 2018-03-13 | 湖南文理学院 | 采用机器视觉实现钢带冲孔加工检测的方法及系统 |
CN107909047A (zh) * | 2017-11-28 | 2018-04-13 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
CN107909047B (zh) * | 2017-11-28 | 2021-07-06 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
CN109435842A (zh) * | 2018-10-19 | 2019-03-08 | 四川长虹电器股份有限公司 | 基于汽车倒车影像的车位车道偏离检测和辅助提醒方法 |
CN109591850A (zh) * | 2018-12-24 | 2019-04-09 | 郑州畅想高科股份有限公司 | 一种轨道异物检测方法及装置 |
CN112926365A (zh) * | 2019-12-06 | 2021-06-08 | 广州汽车集团股份有限公司 | 一种车道线检测方法及其系统 |
CN111582201A (zh) * | 2020-05-12 | 2020-08-25 | 重庆理工大学 | 一种基于几何注意力感知的车道线检测系统 |
CN111582201B (zh) * | 2020-05-12 | 2022-08-12 | 重庆理工大学 | 一种基于几何注意力感知的车道线检测系统 |
CN113815648A (zh) * | 2021-10-29 | 2021-12-21 | 广州理工学院 | 车辆控制系统的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809149A (zh) | 基于最大长度直线的车道线检测方法 | |
CN107154040B (zh) | 一种隧道衬砌表面图像裂缝检测方法 | |
KR102379287B1 (ko) | 차도선을 검출하기 위한 방법, 장치 및 매체 | |
KR101856401B1 (ko) | 차선 데이터의 처리 방법, 장치, 저장매체 및 기기 | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
CN103927526B (zh) | 一种基于高斯差分多尺度边缘融合的车辆检测方法 | |
KR20140030636A (ko) | 차선 보정 시스템, 차선 보정 장치 및 이의 차선 보정 방법 | |
CN105488492B (zh) | 一种彩色图像预处理方法、道路识别方法及相关装置 | |
CN111191611B (zh) | 基于深度学习的交通标志标号识别方法 | |
CN108171695A (zh) | 一种基于图像处理的高速公路路面检测方法 | |
US11164012B2 (en) | Advanced driver assistance system and method | |
CN112488046B (zh) | 一种基于无人机高分辨率影像的车道线提取方法 | |
CN105912977B (zh) | 基于点聚类的车道线检测方法 | |
CN104809433A (zh) | 一种基于最大稳定区域和随机采样的斑马线检测方法 | |
CN103150547A (zh) | 车辆跟踪方法及装置 | |
CN111238365B (zh) | 基于立体视觉的地铁列车测距和定位方法及系统 | |
Kühnl et al. | Visual ego-vehicle lane assignment using spatial ray features | |
CN113239733B (zh) | 一种多车道车道线检测方法 | |
JP2002175534A (ja) | 道路の白線検出方法 | |
CN111428538B (zh) | 一种车道线提取方法、装置和设备 | |
CN104063869A (zh) | 一种基于Beamlet变换的车道线检测方法 | |
CN111241911A (zh) | 一种自适应的车道线检测方法 | |
CN112926365A (zh) | 一种车道线检测方法及其系统 | |
Getahun et al. | A robust lane marking extraction algorithm for self-driving vehicles | |
CN105740796A (zh) | 一种基于灰度直方图的透视变换后车道线图像二值化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160727 |
|
RJ01 | Rejection of invention patent application after publication |