CN107133600A - 一种基于帧间关联的实时车道线检测方法 - Google Patents
一种基于帧间关联的实时车道线检测方法 Download PDFInfo
- Publication number
- CN107133600A CN107133600A CN201710328413.6A CN201710328413A CN107133600A CN 107133600 A CN107133600 A CN 107133600A CN 201710328413 A CN201710328413 A CN 201710328413A CN 107133600 A CN107133600 A CN 107133600A
- Authority
- CN
- China
- Prior art keywords
- lane line
- frame
- line
- lane
- real
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Abstract
本发明公开了一种基于帧间关联的实时车道线检测方法,包括以下步骤:S1:判断从摄像头采集的视频帧图像是否为第一帧,若为第一帧图像,则在规定的感兴趣区域内对图像进行预处理;S2:利用改进的Hough变换对车道线提取候选车道点集合,并结合车道线模型对左右车道线进行识别;S3:若不是第一帧图像,利用前帧车道线模型参数,在预测的ROI区域内对图像进行预处理和Hough变换,将得到的候选车道线集与预测条件进行匹配;S4:如果符合条件则认为是有车道线的,更新当前保存的车道线模型参数;如果不满足条件,则由检测失效判别模块进行处理,失效帧数在T(T=5)帧以上,系统将下一帧图像作为第一帧来处理,并将车道线模型参数初始化。
Description
技术领域
本发明具体涉及一种基于帧间关联的实时车道线检测方法。
背景技术
在基于视觉的智能车辆导航或智能辅助驾驶系统中,车道线检测是一个基本且必要的部分。80年代后期研制的Navlab系列智能实验车采用了快速自适应横向位置处理视觉系统(RALPH)对道路进行检测,自动驾驶路程高达98.2%,智能性很高,并具有极强的鲁棒性[1飞其中车道线检测是智能车驾驶系统的核心技术之一,它能够有效引导车辆在车道线内行驶,保证交通安全和减少交通堵塞。
近年来,在车道线检测技术上已经有了较多的研究创新,也取得了不错的检测效果因。总体上来看,在现阶段车道识别的方法主要分为两种:图像特征法和模型匹配法。图像特征法的基本思想是利用车道边界或标志线与周围环境在图像特征上的不同来进行检测。特征差异包括形状、纹理、连续性、灰度和对比度等。
发明内容
本发明要解决的技术问题是提供一种基于帧间关联的实时车道线检测方法。
一种基于帧间关联的实时车道线检测方法,包括以下步骤:
S1:判断从摄像头采集的视频帧图像是否为第一帧,若为第一帧图像,则在规定的感兴趣区域内对图像进行预处理;
S2:利用改进的Hough变换对车道线提取候选车道点集合,并结合车道线模型对左右车道线进行识别;
S3:若不是第一帧图像,利用前帧车道线模型参数,在预测的ROI区域内对图像进行预处理和Hough变换,将得到的候选车道线集与预测条件进行匹配;
S4:如果符合条件则认为是有车道线的,更新当前保存的车道线模型参数;如果不满足条件,则由检测失效判别模块进行处理,失效帧数在T(T=5)帧以上,系统将下一帧图像作为第一帧来处理,并将车道线模型参数初始化;
S5:上述检测过程可一直持续下去,直到车道线检测结束。
进一步的,改进的Hough变换的车道线检测方法如下:
1)Hough变换的极坐标方程为:
;
2)建立一个参数空间矩阵;
其中,,;
,;
3)根据1)中的式子,对矩阵相应的单元格进行累加:
;
4)根据判断直线的倾斜方向,当时,直线是左车道线;当,直线是左路车道线,定义如下:
,
其中,分别为线段的起点和终点,表示线段在参数空间中对应的坐标值,分别表示直线在图像中所包含的非零点个数和饱和度;s的值可以由下式得出:
;
4)根据直线性质,判断是否为直线,当n>20和s>0.2时,即是满足条件的有效线段。
进一步的,预测的ROI区域的建立如下:
左右车道线动态区域ROI为一个直角的四边形:
;
;
其中,,分别为ROI中下边界的斜率,为左车道线中靠近中线的角度,X为右车道线中线的车道线角度,并且满足;
,。
进一步的,失效判别的方法如下:
1)在动态ROI内,检测到的直线条数为零;
2)不满足车道线约束条件的帧数大于T(T=5);
3)从当前帧检测出的车道线参数相对于上帧发生了突变。
本发明的有益效果是:
本发明方法能够实时、准确地检测出复杂交通环境下的车道标志线,并具有相当好的抗干扰性。根据城市半结构化道路环境的特点,将近视野范围内的车道线定义为直线模型,同时融合帧间关联对车道线特征进行提取并约束车道线参数方程。通过动态感兴趣区域、基于车道线特征的滤波算法、自适应阔值边缘检测和Hough 变换算法等,既增强了车道线边缘特征,又减少了图像数据的运算量。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种基于帧间关联的实时车道线检测方法,包括以下步骤:
S1:判断从摄像头采集的视频帧图像是否为第一帧,若为第一帧图像,则在规定的感兴趣区域内对图像进行预处理;
S2:利用改进的Hough变换对车道线提取候选车道点集合,并结合车道线模型对左右车道线进行识别;
S3:若不是第一帧图像,利用前帧车道线模型参数,在预测的ROI区域内对图像进行预处理和Hough变换,将得到的候选车道线集与预测条件进行匹配;
S4:如果符合条件则认为是有车道线的,更新当前保存的车道线模型参数;如果不满足条件,则由检测失效判别模块进行处理,失效帧数在T(T=5)帧以上,系统将下一帧图像作为第一帧来处理,并将车道线模型参数初始化;
S5:上述检测过程可一直持续下去,直到车道线检测结束。
改进的Hough变换的车道线检测方法如下:
1)Hough变换的极坐标方程为:
;
2)建立一个参数空间矩阵;
其中,,;
,;
