CN107133625B - 一种黄色车道线的提取方法及系统、车载终端 - Google Patents

一种黄色车道线的提取方法及系统、车载终端 Download PDF

Info

Publication number
CN107133625B
CN107133625B CN201710207634.8A CN201710207634A CN107133625B CN 107133625 B CN107133625 B CN 107133625B CN 201710207634 A CN201710207634 A CN 201710207634A CN 107133625 B CN107133625 B CN 107133625B
Authority
CN
China
Prior art keywords
pixel point
lane line
yellow lane
lab
gray
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.)
Active
Application number
CN201710207634.8A
Other languages
English (en)
Other versions
CN107133625A (zh
Inventor
李桥
张笑东
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.)
Zongmu Technology Shanghai Co Ltd
Original Assignee
Zongmu Technology Shanghai Co Ltd
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 Zongmu Technology Shanghai Co Ltd filed Critical Zongmu Technology Shanghai Co Ltd
Priority to CN201710207634.8A priority Critical patent/CN107133625B/zh
Publication of CN107133625A publication Critical patent/CN107133625A/zh
Application granted granted Critical
Publication of CN107133625B publication Critical patent/CN107133625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种黄色车道线的提取方法及系统、车载终端，包括获取路面的彩色图；将所述彩色图由RGB颜色空间转换到Lab颜色空间；定义一种各像素点的像素值均相同的参考黄色车道线；在所述Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值；将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值；在所获得的灰度图中提取黄色车道线。本发明的黄色车道线的提取方法及系统、车载终端在黄色车道线和路面亮度相似的情况下通过增强灰度图中黄色车道线和路面的对比度，来降低提取黄色车道线时的漏检率。

