CN106407893A - 一种检测车道线的方法、装置和设备 - Google Patents

一种检测车道线的方法、装置和设备 Download PDF

Info

Publication number
CN106407893A
CN106407893A CN201610748872.5A CN201610748872A CN106407893A CN 106407893 A CN106407893 A CN 106407893A CN 201610748872 A CN201610748872 A CN 201610748872A CN 106407893 A CN106407893 A CN 106407893A
Authority
CN
China
Prior art keywords
lane line
line candidate
candidate region
point
lane
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
Application number
CN201610748872.5A
Other languages
English (en)
Other versions
CN106407893B (zh
Inventor
白文静
杜莹芳
刘威
袁淮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neusoft Reach Automotive Technology Shanghai Co Ltd
Original Assignee
Neusoft Technology (shanghai) Co Ltd
Neusoft Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Neusoft Technology (shanghai) Co Ltd, Neusoft Corp filed Critical Neusoft Technology (shanghai) Co Ltd
Priority to CN201610748872.5A priority Critical patent/CN106407893B/zh
Priority to US15/361,074 priority patent/US10140529B2/en
Priority to JP2016244016A priority patent/JP6347827B2/ja
Priority to DE102016124879.7A priority patent/DE102016124879A1/de
Publication of CN106407893A publication Critical patent/CN106407893A/zh
Application granted granted Critical
Publication of CN106407893B publication Critical patent/CN106407893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H04N23/635—Region indicators; Field of view indicators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明实施例公开了一种检测车道线方法。该方法包括：通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；提取所述车道线候选区域的中心点；通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；根据区分结果，对所述车道线候选区域进行分组；以各个分组中满足第一预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域。此外，本发明实施例还提供了一种检测车道线的装置和设备。

