CN107516078A - 一种车道线检测稳固方法 - Google Patents

一种车道线检测稳固方法 Download PDF

Info

Publication number
CN107516078A
CN107516078A CN201710712894.0A CN201710712894A CN107516078A CN 107516078 A CN107516078 A CN 107516078A CN 201710712894 A CN201710712894 A CN 201710712894A CN 107516078 A CN107516078 A CN 107516078A
Authority
CN
China
Prior art keywords
line
straight
straight line
lane
point
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
Application number
CN201710712894.0A
Other languages
English (en)
Inventor
解梅
叶茂权
苏星霖
程石磊
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201710712894.0A priority Critical patent/CN107516078A/zh
Publication of CN107516078A publication Critical patent/CN107516078A/zh
Pending legal-status Critical Current

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

Landscapes

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

Abstract

本发明提供一种车道线检测稳固方法，针对路面反光、车辆遮挡和车辆变道情况，在之前的最大直线的检测结果的周围提取一块平行于该直线的区域，然后在该区域内再次进行边缘和hough变换，得到区域内的所有直线，取直线数最多的区域内的所有直线的位置平均作为最后的结果。本发明能够很好的拟合车道线，使原来偏离正确车道线的直线得以纠正。

Description

一种车道线检测稳固方法
技术领域
本发明涉及图像处理和模式识别技术。
背景技术
随着我国经济的快速发展，车辆保有量亦保持着多年的急剧增长，这给道路交通提出了很大的挑战。随着智能交通概念的提出，智能辅助驾驶、甚至自动驾驶等成为各方持续关注的热点。车道线检测，作为智能辅助驾驶的基础部分，关乎车辆能否按照交通法规正常行驶，更事关驾驶员和其他交通设施的安全，因此不容有失。
但是现有的车道线检测方法在复杂背景的情况下，比如路面反光、车辆遮挡和车辆变道，会出现一定的漂移，这就给驾驶埋下一定的隐患。
发明内容
本发明所要解决的技术问题是，提出了对漂移和偏离正确车道线的检测结果进行纠正的车道重建的方法。
本发明为解决上述技术问题所采用的技术方案是，一种车道线检测稳固方法，包括以下步骤：
1)检测得到左、右车道线初始位置；
2)在检测图像中左、右车道线初始位置分别取出一个稳固矩形，稳固矩形区域包含初始车道线区域，再取稳固矩形底部四分之三进行二值化得到二值图；
3)按照车道线初始位置上的每一个点的横坐标，对二值图进行扫描得到扫描图：对于左车道线，保持[x-A，x+B]范围内的点的灰度值不变，超出该范围的点的灰度值置255，x为车道线初始位置上的点的横坐标，A、B分别表示外、内侧延伸范围；对于右车道线，保持[x-B，x+A]范围内的点的灰度值不变，超出该范围的点的灰度值置255；
4)对扫描图进行canny边缘检测得到边缘图，对边缘图进行霍夫hough直线检测得到直线集；
5)通过对直线集中的直线按照该直线与图像顶部的交点横坐标由小到大的顺序进行排序来更新直线集；
6)对直线集中每一条直线按照顺序搜索后序直线中与其位置在设定间隔内的直线并记录设定间隔内的直线条数，将直线条数最多的设定间隔内所有直线进行位置平均，将得到的位置平均值作为稳固的车道线位置。
本发明提出了一种针对路面反光、车辆遮挡和车辆变道情况的车道线稳固方法，在之前的最大直线的检测结果的周围提取一块平行于该直线的区域，然后在该区域内再次进行边缘和hough变换，得到区域内的所有直线，取直线数最多的区域内的所有直线的位置平均作为最后的结果。
本发明的有益效果是，能够很好的拟合车道线，使原来偏离正确车道线的直线得以纠正。
附图说明
图1：实施例预处理部分结果图
图2：漂移情况下稳固结果对比图
图3：遮挡情况下稳固结果对比图
图4：变道情况下稳固结果对比图
具体实施方式
实施例使用VS2013平台C++和opencv编程实现，以左车道线为例，右车道线的实现方法相同。
检测车道线初始位置：由最大直线算法(基于最大长度直线的车道线检测方法201610194981.7)得到车道线的一个初始位置left_line，当最大直线算法得到的初始位置left_line不满足预设的线长、线宽条件时，则使用上一帧的直线检测结果作为初始位置left_line；当然车道线初始位置的检测方法不限于实施例方法，现有计算车道线位置的方法均使用本发明；
取left_line构成的稳固矩形Rect，稳固矩形区域包含初始车道线区域，如图1a所示，取稳固矩形底部四分之三进行RGB到HSV颜色空间转换，如图1b所示，得到V通道明度图像Value，对明度图像Value进行二值化得到二值图Bin，如图1c所示；
按照left_line直线上的每一个点的横坐标，对二值图Bin进行扫描，扫描的方式是，每一个left_line点的横坐标x，二值图当前行横坐标小于x-30的点灰度值全部置为255，横坐标大于x+10的点灰度值也全部置为255，这样就得到了扫描后的扫描图Scan，如图1d所示，扫描图决定了我们稳固车道线的范围。
对于右车道线，保持[x-10，x+30]范围内的点的灰度值不变，超出该范围的点的灰度值置255，向外、内侧延伸范围的具体取值可通过经验或实验根据不同情况进行取值。
对扫描图Scan进行canny边缘检测得到边缘图Edge，由边缘图Edge进行hough检测直线得到直线集Lines；
对直线集Lines按照每一条直线与图像顶部的交点横坐标由小到大排序，得到排序后的直线集Sort_lines；之后对直线集Sort_lines执行我们的过滤和稳固算法；
过滤和稳固算法：对直线集Sort_lines每一条直线按照之前排序的顺序搜索后续直线有没有与之位置相近的直线，比如直线L1和L2，L1与图像顶部和底部交点横坐标分别为X1_up、X1_down，L2交点横坐标分别为X2_up、X2_down，如果|X1_up-X2_up|和|X1_down-X2_down|都小于设定间隔，设定间隔取30，我们就认为是同一条直线，并记录包含L1且与L1位置相近直线的条数count，如果count等于1认为此直线为孤立直线直接过滤掉，如果count大于1，把count值依次记录在一个容器vector中，后面用于稳固算法。按照车道线出现的概率最大，我们选择vector中count值最大的直线以及该直线设定间隔内所有直线Maxcount_lines进行稳固处理。对于Maxcount_lines中的所有直线，求解其与图像顶部交点横坐标的平均值Xup_aver和底部交点横坐标的平均值Xdown_aver作为经过过滤和稳固算法后正确的车道线位置。另一方面，如果经过稳固算法得到的直线与原来直线差距太大不使用稳固后的直线，算法中采用的阈值为两端的横坐标差距为50，小于50则采用稳固算法得到的直线作为正确车道线位置。没有检测出直线则直接采用上一帧的检测结果。
稳固前和稳固算法后的对比如图2、3、4所示，左边为未采用稳固算法的结果，右边为采取稳固算法后的结果，可以看出经过我们的过滤和稳固算法，使原来偏离正确车道线的直线得以纠正，稳固算法取一类直线中的平均值作为最终车道线的位置，能够很好的拟合车道线。

