CN106529459A - 基于交互标定的车道线检测方法 - Google Patents
基于交互标定的车道线检测方法 Download PDFInfo
- Publication number
- CN106529459A CN106529459A CN201610971573.8A CN201610971573A CN106529459A CN 106529459 A CN106529459 A CN 106529459A CN 201610971573 A CN201610971573 A CN 201610971573A CN 106529459 A CN106529459 A CN 106529459A
- Authority
- CN
- China
- Prior art keywords
- lane line
- lane
- line
- slope
- intercept
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 230000002452 interceptive effect Effects 0.000 title claims abstract 12
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000003993 interaction Effects 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000012552 review Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000013467 fragmentation Methods 0.000 claims description 5
- 238000006062 fragmentation reaction Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 4
- 230000004888 barrier function Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 239000000047 product Substances 0.000 description 7
- 230000014616 translation Effects 0.000 description 4
- 238000000205 computational method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种标定式的车道线检测方法。它解决了现有车道线标定不易于工业装配等问题。包括下述步骤:A、选取标定场景;B、人机交互标定;C、预处理图像;D、检测车道线并更新参数。优点在于:1、无需再重新构造标定场景,比如在地面上画线标定等,这样比传统的方法更简单实用,节约成本;2、分段阈值化可以减少因为阴影或者障碍物等遮挡车道线造成的车道线检测不准确的问题;3、人机交互方便快捷,可操作性强;4、利用前后两帧图像中车道线波动的范围设置感兴区域可以大大减小杂波对车道线检测的影响,并提高算法的执行效率;5、支持在线标定;6、可以节约开发者大量宝贵的时间,以及人力、物力等方面的资源消耗。
Description
技术领域
本发明属于计算机视觉与智能交通领域,涉及计算机视觉中的车道线检测方法,特别涉及一种标定式的车道线检测方法。
背景技术
近年来,随着智能交通领域与计算机视觉方面的技术不断发展,基于计算机视觉的汽车主动安全产品也日渐丰富。比如自适应巡航控制系统(ACC)、车道偏离警告(LDW)、车道保持辅助(LKA)和侧面物体探测(SOD)等,然而车道线的检测是实现这些产品相关技术的基础。
常见的基于相机的车道线检测方法在遇到障碍物近距离遮挡、树木或者建筑物阴影的遮挡等路面情况时,由于相机无法采集到包含足够多车道信息的图像而出现漏检、误检等问题,这样就是的车道线的识别不够精确。因此,如何设计一套环境适应性强、运算速度快、移植性好的高鲁棒性算法,是相关领域研究的热点之一。同时,现有的一些关于车道线检测的产品虽然性能优良,但是由于算法相对复杂使得前期标定过程复杂,对装配工人的专业知识要求相对较高,所以研发一套利于工业产品装配的算法也是非常有必要的。
为了解决现有技术存在的问题,人们进行了长期的探索,提出了各式各样的解决方案。例如,中国专利文献公开了一种一种车道线检测方法及装置[申请号:201310616153.4],该方法包括获取车辆前方图像;对车辆前方图像进行边缘检测,得到边缘图;根据前一帧获取的车道线的位置在边缘图中确定初始车道线检测区域;将初始车道线检测区域划分为N个小检测区域,N大于等于2;根据每个小检测区域的边缘图数值和每个小检测区域的像素点的总数,确定某个小检测区域为精确车道线检测区域;从精确车道线检测区域中获取当前帧的车道线。上述方案在一定程度上解决了现有车道线检测不够精确的问题,但是该方案依然无法从根本上解决前期标定过程复杂,不利于工业产品装配的问题。