Description

一种检测车道线的方法、装置和设备
技术领域
本发明涉及信息处理技术领域，特别是涉及一种检测车道线的方法、装置和设备。
背景技术
目前，许多车辆中都安装有驾驶辅助系统。其中，有些驾驶辅助系统可以通过检测道路上的车道线为车辆提供行驶车道信息。例如，作为高级驾驶员辅助系统(英文：Advanced Driver Assistant System，简称ADAS)的重要组成部分，车辆偏离预警系统可以通过检测车辆所在的车道信息，在车辆偏离车道时向驾驶员发起警告提示，以保证行驶安全。
在现有技术中，通过对车道图像进行滤波，可以检测到车道图像中的车道线区域。而车道信息通常可以通过车道线进行标识。但是，发明人经过研究发现，在通过滤波检测得到的车道线区域中，有些是真实车道线的区域而有些并非真实车道线的区域，也就是说，现有技术检测到的车道线区域并非都是真实车道线的区域，而是包括了一些不属于真实车道线的噪声区域。因此，现有技术对车道线区域的检测不够准确，这样就会导致车道信息的检测不准确，从而造成车辆偏离预警系统无法正确发出警告提示。
发明内容
本申请所要解决的技术问题是，提供一种检测车道线的方法、装置和设备，以滤除滤波得到的车道线区域中不属于真实车道线的区域，使得车道线区域和车道信息的检测更加准确，从而使得车辆偏离预警系统能够更加准确地发出警告提示。
第一方面，提供了一种检测车道线的方法，包括：
通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
以各个分组中满足第一预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
可选的，满足第二预定条件的两个直线型车道线候选区域位于同一分组；
其中，所述第二预定条件包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内；所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。
可选的，在所述提取所述车道线候选区域的中心点之后，还包括：
在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；
将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行所述通过对所述车道线候选区域的中心点进行曲线拟合。
可选的，所述通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线，包括：
在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；
通过对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；
以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。
可选的，所述在所述车道线候选区域的中心点中选取多个控制点，包括：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点，其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点；
响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点，其中，所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
可选的，还包括：
计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
可选的，所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域，包括：
在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点；
计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；
根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域；
所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值；
所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差大于第二倾角阈值。
可选的，所述在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，包括：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；
响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取位于第二采样点两侧的两个中心点作为所述车道线候选区域的第一采样点和第三采样点。
可选的，所述判断所述车道线候选区域的中心点中是否存在拐点，包括：
在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；
响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；
响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点；
其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分；
所述第六预定条件为：所述第四目标点位于所述车道线候选区域的中间部分且所述第三目标点位于所述车道线候选区域的两端部分。
可选的，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体为：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内，所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内，和/或，所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内；
其中，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
可选的，所述第二预定条件还包括：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内，则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内；
其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
可选的，在所述将所述目标分组中的车道线候选区域识别为车道线区域之后，还包括：
对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；
其中，每一目标分组的车道线区域拟合形成一条车道线。
第二方面，提供了一种检测车道线的装置，包括：
滤波单元，用于通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取单元，用于提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
第一拟合单元，用于通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
区分单元，用于根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
分组单元，用于根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
第一识别单元，用于以各个分组中满足第二预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
可选的，满足第二预定条件的两个直线型车道线候选区域位于同一分组；
其中，所述第二预定条件包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内；所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。
可选的，所述装置还包括：
第二识别单元，用于在所述提取所述车道线候选区域的中心点之后，在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；
滤除单元，用于将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行所述通过对所述车道线候选区域的中心点进行曲线拟合。
可选的，所述第一拟合单元包括：
第一选取单元，用于在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；
第二拟合单元，用于通过对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；
形成单元，用于以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。
可选的，所述第一选取单元包括：
判断单元，用于判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
第二选取单元，用于响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点，其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点；
第三选取单元，用于响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点，其中，所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
可选的，所述装置还包括：
第一计算单元，用于计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
第三识别单元，用于将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
可选的，所述区分单元包括：
第四选取单元，用于在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，其中，第一采样点与第二采样点之间的距离与第二采样点与第三采样点之间的距离相等；
第二计算单元，用于计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；
第四识别单元，用于根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域；
所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值；
所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差均大于第二倾角阈值。
可选的，所述第四选取单元包括：
判断单元，用于判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
第五选取单元，用于响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取相隔距离相等的三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；
第六选取单元，用于响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取第二采样点两侧距离所述第二采样点距离相等的中心点作为所述车道线候选区域的第一采样点和第三采样点。
可选的，所述判断单元包括：
查找单元，用于在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；
第一确定单元，用于响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；
第二确定单元响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点；
其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分；
所述第六预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体为：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内，所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内，和/或，所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内；
其中，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述第二预定条件还包括：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内；
其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
可选的，所述装置还包括：
第三拟合单元，用于在所述将所述目标分组中的车道线候选区域识别为车道线区域之后，对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；
其中，每一目标分组的车道线区域拟合形成一条车道线。
第三方面，提供了一种检测车道线的装置，包括处理器、存储器、通信接口、总线系统；
所述总线系统，用于将所述设备的各个硬件组件耦合在一起；
所述通信接口，用于实现所述设备与至少一个其它设备之间的通信连接；
所述存储器，用于存储程序指令和数据；
所述处理器，用于读取存储器中存储的指令和数据，执行以下操作：
通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
以各个分组中满足第二预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
可选的，满足第二预定条件的两个直线型车道线候选区域位于同一分组；
其中，所述第二预定条件包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内；所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。
可选的，所述处理器在所述提取所述车道线候选区域的中心点之后，还可以执行以下操作：
在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；
将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行所述通过对所述车道线候选区域的中心点进行曲线拟合。
可选的，所述处理器为了实现通过对所述车道线候选区域的中心点进行曲线拟合得到所述车道线候选区域的拟合曲线，可以执行以下操作：
在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；
通过对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；
以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。
可选的，所述处理器为了实现在所述车道线候选区域的中心点中选取多个控制点，可以执行以下操作：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点，其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点；
响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点，其中，所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
可选的，所述处理器还可以执行以下操作：
计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
可选的，所述处理器为了实现根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域，可以执行以下操作：
在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，其中，第一采样点与第二采样点之间的距离与第二采样点与第三采样点之间的距离相等；
计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；
根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域；
所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值；
所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差均大于第二倾角阈值。
可选的，所述处理器为了实现在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，可以执行以下操作：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取相隔距离相等的三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；
响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取第二采样点两侧距离所述第二采样点距离相等的中心点作为所述车道线候选区域的第一采样点和第三采样点。
可选的，所述处理器为了实现判断所述车道线候选区域的中心点中是否存在拐点，可以执行以下操作：
在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；
响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；
响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点；
其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分；
所述第六预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体可以为：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内，所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内，和/或，所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内；
其中，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述第二预定条件还可以包括：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内；
其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
可选的，所述处理器在所述将所述目标分组中的车道线候选区域识别为车道线区域之后，还可以执行以下操作：
对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；