3)根据1)中的式子,对矩阵相应的单元格进行累加:
;
4)根据判断直线的倾斜方向,当时,直线是左车道线;当,直线是左路车道线,定义如下:
,
其中,分别为线段的起点和终点,表示线段在参数空间中对应的坐标值,分别表示直线在图像中所包含的非零点个数和饱和度;s的值可以由下式得出:
;
4)根据直线性质,判断是否为直线,当n>20和s>0.2时,即是满足条件的有效线段。
预测的ROI区域的建立如下:
左右车道线动态区域ROI为一个直角的四边形:
;
;
其中,,分别为ROI中下边界的斜率,为左车道线中靠近中线的角度,X为右车道线中线的车道线角度,并且满足;
,。
失效判别的方法如下:
1)在动态ROI内,检测到的直线条数为零;
2)不满足车道线约束条件的帧数大于T(T=5);
3)从当前帧检测出的车道线参数相对于上帧发生了突变。
Claims (4)
1.一种基于帧间关联的实时车道线检测方法,其特征在于,包括以下步骤:
S1:判断从摄像头采集的视频帧图像是否为第一帧,若为第一帧图像,则在规定的感兴趣区域内对图像进行预处理;
S2:利用改进的Hough变换对车道线提取候选车道点集合,并结合车道线模型对左右车道线进行识别;
S3:若不是第一帧图像,利用前帧车道线模型参数,在预测的ROI区域内对图像进行预处理和Hough变换,将得到的候选车道线集与预测条件进行匹配;
S4:如果符合条件则认为是有车道线的,更新当前保存的车道线模型参数;如果不满足条件,则由检测失效判别模块进行处理,失效帧数在T(T=5)帧以上,系统将下一帧图像作为第一帧来处理,并将车道线模型参数初始化;
S5:上述检测过程可一直持续下去,直到车道线检测结束。
2.根据权利要求1所述的实时车道线检测方法,其特征在于,改进的Hough变换的车道线检测方法如下:
1)Hough变换的极坐标方程为:
;
2)建立一个参数空间矩阵;
其中,,;
,;
3)根据1)中的式子,对矩阵相应的单元格进行累加:
;
4)根据判断直线的倾斜方向,当时,直线是左车道线;当,直线是左路车道线,定义如下:
,
其中,分别为线段的起点和终点,表示线段在参数空间中对应的坐标值,分别表示直线在图像中所包含的非零点个数和饱和度;s的值可以由下式得出:
;
4)根据直线性质,判断是否为直线,当n>20和s>0.2时,即是满足条件的有效线段。
3.根据权利要求1所述的实时车道线检测方法,其特征在于,预测的ROI区域的建立如下:
左右车道线动态区域ROI为一个直角的四边形:
;
;
其中,,分别为ROI中下边界的斜率,为左车道线中靠近中线的角度,X为右车道线中线的车道线角度,并且满足;
,。
4.根据权利要求1所述的实时车道线检测方法,其特征在于,失效判别的方法如下:
1)在动态ROI内,检测到的直线条数为零;
2)不满足车道线约束条件的帧数大于T(T=5);
3)从当前帧检测出的车道线参数相对于上帧发生了突变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328413.6A CN107133600A (zh) | 2017-05-11 | 2017-05-11 | 一种基于帧间关联的实时车道线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328413.6A CN107133600A (zh) | 2017-05-11 | 2017-05-11 | 一种基于帧间关联的实时车道线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133600A true CN107133600A (zh) | 2017-09-05 |
Family
ID=59732839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328413.6A Withdrawn CN107133600A (zh) | 2017-05-11 | 2017-05-11 | 一种基于帧间关联的实时车道线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133600A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909047A (zh) * | 2017-11-28 | 2018-04-13 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
CN107909007A (zh) * | 2017-10-27 | 2018-04-13 | 上海识加电子科技有限公司 | 车道线检测方法及装置 |
CN108171154A (zh) * | 2017-12-27 | 2018-06-15 | 邦鼓思电子科技(上海)有限公司 | 一种自动驾驶中目标检测与车道检测结合的方法 |
CN109886122A (zh) * | 2019-01-23 | 2019-06-14 | 珠海市杰理科技股份有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN115131968A (zh) * | 2022-06-28 | 2022-09-30 | 重庆长安汽车股份有限公司 | 一种基于车道线点集与注意力机制的匹配融合方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663356A (zh) * | 2012-03-28 | 2012-09-12 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
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 |
-
2017
- 2017-05-11 CN CN201710328413.6A patent/CN107133600A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663356A (zh) * | 2012-03-28 | 2012-09-12 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