发明内容
本发明的目的是针对上述问题,提供一种结构简单合理,利于工业产品装配的基于交互标定的车道线检测方法。
为达到上述目的,本发明采用了下列技术方案:本基于交互标定的车道线检测方法,其特征在于,本方法包括下述步骤:
A、选取标定场景:选取画有左车道线和右车道线的车道为标定场景,将当前车辆停靠或者行驶在所在车道的左车道线与右车道线之间,并确保当前车辆所在车道的左车道线与右车道线在摄像机图像中可见;
B、人机交互标定:移动显示于摄像机图像中的预设的左标定直线以使左标定直线与左车道线或左车道线的切线重合从而实现左车道线标定,移动显示于摄像机图像中的预设的右标定直线以使右标定直线与右车道线或右车道线的切线重合从而实现右车道线标定,分别计算出此时左车道线与右车道线在图像坐标系中的直线方程;
C、预处理图像:将摄像机采集到的当前帧摄像机图像转化为灰度图,并将步骤B中标定的左车道线邻域和右车道线领域分别作为感兴趣区域,然后分别对感兴趣区域做分段阈值化处理;
D、检测车道线并更新参数:在步骤C的感兴趣区域内分别检测车道线,若检测到新的左车道线则更新左车道线的直线方程斜率和/或截距,否则保留其上一时刻的值;若检测到新的右车道线则更新右车道线的直线方程斜率和/或截距,否则保留其上一时刻的值。
本发明中当前车辆应该尽量行驶在所在车道的正中央,当前也不排除有一定范围的偏差,标定场景是画有左右车道线的公路,无需再重新构造标定场景,比如在地面上画线标定等,这样比传统的方法更简单实用,节约成本;分段阈值化可以减少因为阴影或者障碍物等遮挡车道线造成的车道线检测不准确的问题;人机交互方便快捷,对操作人员要求较低,因此可以适应多变的场景,可操作性强;利用前后两帧图像中车道线波动的范围设置感兴区域可以大大减小杂波对车道线检测的影响,并提高算法的执行效率;支持在线标定,可以免去离线标定需要采集视频图像并处理的一系列工作,直接标定车道线的斜率与截距,是一个非常简单方便的标定与计算方法,可以节约开发者大量宝贵的时间,以及人力、物力等方面的资源消耗。
在上述的基于交互标定的车道线检测方法中,在上述步骤B中,以摄像机光轴与摄像机图像平面的交点为原点,以原点横向向右延伸方向作为x轴延伸方向,以原点纵向向下方向作为y轴延伸方向,建立图像坐标系,标定后左车道线在图像坐标系中的直线方程为y=kL·x+bL,其中kL是左车道线的斜率,bL是左车道线在y轴上的截距,标定后右车道线在图像坐标系中的直线方程为y=kR·x+bR,其中kR是右车道线的斜率,bR是右车道线在y轴上的截距。
在上述的基于交互标定的车道线检测方法中,在上述步骤B中,通过手动操控机构控制左标定直线平移和/或旋转以调整左标定直线的截距和/或斜率,通过手动操控机构控制右标定直线平移和/或旋转以调整右标定直线的截距和/或斜率。
在上述的基于交互标定的车道线检测方法中,所述的手动操控机构包括按钮和/或旋钮,或者所述的手动操控机构包括能够显示摄像机图像的触控屏。手动操控机构以旋钮或触控屏的形式安装在相应产品上,通过调节旋钮或触控屏从而实现画面上的直线与画面上的车道线重合。
在上述的基于交互标定的车道线检测方法中,在上述步骤C中,设左车道线的斜率波动的最大范围为(-ΔkL,ΔkL),截距波动的最大范围为(-ΔbL,ΔbL),右车道线的斜率波动的最大范围为(-ΔkR,ΔkR),截距波动的最大范围为(-ΔbR,ΔbR),选取左车道线斜率与截距波动最大的邻域范围作为左车道线的感兴趣区域,选取右车道线斜率与截距波动最大的邻域范围作为右车道线的感兴趣区域。设置在斜率波动范围主要是由于车辆在行驶过程中摄像头会有些许抖动,或者是其他的一些相关因素,比如不同环境下车道线宽度及车道间距不同,使得摄像机画面中的车道线会在前一时刻的位置附近波动。
在上述的基于交互标定的车道线检测方法中,在上述步骤C中,分别将感兴趣区域自上而下均匀分段或不均匀分段,每段的高度定为Δhi。可以均匀分段也可以不均匀分段,为了方便,此处采用均匀分段表述,理论上分段越多,检测结果越准确,但是考虑到实际应用中的实时性等问题,所分段数不应太多,应根据实际情况适当即可。
在上述的基于交互标定的车道线检测方法中,在上述步骤C中,分别计算每一段感兴趣区域中Δhi的均值Δh,并将其作为该段的阈值,然后将感兴趣区域二值化,相邻两段感兴趣区域的阈值不同时,相邻两段感兴趣区域的分界线的斜率为0。
在上述的基于交互标定的车道线检测方法中,在上述步骤A中,所述的左车道线和右车道线分别为实线、虚线、黄线与白线中的任意一种或多种的组合;当前车辆停靠或者行驶在所在车道的左车道线和右车道线之间的正中央。
