CN106503636A - 一种基于视觉图像的道路视距检测方法及装置 - Google Patents

Abstract

本发明属于道路安全评价技术领域，公开了一种基于视觉图像的道路视距检测方法及装置，构建包括图像获取单元、图像坐标确定单元、道路坡度信息计算单元、逆透视处理单元、道路长度确定单元和行车视距计算单元的道路视距检测装置，获取行车图像、行车参数和摄像参数；继续，确定行车图像中的车道线坐标值(c，r)；继续根据摄像参数对行车图像进行逆透视变换处理，将车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；继续根据逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右；最后根据车辆在车道上的位置、车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右确定行车视距L。

Description

一种基于视觉图像的道路视距检测方法及装置

技术领域

本发明属于道路安全评价技术领域，涉及一种基于视觉图像的道路视距检测方法及装置。

背景技术

驾驶人的行车视距是保证行车安全的重要条件，是评价道路视觉环境优劣的量化指标，也是提高车辆安全行驶的重要前提。

目前的视距检测方法主要有基于运行车速的视距检测、不同道路与车型的视距检测以及公路三维动态视距计算，这三种方法有效获取了驾驶员的行车视距。

基于运行车速的视距检测在一定程度上考虑了驾驶员的实际行车状态，增加了视距检测的实用性，简单实用；但是该方法将平曲线和竖曲线视距分开考虑，只能实现计算检测某一位置静态的、两维的视距，存在很大局限性；不同道路与车型的视距检测的应用范围有很大的局限性，不同道路采取不同的检测方法；道路三维视距检测方法考虑了更多视距的影响因素，更能够反映真实的道路情况，但道路三维模型的建立需要详细的道路几何信息，且模型建立较为复杂，由于已建道路可能存在设计资料缺乏，后期改扩建较多的情况，建模难度较大导致视距检测效率不高。

由此可见，研发一种高效、适用范围广的视距检测方法成为一种客观需求，是有待本领域技术人员提出解决方案的课题。

发明内容

本发明的目的在于提供一种基于视觉图像的道路视距检测方法及系统，克服现有技术中的视距检测技术的使用范围具有较强的局限性以及模型建立具有很强的复杂性的缺陷。

为达到上述目的，本发明采用的技术方案为：

一种基于视觉图像的道路视距检测方法，其中，包括：

获取行车图像、行车参数和摄像参数，其中所述行车图像是在行车过程中从车辆所在位置向车辆前方拍摄的图像，所述行车参数是拍摄所述行车图像时的所述车辆的行车参数，所述摄像参数是拍摄所述行车图像的摄像机的参数；

确定所述行车图像中的车道线坐标值(c，r)；

根据所述摄像参数对所述行车图像进行逆透视变换处理，将所述行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；

根据所述逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右；

根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L。

上述的基于视觉图像的道路视距检测方法，其中，所述行车参数为所述车辆在水平方向上的加速度a_前后、所述车辆的实际加速度a_car；所述摄像参数为所述摄像机的像素焦距fc、所述摄像机的光轴与所述行车图像的成像平面交点像素坐标(c₀，r₀)、所述摄像机相对于路面的高度H、所述摄像机的俯仰角α、所述摄像机的航偏角β。

上述的基于视觉图像的道路视距检测方法，其中，确定所述行车图像中的车道线坐标值(c，r)，包括：

从所述行车图像中识别出车道边界线；

采用样条曲线方程表征所述车道边界线；

通过所述样条曲线方程确定所述行车图像中的车道线坐标值(c，r)。

上述的基于视觉图像的道路视距检测方法，其中，从所述行车图像中识别出车道边界线，包括：

对所述行车图像进行灰度平滑处理得到邻域平均化的灰度图像；

采用区域生长算法，以所述灰度图像中的种子点并将像素灰度差值作为生长准则从所述灰度图像中识别出各个疑似道路区域；

采用形态学平滑连接所述各个疑似道路区域上的相关联的边缘点，以对所述各个疑似道路区域进行优化处理；

采用灰度梯度的边缘检测算法对经过优化处理后的所述各个疑似道路区域进行边缘检测，以确定所述各个疑似道路区域的轮廓；

根据预定车道线线形特征从所述各个疑似道路区域的轮廓中剔除非道路区域轮廓，将保留的道路区域轮廓作为所述车道边界线。

上述的基于视觉图像的道路视距检测方法，其中，根据所述摄像参数对所述行车图像进行逆透视变换处理，将所述行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)，包括：