其中，每一目标分组的车道线区域拟合形成一条车道线。
在本申请中，在对车道图像进行滤波之后，将得到的滤波区域作为车道线候选区域，通过车道线候选区域的拟合曲线将车道线候选区域区分为直线型车道线候选区域和弯曲型车道线候选区域，根据区分结果对车道线候选区域进行分组，每一分组内的车道线候选区域形成一条车道线，再在各个分组中将对应相互匹配的车道线的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域。由此可见，在对车道图像进行滤波得到车道线候选区域之后，通过车道线候选区域的分组和匹配，可以将车道线候选区域不属于真实车道线的噪声区域去除，从而将车道线候选区域中属于真实车道线的区域识别为车道线区域，使得车道线区域的检测更加准确，进而使得车道信息的检测更加准确，从而使得车辆偏离预警系统能够正确发出警告提示。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一应用场景所涉及的系统框架示意图；
图2为本发明实施例中一种检测车道线的方法的流程示意图；
图3为本发明实施例中一种车道图像中的车道线候选区域示例的示意图；
图4为本发明实施例中一种车道线候选区域的中心点组成的线段的示例示意图；
图5为本发明实施例中又一种车道线候选区域的中心点组成的线段的示例示意图；
图6为本发明实施例中又一种车道线候选区域的中心点组成的线段的示例示意图；
图7为本发明实施例中一种直线型车道线候选区域的分组示例的示意图；
图8为本发明实施例中一种车道图像中车道线候选区域的拟合线段的分布情况示例的示意图；
图9为本发明实施例中一种图像坐标系示例的示意图；
图10为本发明实施例中一种世界坐标系示例的示意图；
图11为本发明实施例中一种应用场景示例下的车道图像示意图；
图12为本发明实施例中一种应用场景示例下车道图像经过滤波得到的滤波区域示意图；
图13为本发明实施例中一种应用场景示例下经过有效像素数量的噪声区域滤除之后得到的滤波区域示意图；
图14为本发明实施例中一种应用场景下的车道线候选区域分组示意图；
图15为本发明实施例中一种应用场景下识别出的车道线区域示意图；
图16为本发明实施例总一种应用场景下标识出车道线的车道图像示意图；
图17为本发明实施例中一种检测车道线的装置的结构示意图；
图18为本发明实施例中一种检测车道线的设备的结构示意图。
具体实施方式
发明人经过研究发现，为了检测到车道图像中的车道线，现有技术是通过对车道图像进行滤波获取到车道图像中的滤波区域，将滤波区域作为车道图像中的车道线区域。但是，由于车道情况复杂，道路上经常出现的路缘石、护栏、水印等物体也可能会在车道图像滤波时被获取为滤波区域。由此可见，通过对车道图像滤波而得到的滤波区域可能不仅仅包括真实的车道线区域，而且还可能包括其他物体的区域。可见，现有技术对车道线区域的检测不够准确，这样就会导致车道信息的检测不准确，从而造成车辆偏离预警系统无法正确发出警告提示。
为了解决这一问题，在本发明实施例中，在对车道图像进行滤波之后，将得到的滤波区域作为车道线候选区域，通过车道线候选区域的拟合曲线将车道线候选区域区分为直线型车道线候选区域和弯曲型车道线候选区域，根据区分结果对车道线候选区域进行分组，每一分组内的车道线候选区域形成一条车道线，再在各个分组中将对应相互匹配的车道线的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域。由此可见，在对车道图像进行滤波得到车道线候选区域之后，通过车道线候选区域的分组和匹配，可以将车道线候选区域不属于真实车道线的噪声区域去除，从而将车道线候选区域中属于真实车道线的区域识别为车道线区域，使得车道线区域的检测更加准确，进而使得车道信息的检测更加准确，从而使得车辆偏离预警系统能够正确发出警告提示。
举例来说，本发明实施例的场景之一，可以是应用到如图1所示的系统中。所述系统例如可以是一种驾驶辅助系统，具体地，所述系统例如可以是车道偏差预警系统。所述系统中包括有处理设备101、显示设备102和拍摄设备103。在所述系统中，拍摄设备103可以拍摄车道图像并将车道图像发送给处理设备101。处理设备101可以通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域。处理设备101可以提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点。然后，处理设备101可以通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线。再后，处理设备101可以根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。处理设备101可以根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线。最后，处理设备101可以以各个分组中满足第一预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域。处理设备101还可以按照车道线区域生成标识有车道线的车道图像并向显示设备102发送，以便显示设备102进行显示。
其中，所述第一预定条件可以包括：所述两个分组对应的车道线之间的距离小于第一预设距离阈值，和/或，所述两个分组对应的车道线之间的夹角小于第一预设夹角阈值。
可以理解的是，上述场景仅是本发明实施例提供的一个场景示例，本发明实施例并不限于此场景。
下面结合附图，通过实施例来详细说明本发明实施例中检测车道线的方法、装置和设备的具体实现方式。
参见图2，示出了本发明实施例中一种检测车道线的方法的流程示意图。在本实施例中，所述方法例如具体可以包括如下步骤：
201、通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域。
具体实现时，对于获取到的车道图像，可以将车道图像转换为灰度图像，然后再对灰度图像进行滤波，得到滤波区域作为车道线候选区域。可以理解的是，通过对车道图像进行滤波而得到滤波区域可以采用任意一种实现方式。例如，一些现有技术可以用于对车道图像进行滤波。本实施例在此不再赘述。
202、提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点。
可以理解的是，车道图像的整个区域是由多行像素点组成的。而每个车道线候选区域是在车道图像中的一个区域，也就是说，每个车道线候选区域实际上是占据了车道图像中某些行的像素点。对于一个车道线候选区域来说，在其所占据的每一行像素点中存在一个左端点和一个右端点，每一行的左端点与右端点之间的中点即是该车道线候选区域的一个中心点。
举例说明，在图3所示的图像示例中，每一个小方格表示图像中的一个像素点，其中，虚线框内的区域是一个车道线候选区域。该车道线候选区域中包括像素点a～o。其中，像素点a、d、g、j、m在同一行上。在该行上，左端点为a，右端点为m，两者的中点为g。像素点b、e、h、k、n在同一行上。在该行上，左端点为b，右端点为n，两者的中点为h。像素点c、f、i、l、o在同一行上。在该行上，左端点为c，右端点为o，两者的中点为i。可见，该车道线候选区域的中心点包括g、h、i。
可以理解的是，真实的车道线区域通常会占据一定行数的像素点，非真实的车道线候选区域可能仅占据少量行数的像素点，而中心点的数量可以表示车道线候选区域占据的行数。因此，在提取车道线候选区域的中心点之后，可以滤除一部分中心点数量过少的车道线候选区域再进行后续处理，以便滤除滤波之后得到的车道线候选区域中的部分噪声区域。具体地，在本实施例的一些实施方式中，在202之后，例如还可以包括：在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行203。其中，预设数量范围例如可以是一个数量阈值。若车道线候选区域的有效像素数量小于该数量阈值，则该车道线候选区域可以被滤除。
203、通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线。
可以理解的是，对于一个车道线候选区域来说，本实施例可以采用任意一种可能的实施方式对其中心点进行曲线拟合，从而得到车道线候选区域的拟合曲线。
例如，在一种具体的曲线拟合示例中，为了使得曲线拟合更贴近车道线候选区域的形状，可以在车道线候选区域的中心点中选取一些控制点并基于控制点进行曲线拟合。具体地，在本实施例的一些实施方式中，203例如可以包括：在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；通过三次样条插值对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。其中，所述车道线候选区域两端表示的是所述车道线候选区域在纵向上的两个边缘，所述车道线候选区域两端处的中心点表示的是所述车道线候选区域在纵向上的两个边缘处的中心点，换言之，在所述车道线候选区域的所有中心点中纵向坐标最大的中心点和纵向坐标最小的中心点即是所述车道线候选区域两端处的中心点。
举例说明，在图4所示的示例中，a与e之间的线段可以看出一个车道线候选区域的中心点组成的线段。假设车道线候选区域的中心点a、b、c、d和e被选取为控制点，通过对控制点a、b、c、d、e进行曲线拟合，可以得到a与b之间的曲线方程、b与c之间的曲线方程、c与d之间的曲线方程、d与e之间的曲线方程，这4个线段的曲线方程组合在一起即是对应于车道线候选区域的曲线方程，即形成了车道线候选区域的拟合曲线。其中，中心点a和e即是所述车道线候选区域两端处的中心点。
可以理解的是，多种形式的曲线方式可以用于对车道线候选区域的控制点进行拟合。例如，可以采用如下公式1的三次方程对车道线候选区域的控制点进行拟合：
公式1：v＝alu3+blu2+clu+dl；
其中，公式1具体表示的是车道线候选区域中第l个线段的曲线方程。在该曲线方程中，v和u分别是基于车道图像建立的图像坐标系的纵坐标和横坐标，al、bl、cl、dl表示该曲线方程的参数。
需要说明的是，对于车道线候选区域来说，若其中心点存在拐点，则拐点两侧车道线候选区域的形状有较大区别，适宜采用不同的拟合曲线来描述。为了使得拟合曲线能够适应拐点存在的情况和拐点不存在的情况，在本实施例的一些实施方式中，依据车道线候选区域的中心点中是否存在拐点，可以采用不同的方式选取控制点。具体地，在车道线候选区域的中心点中选取多个控制点，例如可以包括：判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点；响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点。其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点。所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
举例说明，在图4所示的示例中，a与e之间的线段可以看出一个车道线候选区域的中心点组成的线段。在该车道线候选区域的中心点中不存在拐点，故在该车道线候选区域的中心点中可以选取a、b、c、d和e作为控制点，即第一目标点包括a、b、c、d和e。其中，a与b之间的距离、b与c之间的距离、c与d之间的距离和d与e之间的距离都是相等的。在图5所示的示例中，a’与e’之间的线段可以看出一个车道线候选区域的中心点组成的线段，在该车道线候选区域的中心点中存在拐点c’，故在该车道线候选区域的中心点中可以选取a’、b’、c’、d’和e’作为控制点，即第二目标点包括a’、b’、c’、d’和e’。其中，a’是该车道线候选区域第一端处的中心点，e’是该车道线候选区域第二端处的中心点，a’与b’之间的距离和b’与c’之间的距离是相等的，c’与d’之间的距离和d’与e’之间的距离都是相等的。
可以理解的是，在车道线候选区域的中心点中，拐点表示的是针对横坐标而言的峰值点或谷值点。具体地，在基于车道图像建立的图像坐标系中，在车道线候选区域的中心点中出现的横坐标峰值点和横坐标谷值点都属于车道线候选区域的拐点。对于一个车道线候选区域来说，在横坐标峰值点两侧的中心点的横坐标值均小于横坐标峰值点，在横坐标谷值点两侧的中心点的横坐标值均大于横坐标谷值点。例如，在图5所示的示例中，a’与e’之间的线段可以看出一个车道线候选区域的中心点组成的线段。在该车道线候选区域的中心点中，c’是一个横坐标谷值点。又如，在图6所示的示例中，a”与e”之间的线段可以看出一个车道线候选区域的中心点组成的线段。在该车道线候选区域的中心点中，c”是一个横坐标峰值点。
在本实施例中，多种实施方式可以用于判断车道线候选区域的中心点中是否存在拐点。例如，在本实施例的一些实施方式中，车道线候选区域的拐点可以通过以下方式判断是否存在：在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点。其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分。所述第六预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分。可以理解的是，此处所述的横坐标表示前述图像坐标系下的横坐标。
更具体地，第五预定条件可以表示为公式2和公式3：
公式2：NumThre＜lmax＜N-NumThre；
公式3：lmin≤NumThre或lmin≥N-NumThre。
第六预定条件可以表示为公式4和公式5：
公式4：NumThre＜lmin＜N-NumThre；
公式5：lmax≤NumThre或lmax≥N-NumThre。
其中，N表示车道线候选区域的中心点数量，NumThre表示预设的数量阈值。lmax表示在车道线候选区域的中心点中第三目标点的纵向排序序号，lmin表示在车道线候选区域的中心点中第四目标点的纵向排序序号。举例说明，在基于车道图像建立的图像坐标系中，假设车道线候选区域的中心点按照纵坐标从小到大的顺序依次为a、b、c、d和e，则a的纵向排序序号为1，b的纵向排序序号为2，c的纵向排序序号为3，d的纵向排序序号为4，e的纵向排序为5。假设a是横坐标最大的第三目标点，c是横坐标最小的第四目标点，则lmax为a的纵向排序序号，即为1，lmin为c的纵向排序序号，即为3。
对于一个车道线候选区域来说，若其第三目标点和第四目标点同时满足公式2和公式3，则该第三目标点和该第四目标点满足第五预定条件，则在该车道线候选区域的中心点中存在峰值点。若其第三目标点和第四目标点不满足公式2和公式3中的任意一个或两个，则该第三目标点和该第四目标点不满足第五预定条件，则在该车道线候选区域的中心点中不存在峰值点。同样地，若其第三目标点和第四目标点同时满足公式4和公式5，则该第三目标点和该第四目标点满足第六预定条件，则在该车道线候选区域的中心点中存在谷值点。若其第三目标点和第四目标点不满足公式4和公式5中的任意一个或两个，则该第三目标点和该第四目标点不满足第六预定条件，则在该车道线候选区域的中心点中不存在谷值点。进一步而言，若车道线候选区域的中心点中存在峰值点或谷值点，该峰值点或谷值点即是其拐点。若车道线候选区域的中心点中即不存在峰值点也不存在谷值点，则其不存在拐点。
可以理解的是，在203得到车道线候选区域的拟合曲线之后，可以进入204，从而将车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。也就是说，203得到的拟合曲线是用于区分车道线候选区域的形状类型的。对于一个车道线候选区域来说，根据其拟合曲线可以将其识别为直线型的车道线候选区域或弯曲型的车道线候选区域。
进一步而言，在本实施例的一些实施方式中，在进入204之前，例如还可以依据车道线候选区域的真实长度及拐点存在与否的情况识别出一些直线型的车道线候选区域，这样，真实长度较短且不存在拐点的车道线候选区域可以不必依据拟合曲线来判断形状类型，需要依据拟合曲线来判断形状类型的车道线候选区域得以减少，从而运算资源的消耗得以降低。具体地，本实施例例如还可以包括：计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行204。其中，预设长度范围可以以长度阈值来表示。若车道线候选区域的真实长度小于该长度阈值，则该真实长度在预设长度范围以内。
204、根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
可以理解的是，车道线候选区域的形状类型对应的是该车道线候选区域属于的车道线的形状。具体地，若车道线候选区域为直线型，则该车道线候选区域对应的车道线可以被认为是直线。若车道线候选区域为弯曲型，则该车道线候选区域对应的车道线可以被认为是曲线。
对于一个车道线候选区域来说，可以依据其拟合曲线上不同位置的倾角来确定车道线候选区域的形状类型。例如，在本实施例的一些实施方式中，可以在车道线候选区的中心点中选取三个采样点用于分别计算拟合曲线在这三个采样点处的倾角，再基于这三个采样点出的倾角来确定车道线候选区域的形状类型。具体地，204例如可以包括：在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点；计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域。其中，所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值。所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差大于第二倾角阈值。所述第一倾角阈值小于所述第二倾角阈值。可以理解的是，第一采样点、第二采样点、第三采样点三者在图像坐标系的纵向坐标可以是按照从大到小的顺序排列的，也即。第一采样点、第二采样点、第三采样点是距离车辆当前位置由近及远排列的。
更具体地，第一倾角、第二倾角和第三倾角可以采用公式6来计算：
公式6：θi＝arctanki，i＝0,1,2；
其中，θ0、θ1、θ2分别表示第一倾角、第二倾角和第三倾角，k0、k1、k2分别表示第一斜率、第二斜率和第三斜率。第一斜率表示车道线候选区域的拟合曲线在第一采样点处的切线斜率，第二斜率表示车道线候选区域的拟合曲线在第二采样点处的切线斜率，第三斜率表示车道线候选区域的拟合曲线在第三采样点处的切线斜率。
此外，第三预定条件可以表示为公式7和公式8：
公式7：θ2-θ1≥θthre1且θ1-θ0≥θthre1；
公式8：θ1-θ2≥θthre1且θ0-θ1≥θthre1。
第四预定条件可以表示为公式9和公式10：
公式9：0≤θ1-θ0≤θthre1且θ2-θ1≥θthre2；
公式10：0≤θ0-θ1≤θthre1且θ1-θ2≥θthre2。
其中，θThre1表示表示第一倾角阈值，θThre2表示表示第二倾角阈值。θThre1小于θThre2。具体地，θThre1例如可以取3°，θThre2例如可以取8°。
对于一个车道线候选区域来说，若该车道线候选区域满足公式7或公式8，则该车道线候选区域满足第三预定条件，可以被确定为弯曲型的车道线候选区域。同样地，若该车道线候选区域满足公式9或公式10，则该车道线候选区域满足第四预定条件，可以被确定为弯曲型的车道线候选区域。若该车道线候选区域对公式7、公式8、公式9和公式10都不满足，则该车道候选区域既不满足第三预定条件也不满足第四预定条件，可以被确定为直线型的车道线候选区域。
需要说明的是，对于车道线候选区域来说，若其中心点存在拐点，则拐点两侧车道线候选区域的形状有较大区别，因此拐点存在与否的情况可以影响到对车道线候选区域的形状类型判断。因此，在本实施例的一些实施方式中，依据车道线候选区域的中心点中是否存在拐点，可以采用不同的方式选取采样点。具体地，在车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，例如可以包括：判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取位于第二采样点两侧的两个中心点作为所述车道线候选区域的第一采样点和第三采样点。其中，第一采样点和第三采样点例如可以分别是车道线候选区域两端的中心点。