在上述的基于交互标定的车道线检测方法中,在上述步骤D中,利用霍夫变换在上述步骤C中的感兴趣区域内分别检测车道线,若检测到新的左车道线则更新左车道线的直线方程斜率和/或截距,否则保留其上一时刻的值;若检测到新的右车道线则更新右车道线的直线方程斜率和/或截距,否则保留其上一时刻的值。
在上述的基于交互标定的车道线检测方法中,若车辆出现变更车道的情况,则等待车辆进入下一车道的中央行驶时,自动检测新的车道线。如果是弯道,则此方法检测的是弯道的切线。
与现有的技术相比,本基于交互标定的车道线检测方法的优点在于:
1、标定场景是画有左右车道线的公路,无需再重新构造标定场景,比如在地面上画线标定等,这样比传统的方法更简单实用,节约成本;
2、分段阈值化可以减少因为阴影或者障碍物等遮挡车道线造成的车道线检测不准确的问题;
3、人机交互方便快捷,对操作人员要求较低,因此可以适应多变的场景,可操作性强;
4、利用前后两帧图像中车道线波动的范围设置感兴区域可以大大减小杂波对车道线检测的影响,并提高算法的执行效率;
5、支持在线标定,可以免去离线标定需要采集视频图像并处理的一系列工作;
6、直接标定车道线的斜率与截距,是一个非常简单方便的标定与计算方法,可以节约开发者大量宝贵的时间,以及人力、物力等方面的资源消耗。
附图说明
图1是本发明的流程图。
图2是通过人机交互实际标定后的摄像机画面图。
图3是图像坐标系示意图。
图4是根据斜率与截距波动的最大邻域范围选取的感兴区域图。
图5是感兴区域分段图。
图中,其中ΔkL表示红色直线与左车道线两条直线斜率之差;ΔbL表示蓝色直线与左车道线两条直线截距之差;ΔkR表示红色直线与右车道线两条直线斜率之差;ΔbR表示蓝色直线与右车道线两条直线截距之差;画面中左侧两条蓝色线之间的区域是左车道感兴区域ROI;右侧两条蓝色线之间的区域是右车道感兴区域ROI;Δh表示每一段的高度;1表示左车道线;11表示左标定直线;2表示右车道线;21表示右标定直线。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。
如图1-5所示,本基于交互标定的车道线检测方法,包括步骤A、选取标定场景:选取画有左车道线1和右车道线2的车道为标定场景,将当前车辆停靠或者行驶在所在车道的左车道线1与右车道线2之间,并确保当前车辆所在车道的左车道线1与右车道线2在摄像机图像中可见;这里的左车道线1和右车道线2分别为实线、虚线、黄线与白线中的任意一种或多种的组合;当前车辆应该尽量停靠或者行驶在所在车道的左车道线1和右车道线2之间的正中央,当前也不排除有一定范围的偏差。
步骤B、人机交互标定:移动显示于摄像机图像中的预设的左标定直线11以使左标定直线11与左车道线1或左车道线1的切线重合从而实现左车道线1标定,移动显示于摄像机图像中的预设的右标定直线21以使右标定直线21与右车道线2或右车道线2的切线重合从而实现右车道线2标定,分别计算出此时左车道线1与右车道线2在图像坐标系中的直线方程;在上述步骤B中,以摄像机光轴与摄像机图像平面的交点为原点,以原点横向向右延伸方向作为x轴延伸方向,以原点纵向向下方向作为y轴延伸方向,建立图像坐标系,标定后左车道线1在图像坐标系中的直线方程为y=kL·x+bL,其中kL是左车道线的斜率,bL是左车道线在y轴上的截距,标定后右车道线2在图像坐标系中的直线方程为y=kR·x+bR,其中kR是右车道线的斜率,bR是右车道线在y轴上的截距;即通过手动操控机构控制左标定直线11平移和/或旋转以调整左标定直线11的截距和/或斜率,通过手动操控机构控制右标定直线21平移和/或旋转以调整右标定直线21的截距和/或斜率,这里的手动操控机构包括按钮和/或旋钮。
步骤C、预处理图像:将摄像机采集到的当前帧摄像机图像转化为灰度图,并将步骤B中标定的左车道线1邻域和右车道线2领域分别作为感兴趣区域ROI,然后分别对感兴趣区域ROI做分段阈值化处理;设左车道线1的斜率波动的最大范围为(-ΔkL,ΔkL),截距波动的最大范围为(-ΔbL,ΔbL),右车道线2的斜率波动的最大范围为(-ΔkR,ΔkR),截距波动的最大范围为(-ΔbR,ΔbR),选取左车道线1斜率与截距波动最大的邻域范围作为左车道线1的感兴趣区域ROI,选取右车道线2斜率与截距波动最大的邻域范围作为右车道线2的感兴趣区域ROI,设置在斜率波动范围主要是由于车辆在行驶过程中摄像头会有些许抖动,或者是其他的一些相关因素,比如不同环境下车道线宽度及车道间距不同,使得摄像机画面中的车道线会在前一时刻的位置附近波动;分别将感兴趣区域ROI自上而下均匀分段或不均匀分段,每段的高度定为Δhi,可以均匀分段也可以不均匀分段,为了方便,此处采用均匀分段表述,理论上分段越多,检测结果越准确,但是考虑到实际应用中的实时性等问题,所分段数不应太多,应根据实际情况适当即可;分别计算每一段感兴趣区域ROI中Δhi的均值Δh,并将其作为该段的阈值,然后将感兴趣区域ROI二值化,相邻两段感兴趣区域ROI的阈值不同时,相邻两段感兴趣区域ROI的分界线的斜率为0。