Description

一种黄色车道线的提取方法及系统、车载终端
技术领域
本发明涉及图像处理的技术领域，特别是涉及一种黄色车道线的提取方法及系统、车载终端。
背景技术
交通标线(Traffic Index Line)是指在道路的路面上用线条、箭头、文字、立面标记、突起路标和轮廓标等向交通参与者传递引导、限制、警告等交通信息的标识，其作用是管制和引导交通，可以与标志配合使用，也可单独使用。
具体地，交通标线包括以下几种：
(1)白色虚线
画于路段中时，用以分隔同向行驶的交通流或作为行车安全距离识别线；画于路口时，用以引导车辆行进。
(2)白色实线
画于路段中时，用以分隔同向行驶的机动车和非机动车，或指示车行道的边缘；画于路口时，可用作导向车道线或停止线。
(3)黄色虚线
画于路段中时，用以分隔对向行驶的交通流；画于路侧或缘石上时，用以禁止车辆长时在路边停放。
(4)黄色实线
画于路段中时，用以分隔对向行驶的交通流；画于路侧或缘石上时，用以禁止车辆长时或临时在路边停放。
(5)双白虚线
画于路口时，作为减速让行线；画于路段中时，作为行车方向随时间改变之可变车道线。
(6)双黄实线
画于路段中时，用以分隔对向行驶的交通流。
(7)黄色虚实线
画于路段中时，用以分隔对向行驶的交通流；黄色实线一侧禁止车辆超车、跨越或回转，黄色虚线一侧在保证安全的情况下准许车辆超车、跨越或回转。
(8)双白实线
画于路口时，作为停车让行线。
由上可知，交通标线包括白色车道线和黄色车道线两种。
车道偏离预警系统是一种通过报警的方式辅助驾驶员减少汽车因车道偏离而发生交通事故的汽车驾驶的辅助系统。当车辆偏离行驶车道时，通过所述车道偏离预警系统可以发出预警提醒。在车道偏离预警系统中，为了保证预警的准确度，需要对车道线进行正确的提取和识别。
现有技术中，车道线提取技术中所采用的原始图像大多为摄像头直接输出的亮度图或根据固定比例系数将RGB颜色空间转换到灰度空间的所获取的图像。通过在灰度图上进行边缘检测或直线提取来提取车道线。
在光照充足的环境下，黄色车道线和路面的颜色虽然不同，但亮度相近。因此，在灰度图上黄色车道线和路面的对比度很低，很容易出现漏检。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种黄色车道线的提取方法及系统、车载终端，在黄色车道线和路面亮度相似的情况下通过增强灰度图中黄色车道线和路面的对比度，来降低提取黄色车道线时的漏检率。
为实现上述目的及其他相关目的，本发明提供一种黄色车道线的提取方法，包括以下步骤：获取路面的彩色图；将所述彩色图由RGB颜色空间转换到Lab颜色空间；定义一种各像素点的像素值均相同的参考黄色车道线，预设所述参考黄色车道线在Lab颜色空间中各像素点的取值；在所述Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值
Figure BDA0001260245780000021
其中ΔL、Δa和Δb分别表示所述彩色图中的像素点与所述参考黄色车道线的像素点的L分量、a分量和b分量的差值；将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值；在所获得的灰度图中提取黄色车道线。
于本发明一实施例中，当像素点对应的所述Lab差值低于所述预设阈值时，根据所述Lab差值所在的区间按照权重提高该像素点的灰度值。
于本发明一实施例中，当像素点对应的所述Lab差值不低于所述预设阈值，根据所述Lab差值所述的区间按照比例降低该像素点的灰度值。
于本发明一实施例中，在所获得的灰度图中提取黄色车道线时，采用霍夫变换或LSD算法。
于本发明一实施例中，所述彩色图由车载摄像装置获取。
同时，本发明还提供一种黄色车道线的提取系统，包括彩色图获取模块、第一转换模块、预设模块、计算模块、第二转换模块和提取模块；
所述彩色图获取模块用于获取路面的彩色图；
所述第一转换模块用于将所述彩色图由RGB颜色空间转换到Lab颜色空间；
所述预设模块用于定义一种各像素点的像素值均相同的参考黄色车道线，预设所述参考黄色车道线在Lab颜色空间中各像素点的取值；
所述计算模块用于在所述Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值
Figure BDA0001260245780000031
其中ΔL、Δa和Δb分别表示所述彩色图中的像素点与所述参考黄色车道线的像素点的L分量、a分量和b分量的差值；
所述第二转换模块用于将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值；
所述提取模块用于在所获得的灰度图中提取黄色车道线。
于本发明一实施例中，所述第二转换模块中，当像素点对应的所述Lab差值低于所述预设阈值时，根据所述Lab差值所在的区间按照权重提高该像素点的灰度值。
于本发明一实施例中，所述第二转换模块中，当像素点对应的所述Lab差值不低于所述预设阈值，根据所述Lab差值所述的区间按照比例降低该像素点的灰度值。
于本发明一实施例中，所述提取模块采用霍夫变换或LSD算法在所获得的灰度图中提取黄色车道线。