利用下列公式计算逆透视车道线坐标(X，Z)：

上述的基于视觉图像的道路视距检测方法，其中，根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L，包括：

根据所述逆透视车道线坐标(X，Z)确定所述车辆前方左侧道路与所述车辆前方右侧道路之间的距离D以及所述车辆与所述车辆前方右侧道路之间的距离D_右；

利用下列公式计算行车视距L：

上述的基于视觉图像的道路视距检测方法，其中，在根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L之后，还包括：

根据所述行车视距L与预设需求视距L₀判断所述行车视距L是否满足驾驶需求。

上述的基于视觉图像的道路视距检测方法，其中，根据所述行车视距L与预设需求视距判断所述行车视距L是否满足需求，包括：

利用下列公式计算视距判定值Result：

判断Result是否大于或等于0，当Result大于或等于0时，判定所述行车视距L满足驾驶需求，当Result小于0时，判定所述行车视距L不满足驾驶需求。

上述的基于视觉图像的道路视距检测方法，其中，在所述根据所述行车视距L与预设需求视距L₀判断所述行车视距L是否满足驾驶需求之前，还包括：

确定每个时间点的行车图像中的左车道线的切线与右车道线的切线的灭点的坐标值(c_d，r_d)；

利用下列公式计算每个时间点的道路坡度信息θ′：

其中，g为重力加速度。

确定计算出的道路坡度信息θ′中的最大值和最小值，将所述最大值和最小值的平均值作为道路坡度信息θ。；

根据所述道路坡度信息θ、行车速度和需求反应时间计算所述预设需求视距L₀。

一种基于视觉图像的道路视距检测装置，其中，包括：

图像获取单元，用于获取行车图像、行车参数和摄像参数，其中所述行车图像是在行车过程中从车辆所在位置向车辆前方拍摄的图像，所述行车参数是拍摄所述行车图像时的所述车辆的行车参数，所述摄像参数是拍摄所述行车图像的摄像机的参数；

图像坐标确定单元，用于确定所述行车图像中的车道线坐标值(c，r)；

逆透视处理单元，用于根据所述摄像参数对所述行车图像进行逆透视变换处理，将所述行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；

道路长度确定单元，用于根据所述逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右；

行车视距计算单元，用于根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L。

由于采用上述技术方案，本发明具有如下有益效果：本发明提供的基于视距检测的道路视距检测方法及装置，突破了现有视距检测技术的适用范围局限及模型建立复杂的缺陷，操作简单，能高效、快速、精准的完成道路的视距检测。

附图说明

图1为本发明实施例中基于视觉图像的道路视距检测方法的一个具体示例的流程图。

图2a为本发明实施例中驾驶员白天正常驾驶时观察到的前方道路的影像。

图2b为本发明实施例中驾驶员夜晚正常驾驶时观察到的前方道路的影像。

图3为本发明实施例中的一种逆透视变换结果的影像示意组图。

图4a是依据本发明所生成疑似道路区域的图像。

图4b是对图4a所示疑似道路区域进行边缘检测得到的图像。

图4c是对图4b进一步处理后形成的车道边界线图像。

具体实施方式

以下结合附图所示对本发明作进一步的说明。

本发明提供一种基于视觉图像的道路视距检测方法，如图1所示，该方法包括如下步骤：

S1，获取行车图像、行车参数和摄像参数，其中行车图像是在行车过程中从车辆所在位置向车辆前方拍摄的图像，行车参数是拍摄行车图像时的车辆的行车参数，摄像参数是拍摄行车图像的摄像机的参数。