步骤D、检测车道线并更新参数:在步骤C的感兴趣区域ROI内分别检测车道线,若检测到新的左车道线1则更新左车道线1的直线方程斜率和/或截距,否则保留其上一时刻的值;若检测到新的右车道线2则更新右车道线2的直线方程斜率和/或截距,否则保留其上一时刻的值;利用霍夫变换在上述步骤C中的感兴趣区域ROI内分别检测车道线,若检测到新的左车道线1则更新左车道线1的直线方程斜率和/或截距,否则保留其上一时刻的值;若检测到新的右车道线2则更新右车道线2的直线方程斜率和/或截距,否则保留其上一时刻的值;若车辆出现变更车道的情况,则等待车辆进入下一车道的中央行驶时,自动检测新的车道线,如果是弯道,则此方法检测的是弯道的切线。
本发明中当前车辆应该尽量行驶在所在车道的正中央,当前也不排除有一定范围的偏差,标定场景是画有左右车道线的公路,无需再重新构造标定场景,比如在地面上画线标定等,这样比传统的方法更简单实用,节约成本;分段阈值化可以减少因为阴影或者障碍物等遮挡车道线造成的车道线检测不准确的问题;人机交互方便快捷,对操作人员要求较低,因此可以适应多变的场景,可操作性强;利用前后两帧图像中车道线波动的范围设置感兴区域可以大大减小杂波对车道线检测的影响,并提高算法的执行效率;支持在线标定,可以免去离线标定需要采集视频图像并处理的一系列工作,直接标定车道线的斜率与截距,是一个非常简单方便的标定与计算方法,可以节约开发者大量宝贵的时间,以及人力、物力等方面的资源消耗。
标定过程中误差的可能来源有:
1、场景误差:用于标定的车道线不直,地面不平坦等;
2、人机交互误差:摄像机画面中的左右车道线与标定线不重合。通过理论分析与大量的实践证明,标定式的车道线检测法不仅原理简单、操作便捷、容易集成在车载机器视觉系统中,还支持在线标定,甚至能够在车辆行驶中进行,从而在一定程度上解决了车载摄像机相关参数的漂移问题,提高了车道线检测的准确性。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了ΔkL表示红色直线与左车道线两条直线斜率之差;ΔbL表示蓝色直线与左车道线两条直线截距之差;ΔkR表示红色直线与右车道线两条直线斜率之差;ΔbR表示蓝色直线与右车道线两条直线截距之差;画面中左侧两条蓝色线之间的区域是左车道感兴区域ROI;右侧两条蓝色线之间的区域是右车道感兴区域ROI;Δh表示每一段的高度;1表示左车道线;11表示左标定直线;2表示右车道线;21表示右标定直线等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种基于交互标定的车道线检测方法,其特征在于,本方法包括下述步骤:
A、选取标定场景:选取画有左车道线(1)和右车道线(2)的车道为标定场景,将当前车辆停靠或者行驶在所在车道的左车道线(1)与右车道线(2)之间,并确保当前车辆所在车道的左车道线(1)与右车道线(2)在摄像机图像中可见;
B、人机交互标定:移动显示于摄像机图像中的预设的左标定直线(11)以使左标定直线(11)与左车道线(1)或左车道线(1)的切线重合从而实现左车道线(1)标定,移动显示于摄像机图像中的预设的右标定直线(21)以使右标定直线(21)与右车道线(2)或右车道线(2)的切线重合从而实现右车道线(2)标定,分别计算出此时左车道线(1)与右车道线(2)在图像坐标系中的直线方程;
C、预处理图像:将摄像机采集到的当前帧摄像机图像转化为灰度图,并将步骤B中标定的左车道线(1)邻域和右车道线(2)领域分别作为感兴趣区域(ROI),然后分别对感兴趣区域(ROI)做分段阈值化处理;
D、检测车道线并更新参数:在步骤C的感兴趣区域(ROI)内分别检测车道线,若检测到新的左车道线(1)则更新左车道线(1)的直线方程斜率和/或截距,否则保留其上一时刻的值;若检测到新的右车道线(2)则更新右车道线(2)的直线方程斜率和/或截距,否则保留其上一时刻的值。
2.根据权利要求1所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤B中,以摄像机光轴与摄像机图像平面的交点为原点,以原点横向向右延伸方向作为x轴延伸方向,以原点纵向向下方向作为y轴延伸方向,建立图像坐标系,标定后左车道线(1)在图像坐标系中的直线方程为y=kL·x+bL,其中kL是左车道线的斜率,bL是左车道线在y轴上的截距,标定后右车道线(2)在图像坐标系中的直线方程为y=kR·x+bR,其中kR是右车道线的斜率,bR是右车道线在y轴上的截距。