Claims (5)

1.一种车道线检测稳固方法，其特征在于，包括以下步骤：
1)检测得到左、右车道线初始位置；
2)在检测图像中左、右车道线初始位置分别取出一个稳固矩形，稳固矩形区域包含初始车道线区域，再取稳固矩形底部四分之三进行二值化得到二值图；
3)按照车道线初始位置上的每一个点的横坐标，对二值图进行扫描得到扫描图：对于左车道线，保持[x-A，x+B]范围内的点的灰度值不变，超出该范围的点的灰度值置255，x为车道线初始位置上的点的横坐标，A、B分别表示外、内侧延伸范围；对于右车道线，保持[x-B，x+A]范围内的点的灰度值不变，超出该范围的点的灰度值置255；
4)对扫描图进行canny边缘检测得到边缘图，对边缘图进行霍夫hough直线检测得到直线集；
5)通过对直线集中的直线按照该直线与图像顶部的交点横坐标由小到大的顺序进行排序来更新直线集；
6)对直线集中每一条直线按照顺序搜索后序直线中与其位置在设定间隔内的直线并记录设定间隔内的直线条数，将直线条数最多的设定间隔内所有直线进行位置平均，将得到的位置平均值作为稳固的车道线位置。
2.如权利要求1所述方法，其特征在于，在设定间隔内的直线为：两直线在边缘图的顶部和底部交点的横坐标之差的绝对值均小于设定间隔。
3.如权利要求1所述方法，其特征在于，具体的，间隔内所有直线的位置平均为计算设定间隔内所有直线与边缘图顶部交点横坐标的平均值和底部交点横坐标的平均值。
4.如权利要求1所述方法，其特征在于，A＝30，B＝10，设定间隔取值30。
5.如权利要求1所述方法，其特征在于，步骤6之后，判断稳固的车道线位置与的车道线初始位置距离是否在设定距离内，如是，则采用固的车道线位置作为最终检测直线位置，否则使用最终检测直线作为最终检测直线位置。
CN201710712894.0A 2017-08-18 2017-08-18 一种车道线检测稳固方法 Pending CN107516078A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710712894.0A CN107516078A (zh) 2017-08-18 2017-08-18 一种车道线检测稳固方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710712894.0A CN107516078A (zh) 2017-08-18 2017-08-18 一种车道线检测稳固方法