在一个具体实施例中，检测人员采用GARMIN GDR35行车记录仪，在车辆行驶过程中不间断地采集车辆前方且在驾驶员视觉范围内的视频信息，然后将该视频导入计算机中，计算机可以以帧为单位从视频中获取视频图像，如图2a-2b所示，该图像即驾驶者正常驾驶时观测到的影像,其中，图2a是白天观测到的影像，图2b是夜间观测到的影像；上述行车参数可以是在拍摄视频时该车辆的加速度等信息，具体可以从行车记录仪记录的数据获得，也可以通过对行车记录仪记录的数据进行计算获得；摄像参数即行车记录仪的诸如摄像角度、焦距等多种相关信息。

S2，确定行车图像中的车道线坐标值(c，r)。行车图像中至少包括车道线(车道两侧的边界线)，同时还可能包括其他背景内容，本方案需要从图像中识别出车道线，并确定该图像的坐标原点，以坐标原点为基础确定车道线在该坐标系中的坐标值。从图像中识别出特定内容的方式有多种，本发明利用现有的图像识别方法都是可行的。

S3，根据摄像参数对行车图像进行逆透视变换处理，将行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；如上所述，采集的行车图像是从驾驶者的角度观测到的路面的影像，该图像中的车道线长度受到观测角度的影响不能反映车道线的实际长度，逆透视变换即是将行车图像转换为反映真实距离的道路线型俯视图，该俯视图中的车道线坐标是根据上述坡度信息、摄像参数信息、以及行车图像中的车道线坐标值计算得到的，该坐标值可以表示车道线的实际长度。为了说明本步骤的效果，在此给出一系列逆透视变换处理后的车道线示意图，如图3所示，其中的两条线段即为俯视的车道线，需要说明的是，但在实际应用过程中不必生成此图像，只需确定其中的车道线坐标即可。

S4，根据逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右，即图3中的两条车道线的长度。考虑到摄像装置与车头之间还存在一定距离，为了更准确地计算行车视距，还可以将L_左和L_右分别减除一个预定长度作为修正，预定长度例如1m，视为修正摄像装置与车头之间的距离。

S5，根据车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右确定行车视距L。行车视距L即车辆前方道路中心线的长度，具体可以利用插值法根据车辆前方左侧道路和车辆前方右侧道路确定道路中心线位置，然后进一步确定其长度。

本发明实施例提供的基于视觉图像的道路视距检测方法，采用逆透视方法确定逆透视车道线坐标，并根据该逆透视车道线坐标确定车辆前方左侧道路长度和右侧道路长度，继而确定行车视距，该方法降低了视距检测中图像处理的复杂程度，能够快速、精准的完成道路视距的检测，为驾驶员安全驾驶及道路安全评价提供良好前提。

作为一个优选的实施方式，上述行车参数为车辆在水平方向上的加速度a_前后、车辆的实际加速度a_car；摄像参数为摄像机的像素焦距fc、摄像机的光轴与行车图像的成像平面交点像素坐标(c₀，r₀)、摄像机相对于路面的高度H、摄像机的俯仰角α、摄像机的航偏角β。

进一步地，上述步骤S2可以包括如下步骤：

S21，从行车图像中识别出车道边界线；

S22，采用样条曲线方程表征车道边界线，本方案优选采用最小二乘法对上述识别出的车道边界线的特征点进行拟合，目的是让噪声产生的误差平方和ε最小，不妨假设(x₁,y₁)、(x₂,y₂)、(x₃,y₃)为待拟合的能代表车道边界线的特征点，其中，待拟合的特征点坐标满足拟合公式y＝f(x),ε采用如下公式进行计算：

S23，通过样条曲线方程确定行车图像中的车道线坐标值(c，r),作为一个优选的方案，采用四个控制点来获取一条车道线，分别为p₁,p₂,p₃,p₄，其中，p₁和p₄上述样条曲线表征的车道线的起点和终点，而p₂和p₃为能表示道路线性的控制点，一般情况下，可以根据将视觉图像的距离划分为1/6，1/3，1/2的方法确定p₂和p₃，当依据此规则确定的p₂和p₃无法表征道路线型时，可以根据特殊路况的需求直接给出。进一步地，上述S21可以包括如下步骤：