3.根据权利要求2所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤B中,通过手动操控机构控制左标定直线(11)平移和/或旋转以调整左标定直线(11)的截距和/或斜率,通过手动操控机构控制右标定直线(21)平移和/或旋转以调整右标定直线(21)的截距和/或斜率。
4.根据权利要求3所述的基于交互标定的车道线检测方法,其特征在于,所述的手动操控机构包括按钮和/或旋钮,或者所述的手动操控机构包括能够显示摄像机图像的触控屏。
5.根据权利要求2或3或4所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤C中,设左车道线(1)的斜率波动的最大范围为(-ΔkL,ΔkL),截距波动的最大范围为(-ΔbL,ΔbL),右车道线(2)的斜率波动的最大范围为(-ΔkR,ΔkR),截距波动的最大范围为(-ΔbR,ΔbR),选取左车道线(1)斜率与截距波动最大的邻域范围作为左车道线(1)的感兴趣区域(ROI),选取右车道线(2)斜率与截距波动最大的邻域范围作为右车道线(2)的感兴趣区域(ROI)。
6.根据权利要求5所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤C中,分别将感兴趣区域(ROI)自上而下均匀分段或不均匀分段,每段的高度定为Δhi。
7.根据权利要求6所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤C中,分别计算每一段感兴趣区域(ROI)中Δhi的均值Δh,并将其作为该段的阈值,然后将感兴趣区域(ROI)二值化,相邻两段感兴趣区域(ROI)的阈值不同时,相邻两段感兴趣区域(ROI)的分界线的斜率为0。
8.根据权利要求7所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤A中,所述的左车道线(1)和右车道线(2)分别为实线、虚线、黄线与白线中的任意一种或多种的组合;当前车辆停靠或者行驶在所在车道的左车道线(1)和右车道线(2)之间的正中央。
9.根据权利要求7所述的基于交互标定的车道线检测方法,其特征在于,在上述步骤D中,利用霍夫变换在上述步骤C中的感兴趣区域(ROI)内分别检测车道线,若检测到新的左车道线(1)则更新左车道线(1)的直线方程斜率和/或截距,否则保留其上一时刻的值;若检测到新的右车道线(2)则更新右车道线(2)的直线方程斜率和/或截距,否则保留其上一时刻的值。
10.根据权利要求9所述的基于交互标定的车道线检测方法,其特征在于,若车辆出现变更车道的情况,则等待车辆进入下一车道的中央行驶时,自动检测新的车道线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610971573.8A CN106529459A (zh) | 2016-11-04 | 2016-11-04 | 基于交互标定的车道线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610971573.8A CN106529459A (zh) | 2016-11-04 | 2016-11-04 | 基于交互标定的车道线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529459A true CN106529459A (zh) | 2017-03-22 |
Family
ID=58326752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610971573.8A Pending CN106529459A (zh) | 2016-11-04 | 2016-11-04 | 基于交互标定的车道线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529459A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108692949A (zh) * | 2017-04-10 | 2018-10-23 | 深圳市航盛电子股份有限公司 | 一种简单的车道偏移实车测试装置以及验证测试方法 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060127880A1 (en) * | 2004-12-15 | 2006-06-15 | Walter Harris | Computerized image capture of structures of interest within a tissue sample |
