CN107563331B - 一种基于几何关系的道路标志线检测方法及系统 - Google Patents
一种基于几何关系的道路标志线检测方法及系统 Download PDFInfo
- Publication number
- CN107563331B CN107563331B CN201710786601.3A CN201710786601A CN107563331B CN 107563331 B CN107563331 B CN 107563331B CN 201710786601 A CN201710786601 A CN 201710786601A CN 107563331 B CN107563331 B CN 107563331B
- Authority
- CN
- China
- Prior art keywords
- line segment
- new
- line
- segment
- segments
- 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
Links
Images
Abstract
本发明公开了一种基于几何关系的道路标志线检测方法及系统,所述方法及系统从视频中提取每一帧图片,将彩色图像灰度化并进行二值化操作,然后进行形态学图像处理,用Hough变换提取线特征,再利用几何关系合并离散的线段形成道路标志线,考虑到帧间的关系,校正一些异常线段,最后在帧中绘制道路标志线,将所有的帧再合并成视频。本发明根据形态学变换去除噪声,利用Hough变换提取线特征,用几何关系合并离散的线段形成道路标志线,用帧间关系校正异常线段,算法简单,内存消耗少,处理速度快。本发明可应用于智能交通中道路标志线检测。
Description
技术领域
本发明涉及计算机视觉技术领域,具体涉及一种基于几何关系的道路标志线检测方法及系统。
背景技术
随着我国经济快速发展,汽车保有量也逐渐地增加。汽车在给我们人们日常生活带来极大便利的同时,也随之带来了诸多的问题,如城市交通环境逐渐恶化、交通堵塞日益严重、交通事故时有发生等。提高交通的智能化水平、减少道路交通事故,将有助于整个社会安全健康良性的发展,也是科技工作者所面临的重要的技术挑战。智能汽车集环境感知、决策、多种辅助等功能于一体,是智能交通系统的重要组成部分。其中,对环境的感知包括交通标志、车辆、交通信号、道路标志线、障碍物等,以往汽车利用自身的各种传感器来取得车身周边的环境信息,过多的传感器增加了汽车制造的成本,不符合国家发展节约型社会的理念。近年来,计算机视觉获得快速发展,其效率和速度明显提高,所以如何利用计算机视觉技术来感知车辆周围环境是智能汽车研究的一个重要课题。
道路标志线检测是车辆环境感知的基本任务,也是安全驾驶的重要保证。目前,国内外研究学者们已经提出了多种检测方法,根据算法的不同,可以分为两类,一种是基于特征信息方法,另一种是基于道路模型方法。基于特征信息方法主要是利用图像的颜色、边缘、纹理、方向等特征,采用阈值分割、区域生长等分割技术和中值滤波、高斯滤波等平滑锐化方法,提取车道标志线、边界线等,从而得到道路和车辆位置方向信息(王晓云.复杂环境下的道路检测算法研究[D],杭州电子科技大学,2011)。该方法简单易用,但也易于受光照条件和噪声的影响,检测效果不稳定。基于道路模型方法通过利用道路的先验知识,采用直线或者曲线参数来描述车道线,将检测车道线转化为建立模型参数,获得较为准确的道路描述,常用的模型有直线、双曲线、抛物线等(X.-R.Liu,Z.-X.Cai.Robust lane detectionand tracking for the structured road[J],Journal of Optoelectronics Laser,21(12):1834-1838,2010)。该方法对某些路面的干扰具有很好的鲁棒性。但没有一种模型能适应所有的道路,选择模型尤为困难,而且模型求解也相对复杂。
道路标志线检测包括预处理、边缘检测、合并线段、校正异常和后续处理五个部分。预处理阶段将视频转变成一系列的二值图片。常见的边缘检测有三种:Sobel算子、Canny算子和Hough变换,Sobel是基于梯度图像模值大小的检测算子,通常有水平和垂直两种算子;Canny算子是Sobel算子的改进,具有更低的错误率,很好定位边缘点,单一的边缘响应;Hough变换利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点,这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题,能够查找任意的曲线,具有更高的鲁棒性,更适宜各种各样道路标志线的检测。由于检测到线段是离散的,本发明根据几何关系,将相邻的短线段连接成长线段,将平行并有合适间距的线段合并成道路标志线。根据帧间关系,校正异常的线段,进而有效地检测出道路标志线。