另外，本发明还提供一种车载终端，包括上述任一所述的黄色车道线的提取系统。
如上所述，本发明的黄色车道线的提取方法及系统、车载终端，具有以下有益效果：
(1)在将所获取的路面彩色图转换为灰度图的过程中，根据彩色图在Lab颜色空间中与特定颜色的差值调整各个像素点在灰度图中的灰度值，以增强灰度图中黄色车道线和路面的对比度，从而有效地降低了提取黄色车道线时的漏检率；
(2)黄色车道线提取效率较高，实时性强。
附图说明
图1显示为本发明的黄色车道线的提取方法的流程图；
图2显示为本发明的黄色车道线的提取系统的结构示意图；
图3显示为本发明的车载终端的结构示意图。
元件标号说明
1 彩色图获取模块
2 第一转换模块
3 预设模块
4 计算模块
5 第二转换模块
6 提取模块
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在晴朗天气下，由于阳光照射等原因使得黄色车道线和路面亮度相似的情况下，本发明的黄色车道线的提取方法及系统、车载终端在将所获取的路面彩色图转换为灰度图的过程中，根据彩色图在Lab颜色空间中与特定颜色的差值调整各个像素点在灰度图中的灰度值，从而通过增强灰度图中黄色车道线和路面的对比度来提高黄色车道线的识别度，有效地降低了提取黄色车道线时的漏检率，且提取效率较高，实用性强。
参照图1，本发明的黄色车道线的提取方法包括以下步骤：
步骤S1、获取路面的彩色图。
具体地，通常通过车载摄像装置，如车载摄像头获取车辆行驶前方的路面的彩色图。
步骤S2、将所述彩色图由RGB颜色空间转换到Lab颜色空间。
RGB(Red，Green，Blue)颜色空间是一种最常用的色彩空间，其利用物理学中的三原色叠加从而组成产生各种不同颜色。在RGB颜色空间中，R、G、B三个分量的属性是独立的。其中，各个分量的数值越小，亮度越低。数值越大，亮度越高；如：(0,0,0)表示黑色，(255，255,255)表示白色。
同RGB颜色空间相比，Lab颜色空间是一种不常用的色彩空间，其是一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。也就是说，Lab颜色空间是用数字化的方法来描述人的视觉感应。Lab颜色空间中的L分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a表示从红色到绿色的范围，取值范围是[127,-128]；b表示从黄色到蓝色的范围，取值范围是[127,-128]。
具体地，对于本领域技术人员而言，将所述彩色图由RGB颜色空间转换到Lab颜色空间是成熟的现有技术，其并不是本发明的重点所在，故在此不再赘述。
步骤S3、定义一种各像素点的像素值均相同的参考黄色车道线，预设所述参考黄色车道线在Lab颜色空间中各像素点的取值。
具体地，基于实际使用中黄色车道线的划制标准，设置一种参考黄色车道线。在所述参考黄色车道线中各像素点的像素值均相同，以便于后续参考计算。
步骤S4、在Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值
Figure BDA0001260245780000051
其中ΔL、Δa和Δb分别表示所述彩色图中的像素点与所述参考黄色车道线的像素点的L分量、a分量和b分量的差值。
具体地，由于所述参考黄色车道线的各个像素点的取值均相同，故在所述彩色图中，针对每个像素点根据公式
Figure BDA0001260245780000052
计算该像素点处的Lab差值。
步骤S5、将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值。
用灰度表示的图像称作灰度图。其中，在灰度图中将白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。灰度图中每个像素点仅用对应的灰度值表示即可。
具体地，在将所述彩色图转换为灰度图后，还需要根据所述Lab差值进行灰度值的二次处理，以增加灰度图中黄色车道线与路面之间的对比度。
优选地，当像素点对应的所述Lab差值低于预设阈值时，根据所述Lab差值所在的区间按照权重提高该像素点的灰度值。例如，假设预设阈值为10，当所述Lab差值在8～10之间时，按照2倍权重提高灰度值；当所述Lab差值在6～8之间时，按照4倍权重提高灰度值；当所述Lab差值在4～6之间时，按照8倍权重提高灰度值；以此类推。
优选地，当像素点对应的所述Lab差值不低于预设阈值，根据所述Lab差值所述的区间按照比例降低该像素点的灰度值。例如，假设预设阈值为10，当所述Lab差值在10～20之间时，按照1/10比例降低灰度值；当所述Lab差值在20～30之间时，按照1/9比例降低灰度值；当所述Lab差值在30～40之间时，按照1/8比例降低灰度值；以此类推。
步骤S6、在所获得的灰度图中提取黄色车道线。
优选地，采用霍夫变换或LSD(Line Segment Detector)算法等直线检测方法提取灰度图中的黄色车道线。由于该灰度图中黄色车道线和路面的对比度进行了上述增强处理，故易于黄色车道线的提取，有效地降低了漏检率。