举例说明，在图4所示的示例中，a与e之间的线段可以看出一个车道线候选区域的中心点组成的线段。在该车道线候选区域的中心点中不存在拐点，故在该车道线候选区域的中心点中可以选取b、c、d作为采样点，即第一采样点为a，第二采样点为c，第三采样点为e。在图5所示的示例中，a’与e’之间的线段可以看出一个车道线候选区域的中心点组成的线段，在该车道线候选区域的中心点中存在拐点c’，故在该车道线候选区域的中心点中可以选取a’、c’、e’作为采样点，即第一采样点为a’，第二采样点为c’，第三采样点为e’。
此外，关于拐点的介绍以及车道线候选区域的中心点中是否存在拐点的判断方式，可以参见本实施例前述203的详细说明，在此不再赘述。
205、根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线。
可以理解的是，根据车道线候选区域的形状类型，可以将车道图像中的各个车道线候选区域划分到不同的分组中，以使得属于不同车道线的车道线候选区域区分到不同的分组中。这样，每一个分组即对应于一个可能的车道线，同一个分组中的车道线候选区域属于同一可能的车道线，不同分组的车道线候选区域必然不属于同一车道线。
具体实现时，若车道图像中存在弯曲型的车道线候选区域，可以将每一个弯曲型的车道线候选区域划分到单独的一个分组中，以使得每个分组中仅包含一个弯曲型的车道线候选区域。对于车道图像中存在的直线型的车道线候选区域，例如可以根据第二预定条件对直线型车道线候选区域进行分组，具体地，满足第二预定条件的两个直线型车道线候选区域位于同一分组。
其中，第二预定条件可以是用于限定两个直线型车道线候选区域之间的位置关系和方向偏差的条件。具体地，所述第一预定条件可以包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内。其中，所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。例如，基于RANSAC的最小二乘算法对直线型车道线候选区域的中心点进行拟合计算，可以得到直线型车道线候选区域的拟合线段。
可以理解的是，在第二预定条件中，两个直线型车道线候选区域的位置关系限定可以通过世界坐标系来描述。具体地，所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，可以表示，在基于真实世界建立的世界坐标系中，两个直线型车道线候选区域的纵向坐标范围不重叠。所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，可以表示，在基于真实世界建立的世界坐标系中，两个直线型车道线候选区域两者最接近的两个端点之间的相隔距离。
更具体地，第二预定条件涉及位置关系的上述限定，可以表示为公式11和公式12：
公式11：zS1＞zE0；
公式12：MINBLANK＜S＜MAXBLANK。
其中，以区域1和区域0表示第二预定条件涉及的两个直线型车道线候选区域，zS1表示在区域1的拟合线段的起始点在世界坐标系中的纵坐标，zE0表示在区域0的拟合线段的结束点在世界坐标系中的纵坐标，S表示在世界坐标系中区域1的拟合线段的起始点与区域0的拟合线段的结束点之间的距离，MINBLANK表示一个最小距离阈值，MAXBLANK表示一个最大距离阈值。MINBLANK和MAXBLANK例如可以根据公路车道的设计标准确定。
可以理解的是，区域1是在两个直线型车道线候选区域中距离车辆当前位置相对较远的区域，区域0是在两个直线型车道线候选区域中距离车辆当前位置相对较近的区域。对于一个拟合线段来说，其起始点是其两个端点中距离车辆当前位置相对较近的端点，其结束点是其拟合线段的两个端点中距离车辆当前位置相对较远的端点。也就是说，区域1的拟合线段的起始点与区域0的拟合线段的结束点实际上就是区域1与区域0纵向上最接近的两个中心点。
举例说明，在图7所示的分组示例中，线段“0”可以作为区域0的拟合线段，线段“1”可以作为区域1的拟合线段，则E0表示区域0的拟合线段的结束点，S1表示区域1的起始点，E0和S1即是这两个区域纵向上最接近的两个中心点，E0和S1之间的距离即可以作为公式12中的S，E0和S1两者在世界坐标系下的纵坐标即可以分别作为公式11中的zE0和zS1。
需要说明的是，在第二预定条件中，两个直线型车道线候选区域的方向偏差限定可以通过多种方式来描述。例如，在一些实施方式中，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体可以包括以下任意一个或多个条件：
条件a：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内；
条件b：所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内；
条件c：所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内。
其中，条件a可以表示为公式13：
公式13：abs|α|＜Threα，α＝arctan(k1)-arctan(k0)。
条件b可以表示为公式14：
公式14：abs|β|＜Threβ，Threβ＝360×S/2πR。
条件c可以表示为公式15：
公式15：abs|diff|＜Thrediff。
其中，以区域1和区域0表示第二预定条件涉及的两个直线型车道线候选区域，α表示在图像坐标系中区域1的拟合线段与区域0的拟合线段之间的夹角，k1表示区域1的拟合线段的斜率，k0表示区域0的拟合线段的斜率，Threα表示用于描述第二预设夹角范围的夹角阈值，β表示在世界坐标系中区域1的拟合线段与区域0的拟合线段之间的夹角(即估计真实夹角)，S同前述公式12所涉及的S，R表示预设的最小转弯半径，Threβ表示用于描述第三预设夹角范围的夹角阈值，diff表示区域1的拟合线段与区域0的拟合线段之间的偏向距离，Thrediff表示用于描述第三预设距离范围的距离阈值。其中，R例如可以取125米。Thrediff例如可以取0.25米。Threα例如可以取30°。Threβ例如可以依据β的大小确定，如Threβ＝intβ+2。
可以理解的是，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
举例说明，在图7所示的分组示例中，线段“0”可以作为区域0的拟合线段，线段“1”可以作为区域1的拟合线段，E0表示区域0的拟合线段的结束点，S1表示区域1的起始点，E0和S1即是这两个区域纵向上最接近的两个中心点。E0和S1到虚线“V＝Vmiddle”的距离是相等的，即虚线“V＝Vmiddle”是与这两个区域相对应的横向中间线。A点是区域1的拟合线段的延长线与横向中间线的交点，即第一交点。B点是区域0的拟合线段的延长线与横向中间线的交点，即第二交点。可见，A点与B点之间的距离即是区域1与区域0的拟合线段之间的偏向距离。
在车道图像中有时存在一些不属于车道线的区域，其拟合线段与属于车道线的区域的拟合线段近乎于平行，即斜率相近。例如，在图8所示的车道线候选区域的拟合线段示例中，线段“1”和线段“2”是属于同一车道线的车道线区域，线段“3”是属于护栏的区域的拟合线段，线段“3”与线段“1”、线段“2”几乎是平行的，斜率非常接近。为了排除这些不属于车道线的区域与属于车道线的区域划分到同一分组，在本实施例的一些实施方式中，所述第二预定条件例如还可以包括条件d。
其中，条件d为：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内。其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
具体地，条件d可以表示为公式16：
公式16：if(abs|α|＜Threα0){abs|diff|＜Thrediff0}。
其中，α和diff可参见前述公式13～15的介绍。Threα0表示用于描述第四预设夹角范围的夹角阈值。Thrediff0表示用于描述第四预设距离范围的距离阈值。其中，为使得第二预设夹角范围大于第四预设夹角范围，Threα0可以小于Threα。为使得第三预设距离范围大于第四预设距离范围，Thrediff0可以小于Thrediff。
需要说明的是，对于车道图像中的任意两个直线型车道线候选区域，若这两个直线型车道线候选区域满足第二预定条件，则这两个直线型车道线候选区域属于同一个可能的车道线，可以被分配到同一分组中。举例说明，在图7所示的分组示例中，每一个实线线段表示一个直线型车道线候选区域的拟合线段。若线段“0”与线段“1”满足第一预定条件，则线段“0”与线段“1”两者对应的车道线候选区域划分到同一分组中。若线段“1”与线段“2”不满足第二预定条件，则线段“1”与线段“2”两者对应的车道线候选区域划分到不同的分组中。若线段“1”与线段“3”满足第二预定条件，则线段“1”与线段“3”两者对应的车道线候选区域划分到同一分组中。可以理解的是，在线段“0”与线段“1”满足第二预定条件且线段“1”与线段“3”满足第二预定条件的情况下，即使线段“0”与线段“3”不满足第二预定条件，由于线段“0”与线段“1”两者对应的车道线候选区域被划分到同一分组中且线段“1”与线段“3”两者对应的车道线候选区域也被划分到同一分组中，实际上线段“0”与线段“3”也会被划分到同一分组中，也即，线段“0”、线段“1”、线段“3”实际上会被划分到同一分组中。
可以理解的是，通常在一个车道图像中存在多个直线型的车道线候选区域。在对这些直线型车道线候选区域进行分组时，可以按照一定的顺序进行。例如，在本实施例的一些实施方式中，可以按照各个直线型车道线候选区域的拟合线段的起始点距离车辆当前位置由近及远的顺序，为车道图像中所有的直线型车道线候选区域排列顺序并分配序号。然后，按照序号从小到大的顺序，依次选取两个直线型车道线候选区域判断是否满足第二预定条件，若满足则划分到一个分组中。具体地，本实施例例如可以按照以下步骤实现205：
步骤A、针对车道图像中所有未分组的直线型车道线候选区域，按照各个直线型车道线候选区域的拟合线段的起始点距离车辆当前位置由近及远的顺序，为各个直线型车道线候选区域排列顺序并分配序号；
步骤B、取i＝0、j＝i+1，建立一个新的分组作为当前分组，将序号为i的直线型车道线候选区域加入到当前分组中；
步骤C、判断序号为i和j的两个直线型车道线候选区域是否满足第二预定条件，若是进入步骤D，若否进入步骤G；
具体地，可以针对两个直线型车道线候选区域判断前述公式11～16是否均成立，若均成立则两个直线型车道线候选区域满足第二预定条件。
步骤D、将序号为j的直线型车道线候选区域作为待确认区域；
步骤E、判断j是否为N；若否进入步骤F，若是进入步骤I；
其中，N表示直线型车道线候选区域的总数量。
步骤F、判断序号为j+1和j的两个直线型车道线候选区域是否在纵向上有重叠，若是进入步骤H，若否进入步骤I；
步骤G、判断j是否为N，若否进入步骤H，若是进入步骤I；
步骤H、取i＝i、j＝j+1，返回步骤C；
步骤I、若待确认区域的当前数量为0，直接进入步骤J；若待确认区域的当前数量为1，将所述待确认区域确定为目标区域并加入到当前分组中，清除当前记录的待确认区域，再进入步骤J；若待确认区域的当前数量大于1，综合分析各待确认区域的中心点整齐度、区域两侧边缘点斜率差及滤波区域饱和度，在各待确认区域中选取一个目标区域加入到当前分组中，清除当前记录的待确认区域，再进入步骤J；
步骤J、判断j是否为N，若否进入步骤K，若是进入L；
步骤K、取i为当前分组内直线型车道线候选区域对应的最大序号、j＝j+1，返回步骤C；
步骤L、返回步骤A，直至车道图像中所有的直线型车道线候选区域全部分组完毕为止。
206、以各个分组中满足第一预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域。
其中，所述第一预定条件可以包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
可以理解的是，一方面，通常同一车道的两个车道线是相互平行的。因此，若两个分组对应的车道线之间的夹角在第一预设夹角范围以内，则表明这两个分组对应的车道线可以近似看成是平行的。另一方面，由于公路设计标准的影响，通常一个车道的距离是有一定范围限制的，即同一车道的两个车道线之间的距离有一个限定范围。因此，若两个分组对应的车道线之间的距离在第一预设距离范围以内，则表明这两个分组对应的车道线满足车道的距离要求。进一步而言，若两个分组对应的车道线满足夹角范围的要求和距离范围的要求，则这两个分组对应的车道线则可以被认为是真实的车道线，则这两个分组中的车道线候选区域即是属于真实车道线的区域。
在本实施例的一些实施方式中，在205确定目标分组和车道线区域之后，还可以对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；其中，每一目标分组的车道线区域拟合形成一条车道线。可以理解的是，车道线区域的拟合例如可以采用三样条差值的算法实现。
可以理解的是，在本实施例中，所提及的基于车道图像建立的图像坐标系是在平面的车道图像中的平面坐标系，其原点例如可以是车道图像的左上角，如图9所示的坐标系。所提及的基于真实世界建立的世界坐标系可以是在车辆所在位置的三维空间中的三维坐标系，其原点例如可以是在摄像头中心垂直向下与地面交点所在的位置，如图10所示的坐标系。
为了使得本领域技术人员更加清楚地了解本实施例的图像处理过程，下面以一个应用场景示例进行说明。在该应用场景中，车道图像如图11所示，经过201滤波所得的滤波区域图像如图12所示。经过有效像素数量的噪声区域滤除之后所得的滤波区域图像如图13所示。经过205的分组之后所得的车道线候选区域分组如图14所示，其中，灰度深浅相同的区域属于一个分组。经过206的匹配之后得到的车道线区域如图15所示。车道线区域拟合之后得到的车道线如图16所示。
通过本实施例提供的方法，在对车道图像进行滤波之后，将得到的滤波区域作为车道线候选区域，通过车道线候选区域的拟合曲线将车道线候选区域区分为直线型车道线候选区域和弯曲型车道线候选区域，根据区分结果对车道线候选区域进行分组，每一分组内的车道线候选区域形成一条车道线，再在各个分组中将对应相互匹配的车道线的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域。由此可见，在对车道图像进行滤波得到车道线候选区域之后，通过车道线候选区域的分组和匹配，可以将车道线候选区域不属于真实车道线的噪声区域去除，从而将车道线候选区域中属于真实车道线的区域识别为车道线区域，使得车道线区域的检测更加准确，进而使得车道信息的检测更加准确，从而使得车辆偏离预警系统能够正确发出警告提示。
参见图17，示出了本发明实施例中一种检测车道线的装置的结构示意图。在本实施例中，所述装置例如可以包括：
滤波单元1701，用于通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取单元1702，用于提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
第一拟合单元1703，用于通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
区分单元1704，用于根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
分组单元1705，用于根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
第一识别单元1706，用于以各个分组中满足第二预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
可选的，满足第二预定条件的两个直线型车道线候选区域位于同一分组；
其中，所述第二预定条件包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内；所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。
可选的，所述装置还包括：
第二识别单元，用于在所述提取所述车道线候选区域的中心点之后，在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；
滤除单元，用于将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行所述通过对所述车道线候选区域的中心点进行曲线拟合。
可选的，所述第一拟合单元1703包括：
第一选取单元，用于在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；
第二拟合单元，用于通过对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；
形成单元，用于以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。
可选的，所述第一选取单元包括：
判断单元，用于判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
第二选取单元，用于响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点，其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点；
第三选取单元，用于响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点，其中，所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
可选的，所述装置还包括：
第一计算单元，用于计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
第三识别单元，用于将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
可选的，所述区分单元1704包括：
第四选取单元，用于在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，其中，第一采样点与第二采样点之间的距离与第二采样点与第三采样点之间的距离相等；
第二计算单元，用于计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；
第四识别单元，用于根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域；
所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值；
所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差大于第二倾角阈值。
可选的，所述第四选取单元包括：
判断单元，用于判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
第五选取单元，用于响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取相隔距离相等的三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；
第六选取单元，用于响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取第二采样点两侧距离所述第二采样点距离相等的中心点作为所述车道线候选区域的第一采样点和第三采样点。
可选的，所述判断单元包括：
查找单元，用于在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；
第一确定单元，用于响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；