发明内容
本发明所要解决的技术问题在于,针对上述目前的道路标志线检测方法存在易于受光照条件和噪声的影响、检测效果不稳定、模型求解相对复杂等中的一种或多种技术缺陷,本发明提供了一种具体涉及几何关系的道路标志线检测方法及系统来解决上述缺陷。
根据本发明的其中一方面,本发明为解决其技术问题,技术方案如下:
S1、将输入的视频分解成连续的帧图像,并将每一帧图像转换成灰度图像,再转换成二值图像,进行形态学膨胀腐蚀操作,进而实现图像的预处理;
S2、利用Hough变换进行边缘检测,从而得到所有离散的道路标志线短线段的坐标信息;
S3、将平行且相邻的短线段合并成长线段,形成道路标志线;
对于任意两条短线段合并成长线段的方法如下:
S31、对于任意一条给定的线段,寻找所有与其平行的线段,合并两条平行线,再交叉相连,一共有四条线;
S32、计算这四条线的长度,根据线段的长短情况,所有可能的情形可分为四种情况,对于每一种情况,计算新合并线段的起点、终点坐标,斜率,宽度信息,所述四条线是指所述两条短线段以及短线段交叉相连形成的两条线段;
S33、删除被合并的线段,将新线段替换合并的线段,循环往复S31、S32的过程,直到所有的线段不能合并为止;
S4、根据帧间关系,校正异常的道路标志线,主要包括校正异常线段,补充漏检线段,删除长宽不符合阈值范围的线段等;
S5、道路标志线检测的后续操作,在当前帧中绘制出有效的道路标志线,最后将含有标志线的帧合成视频输出。
进一步的,在本发明的道路标志线检测方法的步骤S2中:
在实际的操作计算中,Hough变换是将参数空间划分为累加器单元,根据公式r=xcosθ+ysinθ对单元格进行累加,设置步进的累加精度为1,通过搜索次数最多的单元点,来确定空间直线的参数。变换结束后,寻找到峰值点就可以找到图像中显著的直线参数,最后把直线的参数与帧图像结合,在图像中标识直线。
进一步的,在本发明的道路标志线检测方法的步骤S31中:
为了便于理解,本发明采用坐标系的示意图如图2所示,假设现在有n条线段,记为集合S={l1,l2,...,ln},计算所有线段的斜率,记为{k1,k2,...,kn},第i条线段记为li=(Pi,1,Pi,2,Pi,k,Pi,w,Pi,s),其中Pi,1=(xi,1,yi,1)表示线段的一个端点,Pi,2=(xi,2,yi,2)表示线段的另一个端点,Pi,k=ki表示线段的斜率,Pi,w表示线段的宽度,默认值为1,Pi,s表示线段的标记,默认值为1,说明线段存在,当删除这条线段=时,令Pi,s=0。
进一步的,在本发明的道路标志线检测方法的步骤S32中:
对于第i(i={1,2,...,n})条线段,寻找所有与它平行的线段,如果|ki-kj|<ε(实验中取ε=0.1),那么认为线段j与线段i平行,一条线段可能与多条线段平行,对于每一条线段,按照下面的方式处理。
为了合并这两条平行线,需要计算合并后线段的两个端点以及宽度。连接li的左端点和lj的右端点形成对角线lu,连接li的右端点和lj的左端点形成对角线lv,这样一共有四条线,分别是li,lj,lu和lv,如图3-6所示。设合并后的新线段为lnew=(Pnew,1,Pnew,2,Pnew,k,Pnew,w,Pnew,s),令k=(k1+k2)/2,则Pnew,k=k,Pnew,w=max{Pi,w,Pj,w,di,j},Pnew,s=1,分别计算这四条线的长度,根据这四条线段的长短不同,合并后线段的两个端点可分为四种情况:
A1、若线段li最长,如图3所示,则线段lj被合并到线段li中,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xi,2-d1,yi,2-d2),这样得到新的线段lnew。
A2、若线段lu最长,如图4所示,则新线段的两个端点分别靠近li的左端点和lj的右端点,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xj,2+d1,yj,2+d2),这样得到新的线段lnew。