CN104008645A (zh) * | 2014-06-12 | 2014-08-27 | 湖南大学 | 一种适用于城市道路车道线预测及预警方法 |
CN104859563A (zh) * | 2015-05-28 | 2015-08-26 | 北京汽车股份有限公司 | 车道偏离预警方法和系统 |
-
2016
- 2016-11-04 CN CN201610971573.8A patent/CN106529459A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060127880A1 (en) * | 2004-12-15 | 2006-06-15 | Walter Harris | Computerized image capture of structures of interest within a tissue sample |
CN104008645A (zh) * | 2014-06-12 | 2014-08-27 | 湖南大学 | 一种适用于城市道路车道线预测及预警方法 |
CN104859563A (zh) * | 2015-05-28 | 2015-08-26 | 北京汽车股份有限公司 | 车道偏离预警方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108692949A (zh) * | 2017-04-10 | 2018-10-23 | 深圳市航盛电子股份有限公司 | 一种简单的车道偏移实车测试装置以及验证测试方法 |
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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106525056A (zh) | 利用陀螺仪传感器进行车道线检测的方法 | |
CN105260699B (zh) | 一种车道线数据的处理方法及装置 | |
Hirabayashi et al. | Traffic light recognition using high-definition map features | |
González et al. | Automatic traffic signs and panels inspection system using computer vision | |
CN108519605A (zh) | 基于激光雷达和摄像机的路沿检测方法 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
CN102609934A (zh) | 一种基于深度图像的多目标分割和跟踪方法 | |
CN108280450A (zh) | 一种基于车道线的高速公路路面检测方法 | |
CN102663743A (zh) | 一种复杂场景中多摄影机协同的人物追踪方法 | |
CN101094413A (zh) | 用于视频监控的实时运动检测方法 | |
CN103677274A (zh) | 一种基于主动视觉的互动投影方法及系统 | |
JP2007235950A (ja) | 車両位置検出方法及び装置 | |
CN103954970B (zh) | 一种地形要素采集方法 | |
CN102043964A (zh) | 基于云台摄像头的飞行器起降跟踪算法及跟踪系统 | |
CN108171695A (zh) | 一种基于图像处理的高速公路路面检测方法 | |
CN114120141B (zh) | 一种可全天候遥感监测自动分析方法及其系统 | |
CN103208115A (zh) | 基于测地线距离的图像显著性区域检测方法 | |
CN106529432A (zh) | 一种深度融合显著性检测与先验知识的手部区域分割方法 | |
CN106446785A (zh) | 基于双目视觉的可行道路检测方法 | |
CN104598907A (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
CN104463138A (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN109948433A (zh) | 一种嵌入式人脸跟踪方法及装置 | |
CN106570885A (zh) | 基于亮度和纹理融合阈值的背景建模方法 | |
CN106503170A (zh) | 一种基于遮挡维度的图像库构建方法 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240510 |