第二确定单元响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点；
其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分；
所述第六预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体为：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内，所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内，和/或，所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内；
其中，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述第二预定条件还包括：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内；
其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
可选的，所述装置还包括：
第三拟合单元，用于在所述将所述目标分组中的车道线候选区域识别为车道线区域之后，对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；
其中，每一目标分组的车道线区域拟合形成一条车道线。
通过本实施例提供的装置，在对车道图像进行滤波得到车道线候选区域之后，通过车道线候选区域的分组和匹配，可以将车道线候选区域不属于真实车道线的噪声区域去除，从而将车道线候选区域中属于真实车道线的区域识别为车道线区域，使得车道线区域的检测更加准确，进而使得车道信息的检测更加准确，从而使得车辆偏离预警系统能够正确发出警告提示。
参见图18，示出了本发明实施例中一种检测车道线的设备的结构示意图。在本实施例中，所述设备1800例如可以包括处理器1801、存储器1802、通信接口1803、总线系统1804。其中，
所述总线系统1804，用于将所述设备的各个硬件组件耦合在一起；
所述通信接口1803，用于实现所述设备与至少一个其它设备之间的通信连接；
所述存储器1802，用于存储程序指令和数据；
所述处理器1801，用于读取存储器1802中存储的指令和数据，执行以下操作：
通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
以各个分组中满足第二预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
可选的，满足第二预定条件的两个直线型车道线候选区域位于同一分组；
其中，所述第二预定条件包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内；所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。
可选的，所述处理器1801在所述提取所述车道线候选区域的中心点之后，还可以执行以下操作：
在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；
将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行所述通过对所述车道线候选区域的中心点进行曲线拟合。
可选的，所述处理器1801为了实现通过对所述车道线候选区域的中心点进行曲线拟合得到所述车道线候选区域的拟合曲线，可以执行以下操作：
在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；
通过对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；
以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。
可选的，所述处理器1801为了实现在所述车道线候选区域的中心点中选取多个控制点，可以执行以下操作：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点，其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点；
响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点，其中，所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
可选的，所述处理器1801还可以执行以下操作：
计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
可选的，所述处理器为了实现根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域，可以执行以下操作：
在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，其中，第一采样点与第二采样点之间的距离与第二采样点与第三采样点之间的距离相等；
计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；
根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域；
所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值；
所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差大于第二倾角阈值。
可选的，所述处理器1801为了实现在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，可以执行以下操作：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取相隔距离相等的三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；
响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取第二采样点两侧距离所述第二采样点距离相等的中心点作为所述车道线候选区域的第一采样点和第三采样点。
可选的，所述处理器1801为了实现判断所述车道线候选区域的中心点中是否存在拐点，可以执行以下操作：
在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；
响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；
响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点；
其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分；
所述第六预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体可以为：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内，所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内，和/或，所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内；
其中，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
可选的，在满足第二预定条件的两个直线型车道线候选区域位于同一分组的情况下，所述第二预定条件还可以包括：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内；
其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
可选的，所述处理器1801在所述将所述目标分组中的车道线候选区域识别为车道线区域之后，还可以执行以下操作：
对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；
其中，每一目标分组的车道线区域拟合形成一条车道线。
通过本实施例提供的装置，在对车道图像进行滤波得到车道线候选区域之后，通过车道线候选区域的分组和匹配，可以将车道线候选区域不属于真实车道线的噪声区域去除，从而将车道线候选区域中属于真实车道线的区域识别为车道线区域，使得车道线区域的检测更加准确，进而使得车道信息的检测更加准确，从而使得车辆偏离预警系统能够正确发出警告提示。
本发明实施例中提到的“第一预定条件”、“第一目标点”、“第一预设距离范围”等名称中的“第一”只是用来做名字标识，并不代表顺序上的第一。该规则同样适用于“第二”、“第三”等。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例和设备实施例而言，由于其基本相似于系统实施例，所以描述得比较简单，相关之处参见系统实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本发明的优选实施方式，并非用于限定本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种检测车道线的方法，其特征在于，包括：
通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
以各个分组中满足第一预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
2.根据权利要求1所述的方法，其特征在于，满足第二预定条件的两个直线型车道线候选区域位于同一分组；
其中，所述第二预定条件包括：所述两个直线型车道线候选区域的拟合线段在纵向上不重叠，所述两个直线型车道线候选区域纵向上最接近的中心点之间的间距在第二预设距离范围以内，和，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内；所述直线型车道线候选区域的拟合线段是通过对所述直线型车道线候选区域的中心点进行直线拟合而得到的。
3.根据权利要求1所述的方法，其特征在于，在所述提取所述车道线候选区域的中心点之后，还包括：
在所述车道线候选区域的中心点中识别有效像素点的数量，作为所述车道线候选区域的有效像素数量；
将有效像素数量不属于预设数量范围的车道线候选区域滤除，以滤除后剩余的车道线候选区域执行所述通过对所述车道线候选区域的中心点进行曲线拟合。
4.根据权利要求1所述的方法，其特征在于，所述通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线，包括：
在所述车道线候选区域的中心点中选取多个控制点，其中，所述控制点包括所述车道线候选区域两端处的中心点；
通过对所述车道线候选区域的控制点进行拟合，得到所述车道线候选区域的每对相邻的控制点之间的曲线方程；
以所述车道线候选区域的各对相邻的控制点之间的曲线方程，形成所述车道线候选区域的拟合曲线。
5.根据权利要求4所述的方法，其特征在于，所述在所述车道线候选区域的中心点中选取多个控制点，包括：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，从所述车道线候选区域中选取第一目标点作为所述控制点，其中，所述车道线候选区域的各对相邻的第一目标点之间的距离相等，所述车道线候选区域的第一目标点包括所述车道线候选区域两端处的中心点；
响应于所述车道线候选区域的中心点存在拐点，从所述车道线候选区域中选取第二目标点作为所述控制点，其中，所述车道线候选区域的第二目标控制点包括所述车道线候选区域两端处的中心点和拐点，在所述车道线候选区域第一端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等，在所述车道线候选区域第二端处的中心点与拐点之间每对相邻的第二目标点之间的距离相等。
6.根据权利要求1所述的方法，其特征在于，还包括：
计算所述车道线候选区域的真实长度并判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
将真实长度在预设长度范围以内且中心点中不存在拐点的车道线候选区域识别为直线型的车道线候选区域，并以剩余的车道线候选区域执行所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域。
7.根据权利要求1所述的方法，其特征在于，所述根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域，包括：
在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点；
计算所述车道线候选区域的拟合曲线分别在所述第一采样点、所述第二采样点、所述第三采样点处的倾角，作为所述车道线候选区域的第一倾角、第二倾角和第三倾角；
根据所述车道线候选区域的第一倾角、第二倾角和第三倾角，将满足第三预定条件或第四预定条件的车道线候选区域识别为弯曲型的车道线候选区域，将第三预定条件或第四预定条件都不满足的车道线候选区域识别为直线型的车道线候选区域；
所述第三预定条件为：所述车道线候选区域的第一倾角与第二倾角之差和所述车道线候选区域的第二倾角与第三倾角之差均大于第一倾角阈值；
所述第四预定条件为：所述车道线候选区域的第一倾角与第二倾角之差小于所述第一倾角阈值且所述车道线候选区域的第二倾角与第三倾角之差大于第二倾角阈值。
8.根据权利要求7所述的方法，其特征在于，所述在所述车道线候选区域的中心点中选取第一采样点、第二采样点和第三采样点，包括：
判断所述车道线候选区域的中心点中是否存在拐点，其中，所述拐点为峰值点或谷值点；
响应于所述车道线候选区域的中心点中不存在拐点，在所述车道线候选区域中任意选取三个中心点作为所述车道线候选区域的第一采样点、第二采样点和第三采样点；
响应于所述车道线候选区域的中心点中存在拐点，以所述车道线候选区域的拐点作为所述车道线候选区域的第二采样点，在所述车道线候选区域中选取位于第二采样点两侧的两个中心点作为所述车道线候选区域的第一采样点和第三采样点。
9.根据权利要求5、6或8所述的方法，其特征在于，所述判断所述车道线候选区域的中心点中是否存在拐点，包括：
在所述车道线候选区域的中心点中查找横坐标最大的第三目标点和横坐标最小的第四目标点；
响应于所述第三目标点和所述第四目标点满足第五预定条件或第六预定条件，确定所述车道线候选区域的中心点中存在拐点；
响应于所述第三目标点和所述第四目标点既不满足所述第五预定条件也不满足所述第六预定条件，确定所述车道线候选区域的中心点中不存在拐点；
其中，所述第五预定条件为：所述第三目标点位于所述车道线候选区域的中间部分且所述第四目标点位于所述车道线候选区域的两端部分；
所述第六预定条件为：所述第四目标点位于所述车道线候选区域的中间部分且所述第三目标点位于所述车道线候选区域的两端部分。
10.根据权利要求2所述的方法，其特征在于，所述两个直线型车道线候选区域的拟合线段之间的方向偏差在预设偏差范围以内，具体为：所述两个直线型车道线候选区域的拟合线段之间的夹角在第二预设夹角范围以内，所述两个直线型车道线候选区域之间的估计真实夹角在第三预设夹角范围以内，和/或，所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第三预设距离范围以内；
其中，所述偏向距离为第一交点和第二交点之间的距离，所述第一交点和所述第二交点分别是所述两个直线型车道线候选区域的拟合线段的延长线与横向中间线的交点，所述两个直线型车道线候选区域纵向上最接近的中心点与所述横向中间线的距离相等。
11.根据权利要求2所述的方法，其特征在于，所述第二预定条件还包括：若所述两个直线型车道线候选区域的拟合线段之间的夹角在第四预设夹角范围以内，则所述两个直线型车道线候选区域的拟合线段之间的偏向距离在第四预设距离范围以内；
其中，所述第二预设夹角范围大于所述第四预设夹角范围，所述第三预设距离范围大于所述第四预设距离范围。
12.根据权利要求1所述的方法，其特征在于，在所述将所述目标分组中的车道线候选区域识别为车道线区域之后，还包括：
对所述目标分组的车道线区域进行拟合，得到所述车道图像中的车道线；
其中，每一目标分组的车道线区域拟合形成一条车道线。
13.一种检测车道线的装置，其特征在于，包括：
滤波单元，用于通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取单元，用于提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
第一拟合单元，用于通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
区分单元，用于根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
分组单元，用于根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
第一识别单元，用于以各个分组中满足第二预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
14.一种检测车道线的设备，其特征在于，包括处理器、存储器、通信接口、总线系统；
所述总线系统，用于将所述设备的各个硬件组件耦合在一起；
所述通信接口，用于实现所述设备与至少一个其它设备之间的通信连接；
所述存储器，用于存储程序指令和数据；
所述处理器，用于读取存储器中存储的指令和数据，执行以下操作：
通过对车道图像进行滤波，确定所述车道图像中的车道线候选区域；
提取所述车道线候选区域的中心点，所述车道线区域的中心点包括所述车道线候选区域在每行上的两端端点之间的中点；
通过对所述车道线候选区域的中心点进行曲线拟合，得到所述车道线候选区域的拟合曲线；
根据所述车道线候选区域的拟合曲线的倾角将所述车道线候选区域区分为直线型的车道线候选区域和弯曲型的车道线候选区域；
根据区分结果，对所述车道线候选区域进行分组，其中，每个弯曲型的车道线候选区域单独形成一个分组，一个或多个直线型的车道线候选区域形成一个分组，同一分组内的车道线候选区域属于同一车道线；
以各个分组中满足第二预定条件的两个分组作为目标分组，将所述目标分组中的车道线候选区域识别为车道线区域；
所述第一预定条件包括：所述两个分组对应的车道线之间的距离在第一预设距离范围以内，和/或，所述两个分组对应的车道线之间的夹角在第一预设夹角范围以内。
CN201610748872.5A 2016-08-29 2016-08-29 一种检测车道线的方法、装置和设备 Active CN106407893B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201610748872.5A CN106407893B (zh) 2016-08-29 2016-08-29 一种检测车道线的方法、装置和设备
US15/361,074 US10140529B2 (en) 2016-08-29 2016-11-25 Method, apparatus and device for detecting lane lines
JP2016244016A JP6347827B2 (ja) 2016-08-29 2016-12-16 車線境界線を検出する方法、装置、およびデバイス
DE102016124879.7A DE102016124879A1 (de) 2016-08-29 2016-12-19 Verfahren, Einrichtung und Vorrichtung zum Ermitteln von Fahrspurlinien