Publications (1)

Publication Number Publication Date
CN107516078A true CN107516078A (zh) 2017-12-26

Family

ID=60722308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710712894.0A Pending CN107516078A (zh) 2017-08-18 2017-08-18 一种车道线检测稳固方法

Country Status (1)

Country Link
CN (1) CN107516078A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109297499A (zh) * 2018-08-20 2019-02-01 武汉中海庭数据技术有限公司 车道模型构建方法、装置及计算机可存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102201054A (zh) * 2011-01-07 2011-09-28 南京理工大学 一种基于鲁棒统计的行道线检测方法
EP3007150A1 (en) * 2014-10-07 2016-04-13 Autoliv Development AB Lane change detection
CN105809149A (zh) * 2016-03-31 2016-07-27 电子科技大学 基于最大长度直线的车道线检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102201054A (zh) * 2011-01-07 2011-09-28 南京理工大学 一种基于鲁棒统计的行道线检测方法
EP3007150A1 (en) * 2014-10-07 2016-04-13 Autoliv Development AB Lane change detection
CN105809149A (zh) * 2016-03-31 2016-07-27 电子科技大学 基于最大长度直线的车道线检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡忠闯等: "单目视觉下结构化车道实时检测", 《信号处理》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109297499A (zh) * 2018-08-20 2019-02-01 武汉中海庭数据技术有限公司 车道模型构建方法、装置及计算机可存储介质

Similar Documents

Publication Publication Date Title
US8750567B2 (en) Road structure detection and tracking
CN101630360B (zh) 一种在高清晰图像中识别车牌的方法
US6665614B2 (en) Vehicle surroundings monitoring apparatus and vehicle traveling control system incorporating the apparatus
US9818301B2 (en) Lane correction system, lane correction apparatus and method of correcting lane
US8670592B2 (en) Clear path detection using segmentation-based method
EP1596322B1 (en) Driving lane recognizer and driving lane recognizing method
CN104021378B (zh) 基于时空关联与先验知识的交通信号灯实时识别方法
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
CN106909876A (zh) 车道检测系统及方法
CN105893949A (zh) 一种复杂路况场景下的车道线检测方法
CN104700072B (zh) 基于车道线历史帧的识别方法
EP2843615A1 (en) Device for detecting three-dimensional object and method for detecting three-dimensional object
KR101840974B1 (ko) 자율주행용 차선 식별 시스템
CN109344704B (zh) 一种基于行车方向与车道线夹角的车辆变道行为检测方法
CN105809149A (zh) 基于最大长度直线的车道线检测方法
CN101339616A (zh) 道路识别方法及装置
CN107516078A (zh) 一种车道线检测稳固方法
CN106384085A (zh) 一种无人车偏航角计算方法
CN102298693A (zh) 基于计算机视觉的高速公路弯道检测方法
CN111783666A (zh) 一种基于连续视频帧角点特征匹配的快速车道线检测方法
CN104112118A (zh) 用于车道偏离预警系统的车道线检测方法
CN109165689B (zh) 一种车辆车窗精准定位方法
EP3822731B1 (en) Method of controlling motion of mobile warning triangle and mobile warning triangle
CN104553961A (zh) 利用倾斜信息的前照灯控制装置及其方法
CN114049556A (zh) 一种svm与目标检测算法融合的垃圾分类方法

Legal Events

Date Code Title Description
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: 20171226

RJ01 Rejection of invention patent application after publication