CN106485663A - 一种车道线图像增强方法及系统 - Google Patents
一种车道线图像增强方法及系统 Download PDFInfo
- Publication number
- CN106485663A CN106485663A CN201510532779.6A CN201510532779A CN106485663A CN 106485663 A CN106485663 A CN 106485663A CN 201510532779 A CN201510532779 A CN 201510532779A CN 106485663 A CN106485663 A CN 106485663A
- Authority
- CN
- China
- Prior art keywords
- lane line
- image
- pixel
- fluoroscopy images
- carried out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供的车道线图像增强方法及系统,利用车道线的宽度对应的像素值作为输入参数进行去干扰处理,将路边上的符号标记等进行滤除,突出车道线在画面上的清晰程度,以完成车道线增强的操作,使得后续在利用车道线进行检测时图象清晰准确度提升,计算过程简单,同时用时缩短,提高了检测效率。
Description
技术领域
本发明涉及智能交通领域,特别涉及一种车道线图像增强方法及系统。
背景技术
在基于图像处理的车道线检测过程中,为了降低检测难度,首先要对图像预处理以增强车道线信息,然后在预处理后的图像上进行车道线检测。有些方案还会对图像进行逆透视变换,生成俯视视角图像,便于后续的车道线检测。
现有的车道线增强方法主要为边缘检测算法,利用车道线与路面间的强边缘来突出车道线信息,该方法分为三个步骤,下面简单介绍:
1、对图像进行滤波来抑制噪声,常采用的滤波方法为中值滤波或高斯滤波。
2、在滤波后的图像上进行边缘检测,用一阶偏导的有限差分,即图像x方向和y方向上偏导数的两个矩阵,来计算梯度幅值方向,对梯度幅值进行非极大值抑制,即把当前方向的梯度幅值与梯度方向两侧的梯度幅值进行比较,将非极大值对应的灰度值置为0(即置黑),这样可以剔除一大部分非边缘的点,提升边缘质量。
3、对边缘检测结果进行阈值分割,即根据设定的阈值将图像二值化,大于阈值的像素灰度值置为255(即置白),小于阈值的像素灰度值置为0。
边缘检测方法虽然可以有效提取车道线信息,但同时也会保留其他强边缘信息(如阴影、指示箭头等),从而对检测算法造成干扰,影响准确性。另外在性能方面,边缘检测计算过于复杂,对于实时系统效果不佳。
发明内容
有鉴于此,本发明实施例提供了一种车道线图像增强方法及系统。
一种车道线图像增强方法,包括:
获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面;
对所述透视图像进行逆透视变换得到车道线俯视角度图像;
获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ;
利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像。
可选地,所述对所述透视图像进行逆透视变换得到车道线俯视角度图像之前,还包括:
对所述透视图像进行灰度格式转化得到灰度图像,其中,所述灰度图像中所述车道线的灰度值大于所述路面的灰度值;
所述对所述透视图像进行逆透视变换得到车道线俯视角度图像,包括:
对所述灰度图像进行逆透视变换得到车道线俯视角度图像。
可选地,所述利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像,包括:
将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
可选地,所述将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理之后,还包括:
利用二值化方法对已进行像素增强的所述车道线俯视视角图像的像素进行二次去干扰处理。
可选地,所述对所述透视图像进行灰度格式转化得到灰度图像,包括:
对所述透视图像进行移位方法计算以获得灰度图像,其中所述移位方法为灰度=(R×76+G×151+B×28)>>7,R为红色,G为绿色,B为蓝色。
一种车道线图像增强系统,包括:
第一获取单元,用于获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面;
第一处理单元,用于对所述透视图像进行逆透视变换得到车道线俯视角度图像;
第二获取单元,用于获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ;
第二处理单元,用于利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像。
可选地,还包括:
第三处理单元,用于对所述透视图像进行灰度格式转化得到灰度图像,其中,所述灰度图像中所述车道线的灰度值大于所述路面的灰度值;
所述第一处理单元还用于对所述灰度图像进行逆透视变换得到车道线俯视角度图像。
可选地,所述第二处理单元还用于将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
可选地,还包括:
第四处理单元,用于利用二值化方法对已进行像素增强的所述车道线俯视视角图像的像素进行二次去干扰处理。
可选地,所述第三处理单元还用于对所述透视图像进行移位方法计算以获得灰度图像,其中所述移位方法为灰度=(R×76+G×151+B×28)>>7,R为红色,G为绿色,B为蓝色。