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 |
Non-Patent Citations (1)
Title |
---|
李超 等: ""一种基于帧间关联的实时车道线检测算法"", 《计算机科学》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909007A (zh) * | 2017-10-27 | 2018-04-13 | 上海识加电子科技有限公司 | 车道线检测方法及装置 |
CN107909007B (zh) * | 2017-10-27 | 2019-12-13 | 上海识加电子科技有限公司 | 车道线检测方法及装置 |
CN107909047A (zh) * | 2017-11-28 | 2018-04-13 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
CN107909047B (zh) * | 2017-11-28 | 2021-07-06 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
CN108171154A (zh) * | 2017-12-27 | 2018-06-15 | 邦鼓思电子科技(上海)有限公司 | 一种自动驾驶中目标检测与车道检测结合的方法 |
CN109886122A (zh) * | 2019-01-23 | 2019-06-14 | 珠海市杰理科技股份有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN115131968A (zh) * | 2022-06-28 | 2022-09-30 | 重庆长安汽车股份有限公司 | 一种基于车道线点集与注意力机制的匹配融合方法 |
CN115131968B (zh) * | 2022-06-28 | 2023-07-11 | 重庆长安汽车股份有限公司 | 一种基于车道线点集与注意力机制的匹配融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133600A (zh) | 一种基于帧间关联的实时车道线检测方法 | |
CN109409202B (zh) | 基于动态感兴趣区域的鲁棒性车道线检测方法 | |
CN107730520B (zh) | 车道线检测方法及系统 | |
Kong et al. | General road detection from a single image | |
US10522039B2 (en) | Pedestrian recognition apparatus and method | |
US9245188B2 (en) | Lane detection system and method | |
US9053372B2 (en) | Road marking detection and recognition | |
CN106156723B (zh) | 一种基于视觉的路口精定位方法 | |
CN105740782B (zh) | 一种基于单目视觉的驾驶员换道过程量化方法 | |
CN108052904B (zh) | 车道线的获取方法及装置 | |
CN105989334B (zh) | 基于单目视觉的道路检测方法 | |
CN112381870B (zh) | 一种基于双目视觉的船舶识别与航速测量系统及方法 | |
KR101663574B1 (ko) | 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법 및 시스템 | |
CN102819733A (zh) | 一种快速的街景图像中人脸的检测模糊方法 | |
CN108229247A (zh) | 一种移动车辆检测方法 | |
CN107832674A (zh) | 一种车道线检测方法 | |
Liu et al. | ROI perspective transform based road marking detection and recognition | |
CN106778767B (zh) | 基于orb和主动视觉的视觉图像特征提取及匹配方法 | |
CN106022268A (zh) | 一种限速标识的识别方法和装置 | |
CN108154114B (zh) | 一种车道线检测的方法 | |
WO2013026205A1 (en) | System and method for detecting and recognizing rectangular traffic signs | |
Bui et al. | Road area detection based on texture orientations estimation and vanishing point detection | |
Miyama | REAL-TIME EMBEDDED SYSTEM OF MULTI-TASK CNN FOR ADVANCED DRIVING ASSISTANCE | |
Wang et al. | A multi-step curved lane detection algorithm based on hyperbola-pair model | |
Takahashi et al. | A robust lane detection using real-time voting processor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170905 |
|
WW01 | Invention patent application withdrawn after publication |