A3、若线段lv最长,如图5所示,则新线段的两个端点分别靠近lj的左端点和的li右端点,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xi,2-d1,yi,2-d2),这样得到新的线段lnew。
A4、若线段lj最长,如图6所示,则线段li被合并到线段lj中,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xj,2+d1,yj,2+d2),这样得到新的线段lnew。
进一步的,在本发明的道路标志线检测方法的步骤S33中:
删除线段lj,令Pj,s=0,将新的线段lnew替换线段li,循环往复S31、S32的过程,直到所有的线段不能合并为止,这样n条线段被合并成m条线段(n>m)。
进一步的,在本发明的道路标志线检测方法的步骤S4中:
由于道路标志线具有连续性,所以在视频检测中一般不会突然多出一条线段,也不会突然少了一条线段,所有线段的增减都是一个累积的过程。如果前面几帧中都没有某一条线段,当前帧中突然检测出这条线段,则很有可能是其他因素导致的异常线段,那么在当前帧中认为这是无效线段,但记录该线段的信息,当该线段累积到一定程度,在后面的连续几帧中都检测到了,那么认为这是有效道路标志线。
同理,如果前面几帧中都检测出某一条线段,当前帧中突然没有检测出这条线段,则很有可能是其他因素导致的漏检,那么在当前帧中认为这条线段仍然存在,同时记录该线段的丢失信息,当该线段丢失累积到一定程度,在后面的连续几帧中仍然没有检测到,那么认为这条道路标志线已经消失。
在所有检测的线段中,有些线段的宽度或长度超出了正常阈值的范围,则同样认为这些是异常线段,应从检测的结果中删除,阈值因输入的视频而异,一般会事先设定或根据先验知识获得。
进一步的,在本发明的道路标志线检测方法的步骤S5中:
所有检测线段的坐标以及中间结果都存储在矩阵中,根据这些数据,在当前帧中绘制出有效的道路标志线,最后将含有标志线的帧合成视频输出。
本发明提供的一种道路标志线识别方法及系统,利用现有成熟的形态学和Hough变换检测图像边缘,根据几何关系合并相邻的短线段形成长线段,将平行并有合适间距的线段合并成道路标志线,最后根据帧间关系删去异常的道路标志线,算法简单,内存消耗少,处理速度快。
附图说明
图1是本发明的流程图;
图2是本发明采用坐标系的示意图;
图3是两条平行线段的位置关系1的示意图:li最长;
图4是两条平行线段的位置关系2的示意图:lj最长;
图5是两条平行线段的位置关系3的示意图:lu最长;
图6是两条平行线段的位置关系4的示意图:lv最长。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式,所举实例只用于解释本发明,并非用于限定本发明的范围。
参见图1,本实施例的基于道路标志线检测的方法及系统主要包括下述步骤:
S1、对输入的视频进行预处理操作:
具体的,将输入的视频分解成连续的帧图像,将每一帧图像转换成灰度图像,再转换成二值图像,进行形态学膨胀腐蚀操作。
通常情况下,数学形态学图像处理的过程如下:在图像中移动一个结构元素进行一种类似于卷积操作的方式进行,其结构元素可以具有任意的大小,也可以包含任意的“0”与“1”的组合。在图像的每个像素位置处,结构元素核与其下面的二值图像之间进行一种特定的逻辑关系运算,该运算的二进制结果作为返回值存在输出图像中对应于该像素的位置上。输出的效果取决于结构元素的内容、大小以及逻辑运算的性质。
设Bs×t为结构元素,I是灰度图像,则Bs×t对I的开运算定义为:
S2、利用Hough变换进行边缘检测:
具体的,Hough变换是一种不断累加的直线检测算法,对噪声干扰有一定的抗干扰能力,对直线要求既可以是实线,也可以是断断续续的虚线,对道路标志线检测具有一定的适应性。Hough变换是实现图像空间到参数空间的一种空间变换,把目标检测的问题转化为求参数空间中的参数。其基本原理是利用线在参数空间中具有多线聚集的特性,检测时通过查找参数空间中的峰值确定目标参数位置的函数参数,实现目标区域得到检测。
为了解决直线斜率无限大,将直线方程对极坐标化:r=xcosθ+ysinθ,r是图像空间中直线到坐标原点的距离,θ是直线与x轴正方向的夹角,θ取值范围[0°,180°]。图像空间中的点映射到参数空间,其表现为一条曲线,而图像空间中一条曲线上所有的点都满足同一个参数方程,在参数空间中表现为多条曲线交于一点。