S211，对行车图像进行灰度平滑处理得到邻域平均化的灰度图像，作为本方案一个优选的实施例，行车图像为函数f(x，y)，则行车图像上的任意点(x,y)处的梯度可以表示为：

继而，梯度幅度为：

采用将点(x,y)及其邻域图像的梯度平均值作为点(x,y)的梯度值。

S212，采用区域生长算法，以灰度图像中的种子点作为种子点并将像素灰度差值作为生长准则从灰度图像中识别出各个疑似道路区域，作为种子点，选取原则是能表示道路区域的亮度，且与其周围的灰度分布均匀，在本实施例中，调用Halcon中的regiongrowing_mean的算法生长生成疑似道路区域。

S213，采用形态学平滑连接各个疑似道路区域上的相关联的边缘点，以对各个疑似道路区域进行优化处理，利用HALCON中的erosion与dilation(形态腐蚀学、膨胀算子)识别出的疑似道路区域进行平滑处理。

S214，采用灰度梯度的边缘检测算法对经过优化处理后的各个疑似道路区域进行边缘检测，以确定各个疑似道路区域的轮廓，众所周知，边缘检测可以采用Roberts算子、Prewitt算子、Sobel算子和Canny算子等技术方案，本方案优选采用HALCON中的sobel_amp检测疑似道路区域的边缘。

S215，根据预定车道线线形特征从各个疑似道路区域的轮廓中剔除非道路区域轮廓，将保留的道路区域轮廓作为车道边界线。

参见图4a、4b和4c所示，图4a是生成疑似道路区域的图像，然后采用形态学平滑原理连接疑似道路区域中相关联的边缘点，形成疑似区域的边缘，然后对疑似道路区域进行边缘检测，形成图4b所示图像，最后将经过边缘检测后的图像与生成的疑似道路区域进行比对，剔除形成的无关的边缘点或者疑似道路区域的部分区域，形成车道边界线，参见图4c所示图像。

作为一个优选的实施方式，上述步骤S3可以包括如下步骤：

利用下列公式计算逆透视车道线坐标(X，Z)：

作为一个优选的实施方式，上述步骤S5可以包括如下步骤：

S51，根据逆透视车道线坐标(X，Z)确定车辆前方左侧道路与车辆前方右侧道路之间的距离D以及车辆与车辆前方右侧道路之间的距离D_右；

S52，利用下列公式计算行车视距L：

在上述步骤S5之后，本方法还可以包括如下步骤：

S6，根据行车视距L与预设需求视距L₀判断行车视距L是否满足驾驶需求。

进一步地，上述S6可以包括：

S61，利用下列公式计算视距判定值Result：

S62，判断Result是否大于或等于0，当Result大于或等于0时，判定行车视距L满足驾驶需求，当Result小于0时，判定行车视距L不满足驾驶需求。

进一步的，在步骤S6之前，还可以包括根据行车参数和摄像参数计算道路坡度，根据道路坡度、需求反应视距和行车速度计算预设需求视距，具体的，计算道路坡度包括如下步骤：

步骤S6₀1，确定每个时间点的行车图像中的左车道线的切线与右车道线的切线的灭点的坐标值(c_d，r_d)，具体方法是将行车记录仪固定于驾驶员正前方的前挡风玻璃内侧，与驾驶员的视线水平，假设车辆静止在路面上，则车辆处在当前位置时，则车辆左车道切线与右车道切线在图像中的交点坐标(c_d，r_d)。

步骤S6₀2，利用下列公式计算每个时间点的道路坡度信息θ′：

其中，g为重力加速度。

步骤S6₀3，确定计算出的道路坡度信息θ′中的最大值和最小值，将最大值和最小值的平均值作为道路坡度信息θ。值得一提的是，拍摄图像的车辆在一段道路上连续行驶，该段道路可能存在多处起伏，即道路坡度可能是随时间不断变化的，本方案可以针对每个时间点的数据计算出与全部时间点对应的道路坡度，也可以针对该段道路计算出一个平均坡度，本实施例优选采用平均坡度。