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610748872.5A CN106407893B (zh) 2016-08-29 2016-08-29 一种检测车道线的方法、装置和设备

Publications (2)

Publication Number Publication Date
CN106407893A true CN106407893A (zh) 2017-02-15
CN106407893B CN106407893B (zh) 2019-11-22

Family

ID=58002771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610748872.5A Active CN106407893B (zh) 2016-08-29 2016-08-29 一种检测车道线的方法、装置和设备

Country Status (4)

Country Link
US (1) US10140529B2 (zh)
JP (1) JP6347827B2 (zh)
CN (1) CN106407893B (zh)
DE (1) DE102016124879A1 (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107462223A (zh) * 2017-08-08 2017-12-12 长安大学 一种公路转弯前行车视距自动测量装置及测量方法
CN108256445A (zh) * 2017-12-29 2018-07-06 北京华航无线电测量研究所 车道线检测方法及系统
CN108629292A (zh) * 2018-04-16 2018-10-09 海信集团有限公司 弯曲车道线检测方法、装置及终端
CN108710834A (zh) * 2018-04-28 2018-10-26 哈尔滨工业大学深圳研究生院 滤波区域的相关滤波目标跟踪方法
CN108921079A (zh) * 2018-06-27 2018-11-30 盯盯拍（深圳）技术股份有限公司 拍摄角度调整方法、拍摄角度调整设备以及车载摄像装置
CN108921089A (zh) * 2018-06-29 2018-11-30 驭势科技（北京）有限公司 车道线检测方法、装置和系统及存储介质
CN108931786A (zh) * 2018-05-17 2018-12-04 北京智行者科技有限公司 路沿检测装置和方法
CN109190548A (zh) * 2018-08-28 2019-01-11 武汉真元生物数据有限公司 基于gabor滤波的快速眼睑检测方法及系统
CN109186615A (zh) * 2018-09-03 2019-01-11 武汉中海庭数据技术有限公司 基于高精度地图的车道边线距离检测方法、装置及存储介质
CN109800641A (zh) * 2018-12-14 2019-05-24 天津大学 基于阈值自适应二值化和连通域分析的车道线检测方法
CN109816720A (zh) * 2018-12-21 2019-05-28 歌尔股份有限公司 道路中心检测方法、机载设备及存储介质
CN109949360A (zh) * 2019-03-18 2019-06-28 北京百度网讯科技有限公司 一种道路中心线的提取方法、装置、电子设备及存储介质
EP3506158A1 (en) * 2017-12-29 2019-07-03 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus, and device for determining lane line on road
CN110281888A (zh) * 2019-05-23 2019-09-27 纽劢科技(上海)有限公司 通过曲线拟合控制减速及刹车的方法
CN110654320A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 探测装置探测角度的调整方法、装置及具有其的车辆
CN110765812A (zh) * 2018-07-26 2020-02-07 北京图森未来科技有限公司 一种图像数据车道线的标定方法和装置
CN111212260A (zh) * 2018-11-21 2020-05-29 杭州海康威视数字技术股份有限公司 一种基于监控视频绘制车道线的方法及装置
CN111325811A (zh) * 2018-12-14 2020-06-23 广东星舆科技有限公司 一种车道线数据的处理方法及处理装置
CN111462527A (zh) * 2019-01-21 2020-07-28 现代自动车株式会社 车道识别装置和车道识别方法
CN111460073A (zh) * 2020-04-01 2020-07-28 北京百度网讯科技有限公司 车道线检测方法、装置、设备和存储介质
CN111488808A (zh) * 2020-03-31 2020-08-04 杭州诚道科技股份有限公司 基于交通违法图像数据的车道线检测方法
CN112071058A (zh) * 2020-08-14 2020-12-11 深延科技(北京)有限公司 基于深度学习的道路交通监控及车辆异常、违禁、火灾的检测方法及系统
CN112464914A (zh) * 2020-12-30 2021-03-09 南京积图网络科技有限公司 一种基于卷积神经网络的护栏分割方法
CN112785844A (zh) * 2020-12-28 2021-05-11 东软睿驰汽车技术（沈阳）有限公司 曲线坐标系的建立方法、装置和电子设备
CN112782661A (zh) * 2021-01-05 2021-05-11 广州小鹏自动驾驶科技有限公司 一种机动车道护栏检测方法及相关装置
CN112802149A (zh) * 2019-11-13 2021-05-14 阿里巴巴集团控股有限公司 车道线的生成方法、生成装置、电子设备及存储介质
CN112950740A (zh) * 2019-12-10 2021-06-11 中交宇科（北京）空间信息技术有限公司 高精地图道路中心线的生成方法、装置、设备及存储介质
CN114399589A (zh) * 2021-12-20 2022-04-26 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114511832A (zh) * 2022-04-21 2022-05-17 深圳比特微电子科技有限公司 车道线分析方法、装置、电子设备及存储介质
CN115019518A (zh) * 2022-06-17 2022-09-06 南京乾创电子科技有限公司 一种用于公交车道占用的抓拍系统和方法
CN117719515A (zh) * 2024-01-05 2024-03-19 深圳技术大学 一种车道偏离预警方法及其系统