在实际的操作计算中,Hough变换是将参数空间划分为累加器单元,根据公式r=xcosθ+ysinθ对单元格进行累加,设置步进的累加精度为1,通过搜索次数最多的单元点,来确定空间直线的参数。变换结束后,寻找到峰值点就可以找到图像中显著的直线参数,最后把直线的参数与帧图像结合,在图像中标识直线。
S3、将两个相邻的道路标志线段的坐标连接形成短线段,将相邻的短线段连接成长线段,将平行并有合适间距的线段合并成道路标志线:
具体的,为了便于理解,本发明采用坐标系的示意图如图2所示,假设现在有n条线段,记为集合S={l1,l2,...,ln},计算所有线段的斜率,记为{k1,k2,...,kn},第i条线段记为li=(Pi,1,Pi,2,Pi,k,Pi,w,Pi,s),其中Pi,1=(xi,1,yi,1)表示线段的一个端点,Pi,2=(xi,2,yi,2)表示线段的另一个端点,Pi,k=ki表示线段的斜率,Pi,w表示线段的宽度,默认值为1,Pi,s表示线段的标记,默认值为1,说明线段存在,当删除这条线段=时,令Pi,s=0。
对于第i(i={1,2,...,n})条线段,寻找所有与它平行的线段,如果|ki-kj|<ε(实验中取ε=0.1),那么认为线段j与线段i平行,一条线段可能与多条线段平行,对于每一条线段,按照下面的方式处理。
为了合并这两条平行线,需要计算合并后线段的两个端点以及宽度。连接li的左端点和lj的右端点形成对角线lu,连接li的右端点和lj的左端点形成对角线lv,这样一共有四条线,分别是li,lj,lu和lv,如图3-6所示。设合并后的新线段为lnew=(Pnew,1,Pnew,2,Pnew,k,Pnew,w,Pnew,s),令k=(k1+k2)/2,则Pnew,k=k,Pnew,w=max{Pi,w,Pj,w,di,j},Pnew,s=1,分别计算这四条线的长度,根据这四条线段的长短不同,合并后线段的两个端点可分为四种情况:
A1、若线段li最长,如图3所示,则线段lj被合并到线段li中,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xi,2-d1,yi,2-d2),这样得到新的线段lnew。
A2、若线段lu最长,如图4所示,则新线段的两个端点分别靠近li的左端点和lj的右端点,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xj,2+d1,yj,2+d2),这样得到新的线段lnew。
A3、若线段lv最长,如图5所示,则新线段的两个端点分别靠近lj的左端点和的li右端点,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xi,2-d1,yi,2-d2),这样得到新的线段lnew。
A4、若线段lj最长,如图6所示,则线段li被合并到线段lj中,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xj,2+d1,yj,2+d2),这样得到新的线段lnew。
删除线段lj,令Pj,s=0,将新的线段lnew替换线段li,循环往复S3b的过程,直到所有的线段不能合并为止,这样n条线段被合并成m条线段(n>m)。
S4、根据帧间关系,校正异常的道路标志线:
具体的,由于道路标志线具有连续性,所以在视频检测中一般不会突然多出一条线段,也不会突然少了一条线段,所有线段的增减都是一个累积的过程。如果前面几帧中都没有某一条线段,当前帧中突然检测出这条线段,则很有可能是其他因素导致的异常线段,那么在当前帧中认为这是无效线段,但记录该线段的信息,当该线段累积到一定程度,在后面的连续几帧中都检测到了,那么认为这是有效道路标志线。
同理,如果前面几帧中都检测出某一条线段,当前帧中突然没有检测出这条线段,则很有可能是其他因素导致的漏检,那么在当前帧中认为这条线段仍然存在,同时记录该线段的丢失信息,当该线段丢失累积到一定程度,在后面的连续几帧中仍然没有检测到,那么认为这条道路标志线已经消失。
在所有检测的线段中,有些线段的宽度或长度超出了正常阈值的范围,则同样认为这些是异常线段,应从检测的结果中删除,阈值因输入的视频而异,一般会事先设定或根据先验知识获得。
S5、道路标志线检测的后续操作:
具体的,上述所有检测线段的坐标以及中间结果都存储在矩阵中,根据这些数据,在当前帧中绘制出有效的道路标志线,最后将含有标志线的帧合成视频输出。