作为一个优选实施例，预设视距L₀的计算公式如下：

式中：v₈₅—车辆行驶车速(km/h)：

t—驾驶员反应时间，优选为2.5s(判断时间1.5s、运行时间1.0s)；

—路面与轮胎之间的纵向摩阻系数，本实施例中计算停车视距优选参照路面的潮湿状态；

S₀—安全距离，优选，取5～10m；

i—道路坡度信息，上坡为正，下坡为负。

优选的，设计速度为120～80km/h时，V₈₅采用设计速度的85％；60～40km/h时，V₈₅采用设计速度的90％；30～20km/h时，V₈₅采用设计速度。

在此值得一提，在计算货车或巴士客车时，按照上述公式计算预设视距L₀，而在计算小轿车之类的小型客车时，由于小型客车比较小，坡度信息也会比较小，优选的，计算小型客车的预设视距L时，优选坡度i为零。

同时，本申请提供一种基于视觉图像的道路检测装置，该装置主要包括图像获取单元、图像坐标确定单元、道路坡度信息计算单元、逆透视处理单元、道路长度确定单元和行车视距计算单元，其中，图像获取单元用于获取行车图像、行车参数和摄像参数，其中行车图像是在行车过程中从车辆所在位置向车辆前方拍摄的图像，行车参数是拍摄行车图像时的车辆的行车参数，摄像参数是拍摄行车图像的摄像机的参数；图像坐标确定单元用于确定行车图像中的车道线坐标值(c，r)；道路坡度信息计算单元用于根据行车参数和摄像参数计算道路坡度信息θ；逆透视处理单元用于根据道路坡度信息θ和摄像参数对行车图像进行逆透视变换处理，将行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；道路长度确定单元用于根据逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右；行车视距计算单元用于根据车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右确定行车视距L。

作为一种优选实施例，基于视觉图像的道路检测装置还包括一判断模块，用于判断行车视距是否满足驾驶需求。

综上所述，本发明通过构建一包括图像获取单元、图像坐标确定单元、道路坡度信息计算单元、逆透视处理单元、道路长度确定单元和行车视距计算单元的基于视觉图像的道路视距检测装置，首先获取行车图像、行车参数和摄像参数，确定行车图像中的车道线坐标值(c，r)，将行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)，并根据逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右，继而确定行车视距L，本技术方案，突破了现有视距检测技术的适用范围局限及模型建立复杂的缺陷，操作简单，能高效、快速、精准的完成道路的视距检测。

上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (10)

1.一种基于视觉图像的道路视距检测方法，其特征在于，包括：

获取行车图像、行车参数和摄像参数，其中所述行车图像是在行车过程中从车辆所在位置向车辆前方拍摄的图像，所述行车参数是拍摄所述行车图像时的所述车辆的行车参数，所述摄像参数是拍摄所述行车图像的摄像机的参数；

确定所述行车图像中的车道线坐标值(c，r)；

根据所述摄像参数对所述行车图像进行逆透视变换处理，将所述行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；

根据所述逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右；

根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L。

2.根据权利要求1所述的基于视觉图像的道路视距检测方法，其特征在于，所述行车参数为所述车辆在水平方向上的加速度a_前后、所述车辆的实际加速度a_car；所述摄像参数为所述摄像机的像素焦距fc、所述摄像机的光轴与所述行车图像的成像平面交点像素坐标(c₀，r₀)、所述摄像机相对于路面的高度H、所述摄像机的俯仰角α、所述摄像机的航偏角β。

3.根据权利要求1或2所述的基于视觉图像的道路视距检测方法，其特征在于，所述确定所述行车图像中的车道线坐标值(c，r)，包括：

从所述行车图像中识别出车道边界线；

采用样条曲线方程表征所述车道边界线；

通过所述样条曲线方程确定所述行车图像中的车道线坐标值(c，r)。

4.根据权利要求3所述的基于视觉图像的道路视距检测方法，其特征在于，从所述行车图像中识别出车道边界线，包括：

对所述行车图像进行灰度平滑处理得到邻域平均化的灰度图像；

采用区域生长算法，以所述灰度图像中的种子点并将像素灰度差值作为生长准则从所述灰度图像中识别出各个疑似道路区域；

采用形态学平滑连接所述各个疑似道路区域上的相关联的边缘点，以对所述各个疑似道路区域进行优化处理；

采用灰度梯度的边缘检测算法对经过优化处理后的所述各个疑似道路区域进行边缘检测，以确定所述各个疑似道路区域的轮廓；

根据预定车道线线形特征从所述各个疑似道路区域的轮廓中剔除非道路区域轮廓，将保留的道路区域轮廓作为所述车道边界线。

5.根据权利要求2所述的基于视觉图像的道路视距检测方法，其特征在于，根据所述摄像参数对所述行车图像进行逆透视变换处理，将所述行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)，包括：