本发明提供的车道线图像增强方法及系统,利用车道线的宽度对应的像素值作为输入参数进行去干扰处理,将路边上的符号标记等进行滤除,突出车道线在画面上的清晰程度,以完成车道线增强的操作,使得后续在利用车道线进行检测时图象清晰准确度提升,计算过程简单,同时用时缩短,提高了检测效率。
附图说明
图1a是本发明的车道线图像增强方法一种实施例的流程图;
图1b是本发明的车道线图像增强方法一种实施例透视图像的示意图;
图1c是本发明的车道线图像增强方法一种实施例俯视视角图像的示意图;
图2a是本发明的车道线图像增强方法另一种实施例的流程图;
图2b是本发明的车道线图像增强方法一种实施例的车道线增强的效果比对图;
图2c是本发明的车道线图像增强方法另一种实施例的流程图;
图3是本发明的车道线图像增强系统的一种实施例的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在公路的路面上会绘制车道线,便于对车辆进行分流或者按照秩序行驶,可以将机动车道和非机动车道利用车道线进行分割,也可以利用车道线对不同速度的车道进行分割,例如车速限速80公里/时车道和车速110公里/时的快速车道进行分离。
车道线的透视图像可以通过安装在汽车上的摄像头采集,摄像头通常安装在汽车的顶部位置,在摄像头的视角拍摄汽车正前方的图像,车道线的透视图像就是在摄像头的视角拍摄路面的图像,这与俯视视角拍摄路面的图像不相同,在车道线透视图像中根据透视原理的性质可以得知,在摄像头采集的道路图像中两条车道线延伸至远方并汇聚成一点,这个点称为“灭点”,将透视图像通过逆透视变换得到俯视视角图像后,对俯视视角图像进行车道线增强,往往在路面上还会标识一些分流符号或者限速数字等,这些标记在对车道线进行检测的过程中会进行干扰,导致检测数据的不准确。
结合图1a所示,本发明提供的车道线图像增强方法的一种实施例,包括:
S101、获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面。
摄像头在拍摄路面的俯视视角图像会有很多帧,这里选取其中一帧进行说明,车道线的透视图像中包括两条车道线和路面,当然还可以包括路面上的符号标记等,透视图像中两条车道线相交于灭点,本领域普通技术人员应当了解,此处不作赘述。
S102、对所述透视图像进行逆透视变换得到车道线俯视角度图像。
对透视图像进行检测需要进行逆透视变换得到车道线俯视角度图像,对俯视视角图像进行逆透视变换的目的是消除视距对图像的影响,使车道线保持平行且宽度固定,当然,进行逆透视变换的方法可以有多种,不进行一一列举,可以采用以下方式进行:
在透视图像中建立兴趣区域,兴趣区域为包含了本车所在车道的四个点构成梯形区域,这四个点可以是P1、P2、P3和P4,结合图1b所示,逆透视变换公式为:
其中u、v代表原始图的坐标,变换后的图片坐标为其中表示线性变换,[a31 a32]表示平移,[a13 a23]T用于透视变换,这些参数可以通过原图中的四个点到俯视图中的四个点的对应关系建立,公式如下:
结合图1c所示,通过计算获得俯视视角图像,对应透视图像中兴趣区域的P1、P2、P3和P4四个点,在俯视视角图像中为Q1,Q2,Q3和Q4。
需要指出的是,对于逆透视变换的方法不仅限于上述计算方法,本领域中普通技术人员也可以根据其他方式计算得到透视图像的俯视视角图像,此处不做限定。
S103、获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ。
在公路交通安全设施设计细则JTG/T D81-2006中,规定车道线宽度应为15厘米,受路面宽度限制时可采用10厘米线宽,根据这一固定信息,在确定透射变换参数的情况下,车道线宽度在俯视图中所对应的像素近似于定值σ,这里为了便于计算将车道线的宽度对应的像素值为σ,通过分析可以得到车道线的灰度值大于路面灰度值以及车道线的宽度对应的图像像素是定值结论,利用车道线的宽度为定值的结论可以在图像增强算法中对符号标记等干扰进行滤除。
S104、利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像。
以车道线的宽度对应的像素值σ对俯视视角图像中的像素进行去干扰处理,去干扰的方法可以采用将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
本发明提供的车道线图像增强方法,利用车道线的宽度对应的像素值作为输入参数进行去干扰处理,将路边上的符号标记等进行滤除,突出车道线在画面上的清晰程度,以完成车道线增强的操作,使得后续在利用车道线进行检测时图象清晰准确度提升,计算过程简单,同时用时缩短,提高了检测效率。
结合图2a所示,本发明提供了车道线图像增强方法的另一种实施例,包括:
S201、获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面。
步骤S201与上一实施例中步骤101相类似,此处不作赘述。
S202、对所述透视图像进行灰度格式转化得到灰度图像,其中,所述灰度图像中所述车道线的灰度值大于所述路面的灰度值。
将彩色的透视图像转化成灰度图像,可以减少计算量,对于透视图像进行灰度处理的方式有多种,例如:
浮点运算:灰度Gray=R×0.3+G×0.59+B×0.11,其中,R为红色,G为绿色,B为蓝色;
整数方法:Gray=(R×30+G×59+B×11)/100;
移位方法:Gray=(R×76+G×151+B×28)>>7;
平均值法:Gray=(R+G+B)/3,需要说明的是,对于灰度图像转化的方法,本领域普通技术人员应当了解,此处不作赘述。
本实施例中采用移位方法将透视图像转化成灰度图像,具体为对所述透视图像进行移位方法计算以获得灰度图像,其中,所述移位方法为Gray=(R×76+G×151+B×28)>>7。
S203、对所述灰度图像进行逆透视变换得到车道线俯视角度图像。
对于灰度图像进行逆透视变换的方法与对透视图像的彩色图像进行逆透视变换相类似,具体可参考上一实施例中步骤S102,此处不作赘述。