本发明提供了一种基于几何关系的道路标志线检测方法及系统,对视频中图像进行逐帧处理,将提取的彩色图像灰度化,再二值化,然后进行形态学膨胀腐蚀处理,用Hough变换提取线特征,再利用几何关系合并离散的线段形成道路标志线,考虑到帧间的关系,校正异常线段,最后在每帧中绘制道路标志线,将所有的帧再合并成视频。本发明根据形态学变换去除噪声,利用Hough变换提取线特征,用几何关系合并离散的线段,用帧间关系校正异常线段,算法简单,主要进行少量数学运算,计算复杂度不依赖与图像的分辨率,在高清视频处理中更能体现优点,内存消耗少,可以达到高速处理的效果。
本发明不仅局限于上述具体实施方式,本领域一般技术人员根据本发明公开的内容,可以采用其它多种具体实施方式实施本发明,因此,凡是采用本发明的设计结构和思路,做一些简单的变化或更改的设计,都落入本发明保护的范围。
Claims (7)
1.一种道路标志线检测方法,其特征是,包括:
S1、将输入的道路视频进行图像预处理操作;
S2、对预处理后的图像利用Hough变换进行边缘检测,得到所有离散的道路标志线短线段的坐标信息;
S3、将平行且相邻的短线段合并成长线段,形成道路标志线;对于两条短线段合并成长线段的方法如下步骤S31-S33:
S31、对于任意一条给定的短线段,寻找与其平行并间距小于预设距离的相邻的短线段,再将给定短线段及寻找到的短线段交叉相连形成四条线;
S32、计算四条线的长度,根据线段的长短情况进行合并得到新线段,计算新线段的起点、终点坐标,斜率,宽度信息;
S33、将新线段替换合并前的短线段,以新线段作为新的给定的短线段,循环往复S31、S32的过程,直到所有的短线段不能合并为止;
S31、S32具体包括:
寻找所有与第i条线段,i={1,2,...,n}平行的线段,如果|ki-kj|<ε,ε为预设值,则按照下面的公式获取线段li和线段lj之间的距离:
其中k=(k1+k2)/2,
合并这两条平行线,计算合并后线段的两个端点以及宽度,合并方法是:连接li的左端点和lj的右端点形成对角线lu,连接li的右端点和lj的左端点形成对角线lv,一共有四条线,分别是li,lj,lu和lv;合并后的新线段为lnew=(Pnew,1,Pnew,2,Pnew,k,Pnew,w,Pnew,s),其中Pnew,k=k,Pnew,w=max{Pi,w,Pj,w,di,j},Pnew,s=1,k=(k1+k2)/2,其中Pnew,1,Pnew,2分别为合并后线段的两个端点;
n条线段为集合S={l1,l2,...,ln};
所有线段的斜率为{k1,k2,...,kn};
第i条线段为li=(Pi,1,Pi,2,Pi,k,Pi,w,Pi,s);
所有线段的斜率为Pi,k=ki;
两条短线段合并后的线段宽度为Pi,w,默认值为1;
两条短线段合并后的线段两个端点为Pi,1=(xi,1,yi,1),Pi,2=(xi,2,yi,2);
Pi,s表示线段标记,默认值为1,则线段存在,Pi,s=0,则删除线段;
根据上述四条线段的长短不同,合并后线段的两个端点可分为A1-A4四种情况:
A1、若线段li最长,则线段lj被合并到线段li中,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xi,2-d1,yi,2-d2),得到新的线段lnew;
A2、若线段lu最长,则新线段的两个端点分别靠近li的左端点和lj的右端点,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xj,2+d1,yj,2+d2),得到新的线段lnew;
A3、若线段lv最长,则新线段的两个端点分别靠近lj的左端点和的li右端点,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xi,2-d1,yi,2-d2),得到新的线段lnew;
A4、若线段lj最长,则线段li被合并到线段lj中,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xj,2+d1,yj,2+d2),得到新的线段lnew;
S4、根据帧间关系,校正异常的道路标志线;
S5、在当前帧中绘制出有效的道路标志线,最后将含有标志线的帧合成视频输出。
2.如权利要求1所述的道路标志线检测方法,其特征是,所述步骤S2具体包括:
Hough变换是将参数空间划分为累加器单元,根据公式r=x cosθ+y sinθ对单元格进行累加,设置步进的累加精度为1,通过搜索次数最多的单元点,确定空间直线的参数,变换结束后,寻找到峰值点就可以找到图像中显著的直线参数,最后把直线的参数与帧图像结合,在图像中标识直线。
3.如权利要求1所述的道路标志线检测方法,其特征是,所述步骤S33具体包括:
合并出的新线段标记用“1”表示,用于合并的两条短线段标记用“0”表示,其中短线段在合并之前均用“1”表示。
4.如权利要求1所述的道路标志线检测方法,其特征是,所述步骤S4中校正异常的道路标志线包括校正异常线段,补充漏检线段,删除长宽不符合阈值范围的线段,具体包括:
如果前面几帧中都没有某一条线段,当前帧中突然检测出这条线段,则认为这是有效道路标志线;
如果前面几帧中都检测出某一条线段,当前帧中突然没有检测出这条线段,则认为这条道路标志线已经消失;
有些线段的宽度或长度超出了正常阈值的范围,则同样是异常线段,应从检测的结果中删除。
5.如权利要求1所述的道路标志线检测方法,其特征是,所述步骤S5具体包括:
所有检测线段的坐标以及中间结果都存储在矩阵中,根据这些数据,在当前帧中绘制出有效的道路标志线,最后将含有标志线的帧合成视频输出。
6.一种道路标志线检测系统,其特征是,该道路标志线检测系统包括:
预处理模块,用于将输入的道路图像分解成连续的帧图像,再转换成灰度图像,再转换成二值图像,并进行形态学膨胀腐蚀操作;
Hough变换模块,用于进行边缘检测,得到所有离散的道路标志线段的坐标信息;
线段合成模块,用于将平行并间距小于预设距离的相邻的短线段合并成长线段,形成道路标志线,具体包括:
寻找所有与第i条线段,i={1,2,...,n}平行的线段,如果|ki-kj|<ε,ε为预设值,则按照下面的公式获取线段li和线段lj之间的距离:
合并这两条平行线,计算合并后线段的两个端点以及宽度,合并方法是:连接li的左端点和lj的右端点形成对角线lu,连接li的右端点和lj的左端点形成对角线lv,这样一共有四条线,分别是li,lj,lu和lv;合并后的新线段为lnew=(Pnew,1,Pnew,2,Pnew,k,Pnew,w,Pnew,s),令k=(k1+k2)/2,则Pnew,k=k,Pnew,w=max{Pi,w,Pj,w,di,j},Pnew,s=1;
其中Pnew,1,Pnew,2分别为合并后线段的两个端点;
n条线段为集合S={l1,l2,...,ln};
所有线段的斜率为{k1,k2,...,kn};
第i条线段为li=(Pi,1,Pi,2,Pi,k,Pi,w,Pi,s);
所有线段的斜率为Pi,k=ki;
两条短线段合并后的线段宽度为Pi,w,默认值为1;
两条短线段合并后的线段两个端点为Pi,1=(xi,1,yi,1),Pi,2=(xi,2,yi,2);
Pi,s表示线段标记,默认值为1,则线段存在,Pi,s=0,则删除线段;
根据上述四条线段的长短不同,合并后线段的两个端点可分为A1-A4四种情况:
A1、若线段li最长,则线段lj被合并到线段li中,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xi,2-d1,yi,2-d2),得到新的线段lnew;
A2、若线段lu最长,则新线段的两个端点分别靠近li的左端点和lj的右端点,如果线段li在线段lj的上方,Pnew,1=(xi,1+d1,yi,1+d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xi,1-d1,yi,1-d2),Pnew,2=(xj,2+d1,yj,2+d2),得到新的线段lnew;
A3、若线段lv最长,则新线段的两个端点分别靠近lj的左端点和的li右端点,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xi,2+d1,yi,2+d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xi,2-d1,yi,2-d2),得到新的线段lnew;
A4、若线段lj最长,则线段li被合并到线段lj中,如果线段li在线段lj的上方,Pnew,1=(xj,1-d1,yj,1-d2),Pnew,2=(xj,2-d1,yj,2-d2);如果线段li在线段lj的下方,Pnew,1=(xj,1+d1,yj,1+d2),Pnew,2=(xj,2+d1,yj,2+d2),得到新的线段lnew;