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190072834A (ko) * 2017-12-18 2019-06-26 삼성전자주식회사 차량의 종방향 속도를 제어하는 장치 및 방법
CN108171225B (zh) * 2018-03-14 2020-12-18 海信集团有限公司 车道检测方法、装置、终端及存储介质
CN110555344B (zh) * 2018-06-01 2022-05-31 赛灵思电子科技(北京)有限公司 车道线识别方法、装置、电子设备、存储介质
KR102564856B1 (ko) 2018-09-07 2023-08-08 삼성전자주식회사 차선을 검출하는 방법 및 장치
CN111126106B (zh) * 2018-10-31 2023-09-05 沈阳美行科技股份有限公司 一种车道线识别方法和装置
TWI690439B (zh) * 2018-11-01 2020-04-11 財團法人車輛研究測試中心 道路標線之光達偵測方法及其系統
JP2020087001A (ja) * 2018-11-27 2020-06-04 株式会社デンソー 車線位置情報出力装置
US10423840B1 (en) * 2019-01-31 2019-09-24 StradVision, Inc. Post-processing method and device for detecting lanes to plan the drive path of autonomous vehicle by using segmentation score map and clustering map
EP3705384B1 (en) * 2019-03-04 2021-12-22 Aptiv Technologies Limited Side collision risk estimation system for a vehicle
CN110413942B (zh) * 2019-06-04 2023-08-08 上海汽车工业(集团)总公司 车道线方程筛选方法及其筛选模块
CN112115215A (zh) * 2019-06-20 2020-12-22 北京四维图新科技股份有限公司 车道中心线的确定方法及装置
CN111178193A (zh) * 2019-12-18 2020-05-19 深圳市优必选科技股份有限公司 一种车道线的检测方法、检测装置及计算机可读存储介质
CN111192216B (zh) * 2019-12-31 2023-04-21 武汉中海庭数据技术有限公司 一种车道线平滑处理方法及系统
US11688155B2 (en) 2020-01-06 2023-06-27 Luminar, Llc Lane detection and tracking techniques for imaging systems
CN111372188B (zh) * 2020-05-27 2020-09-01 腾讯科技（深圳）有限公司 区域内热点轨迹确定方法和装置、存储介质及电子装置
CN111652952B (zh) * 2020-06-05 2022-03-18 腾讯科技（深圳）有限公司 车道线生成方法、装置、计算机设备和存储介质
CN111932506B (zh) * 2020-07-22 2023-07-14 四川大学 一种提取图像中非连续直线的方法
CN112507852A (zh) * 2020-12-02 2021-03-16 上海眼控科技股份有限公司 一种车道线识别方法、装置、设备及存储介质
US11834065B2 (en) * 2020-12-21 2023-12-05 Argo AI System, method, and computer program product for detecting road marking points from LiDAR data
CN113407027B (zh) * 2021-06-04 2023-03-03 浙江商汤科技开发有限公司 位姿获取方法及装置和电子设备、存储介质
CN113254563B (zh) * 2021-06-18 2022-04-12 智道网联科技(北京)有限公司 道路编号的生成方法及相关装置
CN113762067B (zh) * 2021-07-21 2024-03-26 上海圭目机器人有限公司 一种机场板块的识别方法
CN113887298A (zh) * 2021-08-31 2022-01-04 际络科技(上海)有限公司 车道线检测方法、装置、电子设备、存储介质及程序产品
CN114092906B (zh) * 2021-10-13 2024-07-30 武汉光庭信息技术股份有限公司 一种车道线分段拟合方法、系统、电子设备及存储介质
CN113920319B (zh) * 2021-12-15 2022-04-05 深圳佑驾创新科技有限公司 一种车道干扰噪声线的滤除方法及装置
CN114842448B (zh) * 2022-05-11 2023-03-24 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114694138B (zh) * 2022-06-01 2022-09-20 远峰科技股份有限公司 一种应用于智能驾驶的路面检测方法、装置及设备
CN114724117B (zh) * 2022-06-07 2022-09-13 腾讯科技（深圳）有限公司 车道线关键点数据生成方法、装置、电子设备及存储介质
CN115116019B (zh) * 2022-07-13 2023-08-01 阿波罗智能技术(北京)有限公司 车道线处理方法、装置、设备以及存储介质
CN115071733B (zh) * 2022-07-21 2022-10-25 成都工业职业技术学院 一种基于计算机的辅助驾驶方法及装置
CN115147802B (zh) * 2022-09-06 2022-11-25 福思(杭州)智能科技有限公司 一种车道线预测方法、装置、介质、程序产品及车辆
CN115273013B (zh) * 2022-09-27 2024-05-03 江西小马机器人有限公司 车道线检测方法、系统、计算机及可读存储介质
CN115422316B (zh) * 2022-11-02 2023-01-13 高德软件有限公司 车道线数据处理方法、装置、电子设备及存储介质
CN117495989B (zh) * 2023-12-29 2024-04-19 腾讯科技（深圳）有限公司 数据处理方法、装置、设备及可读存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477629A (zh) * 2008-12-29 2009-07-08 东软集团股份有限公司 车道线的感兴趣区域提取方法和装置
CN102288121A (zh) * 2011-05-12 2011-12-21 电子科技大学 一种基于单目视觉的车道偏离距离测量及预警方法
CN102521589A (zh) * 2011-11-18 2012-06-27 深圳市宝捷信科技有限公司 一种车道线检测的方法及系统
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
CN103473762A (zh) * 2013-08-29 2013-12-25 奇瑞汽车股份有限公司 一种车道线检测方法和装置
CN104063877A (zh) * 2014-07-16 2014-09-24 中电海康集团有限公司 一种候选车道线混合判断识别方法
US20150248763A1 (en) * 2014-03-03 2015-09-03 Denso Corporation Turnoff recognition apparatus
CN105069415A (zh) * 2015-07-24 2015-11-18 深圳市佳信捷技术股份有限公司 车道线检测方法和装置
JP5832850B2 (ja) * 2011-10-20 2015-12-16 アルパイン株式会社 車線監視システム及び車線監視方法
CN105224909A (zh) * 2015-08-19 2016-01-06 奇瑞汽车股份有限公司 车道线检测系统中的车道线确认方法
CN105261020A (zh) * 2015-10-16 2016-01-20 桂林电子科技大学 一种快速车道线检测方法
CN105260713A (zh) * 2015-10-09 2016-01-20 东方网力科技股份有限公司 一种车道线检测方法和装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3357749B2 (ja) * 1994-07-12 2002-12-16 本田技研工業株式会社 車両の走行路画像処理装置
JP3288566B2 (ja) * 1994-11-10 2002-06-04 株式会社豊田中央研究所 走行レーン認識装置
DE69736764T2 (de) * 1996-08-28 2007-01-25 Matsushita Electric Industrial Co., Ltd., Kadoma Lokales Positionierungsgerät und Verfahren dafür
JP3192616B2 (ja) * 1996-08-28 2001-07-30 松下電器産業株式会社 局地的位置把握装置及びその方法
JP3521860B2 (ja) * 2000-10-02 2004-04-26 日産自動車株式会社 車両の走行路認識装置
JP3780922B2 (ja) * 2001-11-30 2006-05-31 日産自動車株式会社 道路白線認識装置
JP3864945B2 (ja) * 2003-09-24 2007-01-10 アイシン精機株式会社 路面走行レーン検出装置
JP4659631B2 (ja) * 2005-04-26 2011-03-30 富士重工業株式会社 車線認識装置
JP4616068B2 (ja) * 2005-04-28 2011-01-19 本田技研工業株式会社 車両、画像処理システム、画像処理方法及び画像処理プログラム
JP5074365B2 (ja) * 2008-11-28 2012-11-14 日立オートモティブシステムズ株式会社 カメラ装置
JP5287335B2 (ja) * 2009-02-23 2013-09-11 日産自動車株式会社 道路白線認識装置及び道路白線認識方法
JP5363921B2 (ja) * 2009-08-31 2013-12-11 富士重工業株式会社 車両用白線認識装置
JP5796947B2 (ja) * 2010-10-08 2015-10-21 三菱重工業株式会社 自律走行制御装置及びそれを備えた自律走行車両
JP6270102B2 (ja) * 2012-10-10 2018-01-31 株式会社リコー 移動面境界線認識装置、これを用いた移動体機器制御システム、移動面境界線認識方法及び移動面境界線認識用プログラム
JP5989701B2 (ja) * 2014-03-24 2016-09-07 トヨタ自動車株式会社 境界検出装置および境界検出方法
JP6185418B2 (ja) * 2014-03-27 2017-08-23 トヨタ自動車株式会社 走路境界区画線検出装置
CN106203398B (zh) * 2016-07-26 2019-08-13 东软集团股份有限公司 一种检测车道边界的方法、装置和设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477629A (zh) * 2008-12-29 2009-07-08 东软集团股份有限公司 车道线的感兴趣区域提取方法和装置
CN102288121A (zh) * 2011-05-12 2011-12-21 电子科技大学 一种基于单目视觉的车道偏离距离测量及预警方法
JP5832850B2 (ja) * 2011-10-20 2015-12-16 アルパイン株式会社 車線監視システム及び車線監視方法
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
CN102521589A (zh) * 2011-11-18 2012-06-27 深圳市宝捷信科技有限公司 一种车道线检测的方法及系统
CN103473762A (zh) * 2013-08-29 2013-12-25 奇瑞汽车股份有限公司 一种车道线检测方法和装置
US20150248763A1 (en) * 2014-03-03 2015-09-03 Denso Corporation Turnoff recognition apparatus
CN104063877A (zh) * 2014-07-16 2014-09-24 中电海康集团有限公司 一种候选车道线混合判断识别方法
CN105069415A (zh) * 2015-07-24 2015-11-18 深圳市佳信捷技术股份有限公司 车道线检测方法和装置
CN105224909A (zh) * 2015-08-19 2016-01-06 奇瑞汽车股份有限公司 车道线检测系统中的车道线确认方法
CN105260713A (zh) * 2015-10-09 2016-01-20 东方网力科技股份有限公司 一种车道线检测方法和装置
CN105261020A (zh) * 2015-10-16 2016-01-20 桂林电子科技大学 一种快速车道线检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吕魁超: "基于DM6437的不同照度下阈值选取对车道偏离预警系统影响的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
孙思思: "基于机器视觉的车道线检测和识别技术的研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107462223A (zh) * 2017-08-08 2017-12-12 长安大学 一种公路转弯前行车视距自动测量装置及测量方法
CN107462223B (zh) * 2017-08-08 2020-06-16 长安大学 一种公路转弯前行车视距自动测量装置及测量方法
CN108256445A (zh) * 2017-12-29 2018-07-06 北京华航无线电测量研究所 车道线检测方法及系统
US10885352B2 (en) 2017-12-29 2021-01-05 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus, and device for determining lane line on road
EP3506158A1 (en) * 2017-12-29 2019-07-03 Baidu Online Network Technology (Beijing) Co., Ltd. Method, apparatus, and device for determining lane line on road
CN108629292A (zh) * 2018-04-16 2018-10-09 海信集团有限公司 弯曲车道线检测方法、装置及终端
CN108710834A (zh) * 2018-04-28 2018-10-26 哈尔滨工业大学深圳研究生院 滤波区域的相关滤波目标跟踪方法
CN108710834B (zh) * 2018-04-28 2022-01-14 哈尔滨工业大学深圳研究生院 滤波区域的相关滤波目标跟踪方法
CN108931786A (zh) * 2018-05-17 2018-12-04 北京智行者科技有限公司 路沿检测装置和方法
CN108921079A (zh) * 2018-06-27 2018-11-30 盯盯拍（深圳）技术股份有限公司 拍摄角度调整方法、拍摄角度调整设备以及车载摄像装置
CN110654320A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 探测装置探测角度的调整方法、装置及具有其的车辆
CN108921089A (zh) * 2018-06-29 2018-11-30 驭势科技（北京）有限公司 车道线检测方法、装置和系统及存储介质
CN110765812B (zh) * 2018-07-26 2021-02-19 北京图森智途科技有限公司 一种图像数据车道线的标定方法和装置
CN110765812A (zh) * 2018-07-26 2020-02-07 北京图森未来科技有限公司 一种图像数据车道线的标定方法和装置
CN109190548A (zh) * 2018-08-28 2019-01-11 武汉真元生物数据有限公司 基于gabor滤波的快速眼睑检测方法及系统
CN109190548B (zh) * 2018-08-28 2021-04-20 武汉真元生物数据有限公司 基于gabor滤波的快速眼睑检测方法及系统
CN109186615A (zh) * 2018-09-03 2019-01-11 武汉中海庭数据技术有限公司 基于高精度地图的车道边线距离检测方法、装置及存储介质
CN111212260A (zh) * 2018-11-21 2020-05-29 杭州海康威视数字技术股份有限公司 一种基于监控视频绘制车道线的方法及装置
CN111212260B (zh) * 2018-11-21 2021-08-20 杭州海康威视数字技术股份有限公司 一种基于监控视频绘制车道线的方法及装置
CN109800641B (zh) * 2018-12-14 2023-04-18 天津大学 基于阈值自适应二值化和连通域分析的车道线检测方法
CN109800641A (zh) * 2018-12-14 2019-05-24 天津大学 基于阈值自适应二值化和连通域分析的车道线检测方法
CN111325811A (zh) * 2018-12-14 2020-06-23 广东星舆科技有限公司 一种车道线数据的处理方法及处理装置
CN109816720A (zh) * 2018-12-21 2019-05-28 歌尔股份有限公司 道路中心检测方法、机载设备及存储介质
CN111462527A (zh) * 2019-01-21 2020-07-28 现代自动车株式会社 车道识别装置和车道识别方法
CN109949360A (zh) * 2019-03-18 2019-06-28 北京百度网讯科技有限公司 一种道路中心线的提取方法、装置、电子设备及存储介质
CN109949360B (zh) * 2019-03-18 2021-08-17 北京百度网讯科技有限公司 一种道路中心线的提取方法、装置、电子设备及存储介质
CN110281888A (zh) * 2019-05-23 2019-09-27 纽劢科技(上海)有限公司 通过曲线拟合控制减速及刹车的方法
CN112802149B (zh) * 2019-11-13 2023-03-21 阿里巴巴集团控股有限公司 车道线的生成方法、生成装置、电子设备及存储介质
CN112802149A (zh) * 2019-11-13 2021-05-14 阿里巴巴集团控股有限公司 车道线的生成方法、生成装置、电子设备及存储介质
CN112950740A (zh) * 2019-12-10 2021-06-11 中交宇科（北京）空间信息技术有限公司 高精地图道路中心线的生成方法、装置、设备及存储介质
CN111488808B (zh) * 2020-03-31 2023-09-29 杭州诚道科技股份有限公司 基于交通违法图像数据的车道线检测方法
CN111488808A (zh) * 2020-03-31 2020-08-04 杭州诚道科技股份有限公司 基于交通违法图像数据的车道线检测方法
CN111460073A (zh) * 2020-04-01 2020-07-28 北京百度网讯科技有限公司 车道线检测方法、装置、设备和存储介质
CN111460073B (zh) * 2020-04-01 2023-10-20 北京百度网讯科技有限公司 车道线检测方法、装置、设备和存储介质
CN112071058A (zh) * 2020-08-14 2020-12-11 深延科技(北京)有限公司 基于深度学习的道路交通监控及车辆异常、违禁、火灾的检测方法及系统
CN112785844A (zh) * 2020-12-28 2021-05-11 东软睿驰汽车技术（沈阳）有限公司 曲线坐标系的建立方法、装置和电子设备
CN112464914A (zh) * 2020-12-30 2021-03-09 南京积图网络科技有限公司 一种基于卷积神经网络的护栏分割方法
CN112782661A (zh) * 2021-01-05 2021-05-11 广州小鹏自动驾驶科技有限公司 一种机动车道护栏检测方法及相关装置
CN112782661B (zh) * 2021-01-05 2024-10-11 广州小鹏自动驾驶科技有限公司 一种机动车道护栏检测方法及相关装置
CN114399589A (zh) * 2021-12-20 2022-04-26 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114511832B (zh) * 2022-04-21 2022-07-12 深圳比特微电子科技有限公司 车道线分析方法、装置、电子设备及存储介质
CN114511832A (zh) * 2022-04-21 2022-05-17 深圳比特微电子科技有限公司 车道线分析方法、装置、电子设备及存储介质
CN115019518A (zh) * 2022-06-17 2022-09-06 南京乾创电子科技有限公司 一种用于公交车道占用的抓拍系统和方法
CN117719515A (zh) * 2024-01-05 2024-03-19 深圳技术大学 一种车道偏离预警方法及其系统
CN117719515B (zh) * 2024-01-05 2024-06-25 深圳技术大学 一种车道偏离预警方法及其系统