利用下列公式计算逆透视车道线坐标(X，Z)：

$X=\frac{(c-c_0)(sin\mathrm{\α}\·H+cos\mathrm{\α}cos\mathrm{\β}\·Z)-sin\mathrm{\β}\·f_c\·Z}{(c-c_0)cos\mathrm{\α}sin\mathrm{\β}+cos\mathrm{\β}\·f_c},$

$Z=\frac{(c-c_0)sin\mathrm{\β}-(r-r_0)sin\mathrm{\α}cos\mathrm{\β}+cos\mathrm{\α}cos\mathrm{\β}\·f_c}{(r-r_0)\cos \mathrm{\α}+sin\mathrm{\α}\·f_c}H.$

6.根据权利要求1或2所述的基于视觉图像的道路视距检测方法，其特征在于，根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L，包括：

根据所述逆透视车道线坐标(X，Z)确定所述车辆前方左侧道路与所述车辆前方右侧道路之间的距离D以及所述车辆与所述车辆前方右侧道路之间的距离D_右；

利用下列公式计算行车视距L：

7.根据权利要求1至6中任一项所述的基于视觉图像的道路视距检测方法，其特征在于，在所述根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L之后，还包括：

根据所述行车视距L与预设需求视距L₀判断所述行车视距L是否满足驾驶需求。

8.根据权利要求7所述的基于视觉图像的道路视距检测方法，其特征在于，所述根据所述行车视距L与预设需求视距判断所述行车视距L是否满足需求，包括：

利用下列公式计算视距判定值Result：

$\mathrm{Re}sult=\frac{L-L_0}{L_0}\×100\%;$

判断Result是否大于或等于0，当Result大于或等于0时，判定所述行车视距L满足驾驶需求，当Result小于0时，判定所述行车视距L不满足驾驶需求。

9.根据权利要求7或8所述的基于视觉图像的道路视距检测方法，其特征在于，在根据所述行车视距L与预设需求视距L₀判断所述行车视距L是否满足驾驶需求之前，还包括：

确定每个时间点的行车图像中的左车道线的切线与右车道线的切线的灭点的坐标值(c_d，r_d)；

利用下列公式计算每个时间点的道路坡度信息θ′：

其中，g为重力加速度。

确定计算出的道路坡度信息θ′中的最大值和最小值，将所述最大值和最小值的平均值作为道路坡度信息θ；

根据所述道路坡度信息θ、行车速度和需求反应时间计算所述预设需求视距L₀。

10.一种实现权利要求1至9中任一所述方法的基于视觉图像的道路视距检测装置，其特征在于，包括：

图像获取单元，用于获取行车图像、行车参数和摄像参数，其中所述行车图像是在行车过程中从车辆所在位置向车辆前方拍摄的图像，所述行车参数是拍摄所述行车图像时的所述车辆的行车参数，所述摄像参数是拍摄所述行车图像的摄像机的参数；

图像坐标确定单元，用于确定所述行车图像中的车道线坐标值(c，r)；

逆透视处理单元，用于根据所述摄像参数对所述行车图像进行逆透视变换处理，将所述行车图像中的车道线坐标值(c，r)转换为逆透视车道线坐标(X，Z)；

道路长度确定单元，用于根据所述逆透视车道线坐标(X，Z)确定车辆前方左侧道路长度L_左和车辆前方右侧道路长度L_右；

行车视距计算单元，用于根据所述车辆前方左侧道路长度L_左和所述车辆前方右侧道路长度L_右确定行车视距L。