合并出的新线段标记用“1”表示,用于合并的两条短线段标记用“0”表示,其中短线段在合并之前均用“1”表示;
标志线校正模块,用于确定有效的道路标志线,校正并排除异常的道路标志线;
视频合成模块,用于根据存储在矩阵中的所有检测线段的坐标以及中间结果,在当前帧中绘制出有效的道路标志线,最后将含有标志线的帧合成视频输出。
7.如权利要求6所述的道路标志线检测系统,其特征是,所述标志线校正模块具体包括:
如果前面几帧中都没有某一条线段,当前帧中突然检测出这条线段,则认为这是有效道路标志线;
如果前面几帧中都检测出某一条线段,当前帧中突然没有检测出这条线段,则认为这条道路标志线已经消失;有些线段的宽度或长度超出了正常阈值的范围,则同样是异常线段,应从检测的结果中删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710786601.3A CN107563331B (zh) | 2017-09-04 | 2017-09-04 | 一种基于几何关系的道路标志线检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710786601.3A CN107563331B (zh) | 2017-09-04 | 2017-09-04 | 一种基于几何关系的道路标志线检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107563331A CN107563331A (zh) | 2018-01-09 |
CN107563331B true CN107563331B (zh) | 2020-02-14 |
Family
ID=60979133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710786601.3A Active CN107563331B (zh) | 2017-09-04 | 2017-09-04 | 一种基于几何关系的道路标志线检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107563331B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389024B (zh) | 2018-01-30 | 2020-09-04 | 长城汽车股份有限公司 | 基于影像识别路锥的方法、装置、存储介质以及车辆 |
CN110348273B (zh) * | 2018-04-04 | 2022-05-24 | 北京四维图新科技股份有限公司 | 神经网络模型训练方法、系统及车道线识别方法、系统 |
CN110596664B (zh) * | 2019-10-28 | 2022-07-12 | 北京润科通用技术有限公司 | 一种车载雷达偏角估计方法及装置 |
CN113505793B (zh) * | 2021-07-06 | 2022-03-04 | 上海致宇信息技术有限公司 | 复杂背景下的矩形目标检测方法 |
CN113221861B (zh) * | 2021-07-08 | 2021-11-09 | 中移(上海)信息通信科技有限公司 | 一种多车道线检测方法、装置及检测设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217427A (zh) * | 2014-08-22 | 2014-12-17 | 南京邮电大学 | 一种交通监控视频中车道线定位方法 |
CN105956511A (zh) * | 2016-04-18 | 2016-09-21 | 江苏大学 | 一种基于Hough变换的车道直线检测与合并的方法 |
CN106778593A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于多地面标志融合的车道级定位方法 |
-
2017
- 2017-09-04 CN CN201710786601.3A patent/CN107563331B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217427A (zh) * | 2014-08-22 | 2014-12-17 | 南京邮电大学 | 一种交通监控视频中车道线定位方法 |