其中，霍夫变换(Hough Transform)是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛。主要用来从图像中分离出具有某种相同特征的几何形状如，直线，圆等。最基本的霍夫变换是从黑白图像中检测直线。
参照图2，本发明的黄色车道线的提取系统包括彩色图获取模块1、第一转换模块2、预设模块3、计算模块4、第二转换模块5和提取模块6。
彩色图获取模块1用于获取路面的彩色图。
具体地，通常通过车载摄像装置，如车载摄像头获取车辆行驶前方的路面的彩色图。
第一转换模块2与彩色图获取模块1相连，用于将所述彩色图由RGB颜色空间转换到Lab颜色空间。
RGB(Red，Green，Blue)颜色空间是一种最常用的色彩空间，其利用物理学中的三原色叠加从而组成产生各种不同颜色。在RGB颜色空间中，R、G、B三个分量的属性是独立的。其中，各个分量的数值越小，亮度越低。数值越大，亮度越高；如：(0,0,0)表示黑色，(255，255,255)表示白色。
同RGB颜色空间相比，Lab颜色空间是一种不常用的色彩空间，其是一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。也就是说，Lab颜色空间是用数字化的方法来描述人的视觉感应。Lab颜色空间中的L分量用于表示像素的亮度，取值范围是[0,100]，表示从纯黑到纯白；a表示从红色到绿色的范围，取值范围是[127,-128]；b表示从黄色到蓝色的范围，取值范围是[127,-128]。
具体地，对于本领域技术人员而言，将所述彩色图由RGB颜色空间转换到Lab颜色空间是成熟的现有技术，其并不是本发明的重点所在，故在此不再赘述。
预设模块3用于定义一种各像素点的像素值均相同的参考黄色车道线，预设所述参考黄色车道线在Lab颜色空间中各像素点的取值。
具体地，基于实际使用中黄色车道线的划制标准，设置一种参考黄色车道线。在所述参考黄色车道线中各像素点的像素值均相同，以便于后续参考计算。
计算模块4与第一转换模块模块2和预设模块3相连，用于在Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值
Figure BDA0001260245780000071
其中ΔL、Δa和Δb分别表示所述彩色图中的像素点与所述参考黄色车道线的像素点的L分量、a分量和b分量的差值。
具体地，由于所述参考黄色车道线的各个像素点的取值均相同，故在所述彩色图中，针对每个像素点根据公式
Figure BDA0001260245780000072
计算该像素点处的Lab差值。
第二转换模块5与计算模块4相连，用于将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值。
用灰度表示的图像称作灰度图。其中，在灰度图中将白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。灰度图中每个像素点仅用对应的灰度值表示即可。
具体地，在将所述彩色图转换为灰度图后，还需要根据所述Lab差值进行灰度值的二次处理，以增加灰度图中黄色车道线与路面之间的对比度。
优选地，当像素点对应的所述Lab差值低于预设阈值时，根据所述Lab差值所在的区间按照权重提高该像素点的灰度值。例如，假设预设阈值为10，当所述Lab差值在8～10之间时，按照2倍权重提高灰度值；当所述Lab差值在6～8之间时，按照4倍权重提高灰度值；当所述Lab差值在4～6之间时，按照8倍权重提高灰度值；以此类推。
优选地，当像素点对应的所述Lab差值不低于预设阈值，根据所述Lab差值所述的区间按照比例降低该像素点的灰度值。例如，假设预设阈值为10，当所述Lab差值在10～20之间时，按照1/10比例降低灰度值；当所述Lab差值在20～30之间时，按照1/9比例降低灰度值；当所述Lab差值在30～40之间时，按照1/8比例降低灰度值；以此类推。
提取模块6与第二转换模块5相连，用于在所获得的灰度图中提取黄色车道线。
优选地，采用霍夫变换或LSD(Line Segment Detector)算法等直线检测方法提取灰度图中的黄色车道线。由于该灰度图中黄色车道线和路面的对比度进行了上述增强处理，故易于黄色车道线的提取，有效地降低了漏检率。
其中，霍夫变换(Hough Transform)是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛。主要用来从图像中分离出具有某种相同特征的几何形状如，直线，圆等。最基本的霍夫变换是从黑白图像中检测直线。
如图3所示，本发明还提供一种车载终端，包括上述黄色车道线的提取系统。当车辆上安装有该车载终端时，能够及时有效地提取路面上的黄色车道线，从而为驾驶预警提供必要的判断基础。
综上所述，本发明的黄色车道线的提取方法及系统、车载终端在将所获取的路面彩色图转换为灰度图的过程中，根据彩色图在Lab颜色空间中与特定颜色的差值调整各个像素点在灰度图中的灰度值，以增强灰度图中黄色车道线和路面的对比度，从而有效地降低了提取黄色车道线时的漏检率；黄色车道线提取效率较高，实时性强。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (6)