S204、获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ。
步骤S204与上一实施例中S103相类似,此处不进行赘述。
S205、将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
利用车道线的宽度对应的像素值作为输入参数进行去干扰处理,将路边上的符号标记等进行滤除,突出车道线在画面上的清晰程度,以完成车道线增强的操作,使得后续在利用车道线进行检测时图象清晰准确度提升。
结合图2b所示,本发明在性能上也大幅优于边缘检测法,以下是在英特尔酷睿i53470处理器、4GB随机存储器(英文:random access memory,简称:RAM)硬件配置下,基于visual studio2010release模式下对256*150分辨率灰度图像运行1000次平均用时比较:
Canny算法边缘检测 | 本发明 | |
平均用时 | 1.02ms(毫秒) | 0.14ms(毫秒) |
很明显本发明提供的车道线图像增强方法计算用时更少,处理效率更好。
结合图2c所示,针对所述车道线俯视角度图像进行去干扰处理,本发明还提供了一种实施例,包括:
S1、将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为:
pi,j=2×pi,j-pi-σ,j-pi+σ,j,
所述pi,j为像素(i,j)的灰度值。
S2、利用二值化方法对已进行像素增强的所述车道线俯视视角图像的像素进行二次去干扰处理。
为了满足车道线处于高亮度区域,路面处于低亮度区域,对车道线俯视视角图像进行二值化处理:
其中阈值pthresh的选择方法有多种,例如经验值法、最大类间方差法,本发明利用经验值和车道线区域历史信息结合的方法,保证了鲁棒性和局部适应性,减小计算量。当系统未检测到车道线时,根据经验选取阈值pthresh,可选阈值为35。当上一帧图像检测到车道线,则用上一帧像素增强后的俯视视角图像
中车道线区域灰度值的均值乘以经验参数β作为阈值,如下:
pthresh=β×pmean,
其中pmean为上一帧像素增强后的俯视视角图像中车道线区域灰度值的均值,β为经验参数,根据在不同路况的实验,选取0.6可以达到最佳效果。
通过二值化处理即对车道线前后区域内的像素置白,对于其他区域的像素进行置黑,这样就可以进一步去除一些杂质,增强画面的清晰程度。
结合图3所示,上文中本发明介绍了一种车道线图像增强方法,对应地,本发明还提供了一种车道线图像增强系统,下面进行具体介绍:
本发明提供的车道线图像增强系统的一种实施例,包括:
第一获取单元301,用于获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面;
第一处理单元302,用于对所述透视图像进行逆透视变换得到车道线俯视角度图像;
第二获取单元303,用于获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ;
第二处理单元304,用于利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像。
可选地,还包括:
第三处理单元305,用于对所述透视图像进行灰度格式转化得到灰度图像,其中,所述灰度图像中所述车道线的灰度值大于所述路面的灰度值;
所述第一处理单元302还用于对所述灰度图像进行逆透视变换得到车道线俯视角度图像。
可选地,所述第二处理单元304还用于将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
可选地,还包括:
第四处理单元306,用于利用二值化方法对已进行像素增强的所述车道线俯视视角图像的像素进行二次去干扰处理。
所述第三处理单元305还用于对所述透视图像进行移位方法计算以获得灰度图像,其中所述移位方法为Gray=(R×76+G×151+B×28)>>7,R为红色,G为绿色,B为蓝色。
本发明提供的车道线图像增强系统,利用车道线的宽度对应的像素值作为输入参数进行去干扰处理,将路边上的符号标记等进行滤除,突出车道线在画面上的清晰程度,以完成车道线增强的操作,使得后续在利用车道线进行检测时图象清晰准确度提升,计算过程简单,同时用时缩短,提高了检测效率。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的一种车道线图像增强方法及系统进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种车道线图像增强方法,其特征在于,包括:
获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面;
对所述透视图像进行逆透视变换得到车道线俯视角度图像;
获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ;
利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述透视图像进行逆透视变换得到车道线俯视角度图像之前,还包括:
对所述透视图像进行灰度格式转化得到灰度图像,其中,所述灰度图像中所述车道线的灰度值大于所述路面的灰度值;
所述对所述透视图像进行逆透视变换得到车道线俯视角度图像,包括:
对所述灰度图像进行逆透视变换得到车道线俯视角度图像。
3.根据权利要求2所述的方法,其特征在于,所述利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像,包括:
将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
4.根据权利要求3所述的方法,其特征在于,所述将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理之后,还包括:
利用二值化方法对已进行像素增强的所述车道线俯视视角图像的像素进行二次去干扰处理。
5.根据权利要求2所述的方法,其特征在于,所述对所述透视图像进行灰度格式转化得到灰度图像,包括:
对所述透视图像进行移位方法计算以获得灰度图像,其中所述移位方法为灰度=(R×76+G×151+B×28)>>7,R为红色,G为绿色,B为蓝色。
6.一种车道线图像增强系统,其特征在于,包括:
第一获取单元,用于获取车道线的透视图像,其中,所述透视图像中包括车道线以及路面;
第一处理单元,用于对所述透视图像进行逆透视变换得到车道线俯视角度图像;
第二获取单元,用于获取所述车道线俯视角度图像中所述车道线的宽度对应的像素值σ;
第二处理单元,用于利用所述车道线的宽度对应的像素值σ对所述车道线俯视角度图像中的每一个像素点进行去干扰处理以获得车道线增强后的图像。
7.根据权利要求6所述的系统,其特征在于,还包括:
第三处理单元,用于对所述透视图像进行灰度格式转化得到灰度图像,其中,所述灰度图像中所述车道线的灰度值大于所述路面的灰度值;
所述第一处理单元还用于对所述灰度图像进行逆透视变换得到车道线俯视角度图像。
8.根据权利要求7所述的系统,其特征在于,所述第二处理单元还用于将所述像素值σ作为输入参数利用像素增强方法对所述车道线俯视视角图像中的每一个像素点进行处理以使得车道线检测图像增强,其中,所述像素增强方法为pi,j=2×pi,j-pi-σ,j-pi+σ,j,所述pi,j为像素(i,j)的灰度值。
9.根据权利要求8所述的系统,其特征在于,还包括:
第四处理单元,用于利用二值化方法对已进行像素增强的所述车道线俯视视角图像的像素进行二次去干扰处理。
10.根据权利要求7所述的系统,其特征在于,所述第三处理单元还用于对所述透视图像进行移位方法计算以获得灰度图像,其中所述移位方法为灰度=(R×76+G×151+B×28)>>7,R为红色,G为绿色,B为蓝色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510532779.6A CN106485663A (zh) | 2015-08-26 | 2015-08-26 | 一种车道线图像增强方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510532779.6A CN106485663A (zh) | 2015-08-26 | 2015-08-26 | 一种车道线图像增强方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106485663A true CN106485663A (zh) | 2017-03-08 |
Family
ID=58234208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510532779.6A Pending CN106485663A (zh) | 2015-08-26 | 2015-08-26 | 一种车道线图像增强方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485663A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171695A (zh) * | 2017-12-29 | 2018-06-15 | 安徽农业大学 | 一种基于图像处理的高速公路路面检测方法 |
CN110197173A (zh) * | 2019-06-13 | 2019-09-03 | 重庆邮电大学 | 一种基于双目视觉的路沿检测方法 |
CN111429372A (zh) * | 2020-03-24 | 2020-07-17 | 杭州趣维科技有限公司 | 一种增强低对比度图像边缘检测效果的方法 |
CN112990099A (zh) * | 2021-04-14 | 2021-06-18 | 北京三快在线科技有限公司 | 一种车道线检测的方法以及装置 |
CN113255506A (zh) * | 2021-05-20 | 2021-08-13 | 浙江合众新能源汽车有限公司 | 动态车道线控制方法、系统、设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020080235A1 (en) * | 2000-12-27 | 2002-06-27 | Yong-Won Jeon | Image processing method for preventing lane deviation |
CN102629326A (zh) * | 2012-03-19 | 2012-08-08 | 天津工业大学 | 一种基于单目视觉的车道线检测方法 |
KR101305388B1 (ko) * | 2012-04-20 | 2013-09-06 | 한국과학기술연구원 | 카메라를 이용한 차선 인식 장치 및 방법 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
CN104494598A (zh) * | 2014-11-23 | 2015-04-08 | 北京联合大学 | 一种用于智能车辆的路口行驶控制方法 |
-
2015
- 2015-08-26 CN CN201510532779.6A patent/CN106485663A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020080235A1 (en) * | 2000-12-27 | 2002-06-27 | Yong-Won Jeon | Image processing method for preventing lane deviation |