CN105956511A (zh) * | 2016-04-18 | 2016-09-21 | 江苏大学 | 一种基于Hough变换的车道直线检测与合并的方法 |
CN106778593A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于多地面标志融合的车道级定位方法 |
Non-Patent Citations (1)
Title |
---|
a lane detection algorithm using geometry information and modified hough transform;Chien-Cheng Tseng et al;《18th IPPR Conference on Computer Vision,Graphics and Image Processing》;20050821;第1-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107563331A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563331B (zh) | 一种基于几何关系的道路标志线检测方法及系统 | |
Bilal et al. | Real-time lane detection and tracking for advanced driver assistance systems | |
CN111582083B (zh) | 一种基于消失点估计与语义分割的车道线检测方法 | |
Yan et al. | A method of lane edge detection based on Canny algorithm | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN100414560C (zh) | 基于小波变换和雷登变换的车牌提取方法 | |
KR100975749B1 (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
CN113343778B (zh) | 一种基于LaneSegNet的车道线检测方法及系统 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN103440785B (zh) | 一种快速的车道偏移警示方法 | |
Niksaz | Automatic traffic estimation using image processing | |
CN105678287A (zh) | 一种基于脊度量的车道线检测方法 | |
CN108304749A (zh) | 道路减速线识别方法、装置及车辆 | |
CN112184725B (zh) | 一种沥青路面图像的结构光光条中心提取方法 | |
CN103996031A (zh) | 一种自适应阈值分割的车道线检测系统及其方法 | |
CN110276318A (zh) | 夜间公路下雨识别方法、装置、计算机设备及存储介质 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
Chen et al. | A novel lane departure warning system for improving road safety | |
CN109086671B (zh) | 一种适于无人驾驶的夜间车道标志线视频检测方法 | |
CN112926365A (zh) | 一种车道线检测方法及其系统 | |
Khoshki et al. | Improved Automatic License Plate Recognition (ALPR) system based on single pass Connected Component Labeling (CCL) and reign property function | |
Wen et al. | Vehicle license plate location method based-on wavelet transform | |
CN109359651A (zh) | 一种车牌定位处理器及其定位处理方法 | |
CN112101163A (zh) | 一种车道线检测方法 |
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 |