1.一种黄色车道线的提取方法，其特征在于：包括以下步骤：
获取路面的彩色图；
将所述彩色图由RGB颜色空间转换到Lab颜色空间；
定义一种各像素点的像素值均相同的参考黄色车道线，预设所述参考黄色车道线在Lab颜色空间中各像素点的取值；
在所述Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值
Figure FDA0002413798640000011
其中ΔL、Δa和Δb分别表示所述彩色图中的像素点与所述参考黄色车道线的像素点的L分量、a分量和b分量的差值；
将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值；其中，所述预设第一规则为当像素点对应的所述Lab差值低于所述预设阈值时，根据所述Lab差值所在的区间按照权重提高该像素点的灰度值；所述预设第二规则为当像素点对应的所述Lab差值不低于所述预设阈值，根据所述Lab差值所在的区间按照比例降低该像素点的灰度值；
在所获得的灰度图中提取黄色车道线。
2.根据权利要求1所述的黄色车道线的提取方法，其特征在于：在所获得的灰度图中提取黄色车道线时，采用霍夫变换或LSD算法。
3.根据权利要求1所述的黄色车道线的提取方法，其特征在于：所述彩色图由车载摄像装置获取。
4.一种黄色车道线的提取系统，其特征在于：包括彩色图获取模块、第一转换模块、预设模块、计算模块、第二转换模块和提取模块；
所述彩色图获取模块用于获取路面的彩色图；
所述第一转换模块用于将所述彩色图由RGB颜色空间转换到Lab颜色空间；
所述预设模块用于定义一种各像素点的像素值均相同的参考黄色车道线，预设所述参考黄色车道线在Lab颜色空间中各像素点的取值；
所述计算模块用于在所述Lab颜色空间中，计算所述彩色图中各个像素点相对于所述参考黄色车道线的像素点的Lab差值
Figure FDA0002413798640000012
其中ΔL、Δa和Δb分别表示所述彩色图中的像素点与所述参考黄色车道线的像素点的L分量、a分量和b分量的差值；
所述第二转换模块用于将所述彩色图转换为灰度图，若像素点对应的所述Lab差值低于预设阈值，则按预设第一规则提高该像素点的灰度值；否则按预设第二规则降低该像素点的灰度值；其中，所述预设第一规则为当像素点对应的所述Lab差值低于所述预设阈值时，根据所述Lab差值所在的区间按照权重提高该像素点的灰度值；所述预设第二规则为当像素点对应的所述Lab差值不低于所述预设阈值，根据所述Lab差值所在的区间按照比例降低该像素点的灰度值；
所述提取模块用于在所获得的灰度图中提取黄色车道线。
5.根据权利要求4所述的黄色车道线的提取系统，其特征在于：所述提取模块采用霍夫变换或LSD算法在所获得的灰度图中提取黄色车道线。
6.一种车载终端，其特征在于：包括权利要求4-5之一所述的黄色车道线的提取系统。
CN201710207634.8A 2017-03-31 2017-03-31 一种黄色车道线的提取方法及系统、车载终端 Active CN107133625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710207634.8A CN107133625B (zh) 2017-03-31 2017-03-31 一种黄色车道线的提取方法及系统、车载终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710207634.8A CN107133625B (zh) 2017-03-31 2017-03-31 一种黄色车道线的提取方法及系统、车载终端