CN102629326A (zh) * | 2012-03-19 | 2012-08-08 | 天津工业大学 | 一种基于单目视觉的车道线检测方法 |
KR101305388B1 (ko) * | 2012-04-20 | 2013-09-06 | 한국과학기술연구원 | 카메라를 이용한 차선 인식 장치 및 방법 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
CN104494598A (zh) * | 2014-11-23 | 2015-04-08 | 北京联合大学 | 一种用于智能车辆的路口行驶控制方法 |
Non-Patent Citations (1)
Title |
---|
陈玥: "移动机器人视觉定位系统的研究与设计", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171695A (zh) * | 2017-12-29 | 2018-06-15 | 安徽农业大学 | 一种基于图像处理的高速公路路面检测方法 |
CN110197173A (zh) * | 2019-06-13 | 2019-09-03 | 重庆邮电大学 | 一种基于双目视觉的路沿检测方法 |
CN110197173B (zh) * | 2019-06-13 | 2022-09-23 | 重庆邮电大学 | 一种基于双目视觉的路沿检测方法 |
CN111429372A (zh) * | 2020-03-24 | 2020-07-17 | 杭州趣维科技有限公司 | 一种增强低对比度图像边缘检测效果的方法 |
CN112990099A (zh) * | 2021-04-14 | 2021-06-18 | 北京三快在线科技有限公司 | 一种车道线检测的方法以及装置 |
CN112990099B (zh) * | 2021-04-14 | 2021-11-30 | 北京三快在线科技有限公司 | 一种车道线检测的方法以及装置 |
CN113255506A (zh) * | 2021-05-20 | 2021-08-13 | 浙江合众新能源汽车有限公司 | 动态车道线控制方法、系统、设备和计算机可读介质 |
CN113255506B (zh) * | 2021-05-20 | 2022-10-18 | 浙江合众新能源汽车有限公司 | 动态车道线控制方法、系统、设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10429193B2 (en) | Method and apparatus for generating high precision map | |
CN109657632B (zh) | 一种车道线检测识别方法 | |
Guo et al. | License plate localization and character segmentation with feedback self-learning and hybrid binarization techniques | |
CN106485663A (zh) | 一种车道线图像增强方法及系统 | |
CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
CN102768760B (zh) | 一种基于图像纹理的图像快速去雾方法 | |
CN107066933A (zh) | 一种道路标牌识别方法及系统 | |
US20170132764A1 (en) | Image inpainting system and method for using the same | |
CN101783012A (zh) | 一种基于暗原色的自动图像去雾方法 | |
CN105096280A (zh) | 处理图像噪声的方法及装置 | |
CN104732211B (zh) | 一种基于自适应阈值的交通标志检测方法 | |
CN105046677A (zh) | 一种用于交通视频图像的增强处理方法和装置 | |
CN103605977A (zh) | 一种车道线的提取方法及装置 | |
CN105426863A (zh) | 检测车道线的方法和装置 | |
CN107392139A (zh) | 一种基于霍夫变换的车道线检测方法及终端设备 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN104537634A (zh) | 动态图像中去除雨滴影响的方法和系统 | |
CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
Li et al. | A lane marking detection and tracking algorithm based on sub-regions | |
CN103778611A (zh) | 利用边缘检测的开关加权矢量中值滤波方法 | |
Chang et al. | An efficient method for lane-mark extraction in complex conditions | |
CN112200742A (zh) | 一种应用于边缘检测的滤波去噪方法 | |
CN103034983A (zh) | 一种基于各向异性滤波的去雾方法 | |
CN112906583A (zh) | 一种车道线检测方法及装置 | |
CN111145105A (zh) | 一种图像快速去雾方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170308 |
|
RJ01 | Rejection of invention patent application after publication |