Also Published As

Publication number Publication date
US20180060677A1 (en) 2018-03-01
US10140529B2 (en) 2018-11-27
DE102016124879A1 (de) 2018-03-01
JP6347827B2 (ja) 2018-06-27
CN106407893B (zh) 2019-11-22
JP2018037053A (ja) 2018-03-08

Similar Documents

Publication Publication Date Title
CN106407893B (zh) 一种检测车道线的方法、装置和设备
CN106203398B (zh) 一种检测车道边界的方法、装置和设备
US9373043B2 (en) Method and apparatus for detecting road partition
Guo et al. Lane detection method based on improved RANSAC algorithm
EP2955664A1 (en) Traffic lane boundary line extraction apparatus, traffic lane boundary line extraction method, and program
CN110765992B (zh) 印章鉴别方法、介质、设备及装置
EP4252148A1 (en) Lane line detection method based on deep learning, and apparatus
CN107480646B (zh) 一种基于双目视觉的车载视频异常运动检测方法
CN110390306A (zh) 直角车位的检测方法、车辆和计算机可读存储介质
CN111433780A (zh) 车道线检测方法、设备、计算机可读存储介质
KR101822909B1 (ko) 이미지 내 타원형 구조들을 감지하기 위한 방법 및 장치
Du et al. Vision-based lane line detection for autonomous vehicle navigation and guidance
CN116824516B (zh) 一种涉路施工安全监测及管理系统
CN110770741A (zh) 车道线识别方法和装置、车辆
KR20160088986A (ko) 소실점 기반의 양안시차를 이용한 차선 검출 방법
CN110809766B (zh) 高级驾驶员辅助系统和方法
CN116935065A (zh) 一种基于熔断与融合的车道线实例检测方法及系统
WO2019149213A1 (zh) 基于影像识别路锥的方法、装置、存储介质以及车辆
KR101910256B1 (ko) 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템
CN115507815A (zh) 一种目标测距方法、装置及车辆
JP6611334B2 (ja) 区画線認識装置
KR100976142B1 (ko) 차량검출방법
CN111382736A (zh) 车牌图像的获取方法和装置
JP3928339B2 (ja) 監視装置
CN111241894B (zh) 一种检测车道线的方法及车载设备

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
TR01 Transfer of patent right

Effective date of registration: 20200927

Address after: 201805 room 1703, No. 888, South Moyu Road, Anting Town, Jiading District, Shanghai

Patentee after: NEUSOFT REACH AUTOMOTIVE TECHNOLOGY (SHANGHAI) Co.,Ltd.

Address before: Hunnan rookie street Shenyang city Liaoning province 110179 No. 2

Patentee before: NEUSOFT Corp.

Patentee before: NEUSOFT REACH AUTOMOTIVE TECHNOLOGY (SHANGHAI) Co.,Ltd.

TR01 Transfer of patent right