Publications (2)

Publication Number Publication Date
CN107133625A CN107133625A (zh) 2017-09-05
CN107133625B true CN107133625B (zh) 2020-05-22

Family

ID=59714923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710207634.8A Active CN107133625B (zh) 2017-03-31 2017-03-31 一种黄色车道线的提取方法及系统、车载终端

Country Status (1)

Country Link
CN (1) CN107133625B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537142A (zh) * 2018-03-21 2018-09-14 华南理工大学 一种基于多颜色空间的车道线检测方法
CN110570347B (zh) * 2019-09-05 2023-01-17 延锋伟世通电子科技（上海）有限公司 用于车道线检测的彩色图像灰度化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004017289A (ja) * 2002-06-12 2004-01-22 Toppan Printing Co Ltd 印刷色調監視装置及び印刷色調制御装置並びに印刷色調監視方法
CN101853514A (zh) * 2009-04-02 2010-10-06 肖克炎 彩色地质图图像的交互式矢量化方法及其系统
CN103714538A (zh) * 2013-12-20 2014-04-09 中联重科股份有限公司 道路边缘检测方法、装置及车辆
CN106238350A (zh) * 2016-09-12 2016-12-21 佛山市南海区广工大数控装备协同创新研究院 一种基于机器视觉的太阳能电池片分选方法与系统
CN107248154A (zh) * 2017-05-27 2017-10-13 江苏理工学院 一种布匹色差实时在线检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004017289A (ja) * 2002-06-12 2004-01-22 Toppan Printing Co Ltd 印刷色調監視装置及び印刷色調制御装置並びに印刷色調監視方法
CN101853514A (zh) * 2009-04-02 2010-10-06 肖克炎 彩色地质图图像的交互式矢量化方法及其系统
CN103714538A (zh) * 2013-12-20 2014-04-09 中联重科股份有限公司 道路边缘检测方法、装置及车辆
CN106238350A (zh) * 2016-09-12 2016-12-21 佛山市南海区广工大数控装备协同创新研究院 一种基于机器视觉的太阳能电池片分选方法与系统
CN107248154A (zh) * 2017-05-27 2017-10-13 江苏理工学院 一种布匹色差实时在线检测方法

Also Published As

Publication number Publication date
CN107133625A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
CN108189838B (zh) 一种融合型自适应巡航弯道控制方法及装置
CN110298216B (zh) 基于车道线梯度图像自适应阈值分割的车辆偏离报警方法
Wang et al. Lane detection of curving road for structural highway with straight-curve model on vision
Li et al. Nighttime lane markings recognition based on Canny detection and Hough transform
CN103279736B (zh) 一种基于多信息邻域投票的车牌检测方法
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
US20140247968A1 (en) Method for Fog Detection
CN110688907B (zh) 基于夜间道路光源识别物体的方法及装置
CN104008377A (zh) 基于时空关联的地面交通标志实时检测识别方法
CN103034843B (zh) 一种基于单目视觉的夜间车辆检测方法
CN109190523A (zh) 一种基于视觉的车辆检测跟踪预警方法
CN107891808A (zh) 行车提醒方法、装置及车辆
CN107145824B (zh) 一种基于显著性分析的车道线分割方法及系统、车载终端
CN111539303B (zh) 基于单目视觉的车辆驾驶偏移预警方法
CN109635737A (zh) 基于道路标记线视觉识别辅助车辆导航定位方法
CN107133625B (zh) 一种黄色车道线的提取方法及系统、车载终端
CN110733416B (zh) 一种基于逆透视变换的车道偏离预警方法
CN106803073B (zh) 基于立体视觉目标的辅助驾驶系统及方法
US20210114611A1 (en) System for performing effective identification of vehicle line pressing and giving early prompt
CN105335704B (zh) 一种基于双线性插值的车道线识别方法与装置
CN112009491A (zh) 一种基于交通元素视觉增强的深度学习的自动驾驶方法及系统
CN111985436B (zh) 一种基于lsd的车间地标线识别拟合方法
CN109815836A (zh) 一种城市道路路面导向箭头检测识别方法
CN110349415B (zh) 一种基于多尺度变换的行车速度测量方法
CN109330833B (zh) 一种辅助视障患者安全出行的智能感知系统和方法

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
GR01 Patent grant
GR01 Patent grant