CN107729814B - 一种检测车道线的方法及装置 - Google Patents
一种检测车道线的方法及装置 Download PDFInfo
- Publication number
- CN107729814B CN107729814B CN201710848460.3A CN201710848460A CN107729814B CN 107729814 B CN107729814 B CN 107729814B CN 201710848460 A CN201710848460 A CN 201710848460A CN 107729814 B CN107729814 B CN 107729814B
- Authority
- CN
- China
- Prior art keywords
- lane line
- sub
- lane
- region
- pixel points
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Abstract
本发明公开了一种检测车道线的方法及装置。在本发明提供的检测车道线的方法中,获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域;将所述感兴趣区域等面积的划分为至少两个子区域;并行检测所述至少两个子区域中每个子区域中包括的直线段;合并每个子区域中检测到的直线段,并利用车道线阈值,对合并得到的直线进行筛选,得到车道线。通过本发明可以减少车道线检测过程中的耗时,提高算法实时性。
Description
技术领域
本发明涉及图像处理中的智能交通技术领域,尤其涉及一种检测车道线的方法及装置。
背景技术
随着智能车辆的发展,在道路行驶中,由于驾驶员注意力不集中、疲劳或醉酒驾驶容易使车辆偏离车道而造成车祸。为了提高驾驶的安全性和操作的简单性,使用相应的辅助系统可以预防和减少事故的发生。车道线检测主要用于视觉导航系统,通过合适的算法,从已拍摄的道路图像中准确快速的找出车道线在道路图像中的位置,以提高行车的安全性,因此车道线检测技术的研究变得越来越重要。
目前,基于特征的车道线检测算法,是较为常用的一种车道线检测方法。基于特征的车道线检测方法主要利用道路路面的特征,如梯度、颜色、纹理等,然后利用边缘梯度变化检测等方法,对获取到的道路图像进行边缘提取,得到边缘图像,并对获取到的边缘图像利用直线特征提取算法(例如Hough变换、最小二乘法等),进行直线的提取,最后根据车道线阈值,对提取的直线进行筛选,以实现车道线的检测。
上述涉及的基于特征的车道线检测方法,检测效果较好,但是算法复杂度大,占用的内存空间和耗时较长,对高分辨率的图像及一般的硬件平台上难以做到实时性。
发明内容
本发明的目的是提供一种检测车道线的方法及装置,以解决车道线检测过程的耗时长、实时性低、适用范围小的问题。
本发明的目的是通过以下技术方案实现的:
本发明一方面提供一种检测车道线的方法,包括:
获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域;
将所述感兴趣区域等面积的划分为至少两个子区域;
并行检测所述至少两个子区域中每个子区域中包括的直线段;
根据在所述至少两个子区域中检测到的各直线段,检测车道线。
优选的,获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域,具体包括:
获取道路图像中各车道线的消失点所形成的水平车道消失线;
以所述水平车道消失线的中点,作为极坐标的极点,并以所述水平车道线为极轴,在所述道路图像中建立极坐标系;
在所述道路图像中,将所述极坐标系内,设定的极角对应的极径与所述极轴之间所约束的区域,作为感兴趣区域。
进一步优选的,将所述感兴趣区域等面积的划分为至少两个子区域,具体包括:
对所述感兴趣区域进行第一次等面积划分;
针对第一次等面积划分得到的每个子区域,分别进行像素点采样,并统计每个子区域中采样得到的像素点中包括的边缘像素点个数;
针对边缘像素点个数大于边缘像素点个数阈值的子区域,进行第二次等面积划分,重复执行以上步骤,直至划分得到的各子区域中采样得到的像素点中包括的边缘像素点个数均小于所述边缘像素点个数阈值。
优选的,根据在所述至少两个子区域中检测到的各直线段,检测车道线,具体包括:
获取在所述至少两个子区域中检测到的各直线段的像素点个数;
将各直线段的像素点个数的总和与车道线像素点个数阈值进行比较;
若各直线段的像素点个数的总和大于车道线像素点个数阈值,则确定检测到车道线,且检测到的车道线为所述各直线段组成的直线。
本发明另一方面,还提供了一种检测车道线的装置,包括:
获取单元,用于获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域;
处理单元,用于将所述获取单元获取的感兴趣区域等面积的划分为至少两个子区域;
检测单元,用于并行检测所述处理单元划分得到的所述至少两个子区域中每个子区域中包括的直线段,并根据在所述至少两个子区域中检测到的各直线段,检测车道线。
优选的,所述获取单元具体用于:
获取道路图像中各车道线的消失点所形成的水平车道消失线;
以所述水平车道消失线的中点,作为极坐标的极点,并以所述水平车道线为极轴,在所述道路图像中建立极坐标系;
在所述道路图像中,将所述极坐标系内,设定的极角对应的极径与所述极轴之间所约束的区域,作为感兴趣区域。
具体的,所述处理单元具体用于:
对所述感兴趣区域进行第一次等面积划分;
针对第一次等面积划分得到的每个子区域,分别进行像素点采样,并统计每个子区域中采样得到的像素点中包括的边缘像素点个数;
针对边缘像素点个数大于边缘像素点个数阈值的子区域,进行第二次等面积划分,重复执行以上步骤,直至划分得到的各子区域中采样得到的像素点中包括的边缘像素点个数均小于所述边缘像素点个数阈值。
进一步的,所述检测单元用于:
获取在所述至少两个子区域中检测到的各直线段的像素点个数;
将各直线段的像素点个数的总和与车道线像素点个数阈值进行比较;
若各直线段的像素点个数的总和大于车道线像素点个数阈值,则确定检测到车道线,且检测到的车道线为所述各直线段组成的直线。
本发明提供的检测车道线的方法及装置中,首先对道路图像中的ROI区域等面积的划分为至少两个子区域,接着并行检测每个子区域的直线段,再合并检测到的直线段,最后利用车道线阈值进行筛选得到车道线,在该方案中,采用最优域分块的方法将图像进行块划分,在各子区域并行进行直线段的检测,在保持车道线提取精度不变的情况下,减少了算法提取车道线的时间,使检测过程达到实时性,提供的并行计算的算法是一种通用的算法,因此适用于各种并行计算硬件平台。
附图说明
图1为本发明实施例提供的一种检测车道线的方法实施流程图;
图2为本发明实施例提供的对获取到的道路图像进行图像预处理的流程图;
图3为本发明实施例提供的获取感兴趣区域的一种实施流程图;
图4为局部坐标系中子区域与原始ROI区域转换的示意图;
图5为本发明实施例提供的区域划分示意图;
图6为本发明实施例提供的获取感兴趣区域的一种实施流程图;
图7为本发明实施例提供的划分的感兴趣区域示意图;
图8为本发明实施例提供的一种检测车道线的装置结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,并不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种车道线检测方法,对道路图像中的感兴趣区域等面积的划分为至少两个子区域,每个子区域并行处理搜索直线段,在搜索到的直线段中检测车道线,解决了车道线检测过程中的耗时长、实时性低、适用范围小的问题。
图1所示为本发明实施例提供的一种检测车道线的方法实施流程图,图1所示方法的执行主体可以是车道线检测装置。如图1所示,该车道线检测方法,包括:
S101:获取道路图像中的感兴趣区域(Regin of interest,ROI),所述ROI区域为包括有车道线的图像区域。
本发明实施例可以通过诸如行车记录仪、摄像头等具有图像采集功能的图像采集装置采集道路图像。该采集道路图像的图像采集装置,可以是集成在车道线检测装置内部的,也可以是独立于车道线检测装置的独立部件。车道线检测装置获取图像采集装置获取到的道路图像,并对获取到的道路图像进行处理,得到包括有车道线图像区域的ROI区域。
本发明实施例中,车道线检测装置可对获取到的道路图像进行图像预处理,得到包括有车道线图像区域的ROI区域,具体实施过程可参阅图2所示,包括:
S1011:预先在获取到的道路图像中设置ROI区域。
本发明实施例中可在获取到的道路图像中设置合理的ROI区域,并在该ROI区域中包含车道线,在ROI区域进行车道线检测可以较好的排除道路图像中非车道线部分。
S1012:对设置有ROI区域的道路图像进行灰度化处理。
一般的,图像采集装置采集到的图像为彩色图像,而彩色图像中的每个像素的颜色由R、G、B三个分量决定,R代表红色,G代表绿色,B代表蓝色,每个分量有255中值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围,而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以将彩色图像转变为灰度图像以减少后续的图像的计算量。
通常,可采用分量法、最大值法、平均值法以及加权平均法等方法对彩色图像进行灰度化处理。
S1013:采用中值滤波方法去除灰度化处理后的道路图像中的噪声干扰。
具体的,道路图像在形成、传输、接收和处理的过程中都会产生一些噪声干扰,例如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程的误差及人为因素等。
本发明实施例中可采用中值滤波的方法来去除道路图像中的噪声干扰,以较好的保留图像的边缘信息。
S1014:对进行了灰度化处理以及去除噪声干扰的道路图像,进行边缘检测。
本发明实施例中对进行了灰度化处理以及去除噪声干扰的道路图像,进行边缘检测,可以突出道路图像的车道线边缘信息。
通常,可利用边缘检测算子进行边缘检测,边缘检测算子可以是Canny算子、Sobel算子等。以下以利用Canny算子对道路图像进行边缘检测的过程进行举例说明:
利用Canny算子对道路图像进行边缘检测的过程可采用如下方式:首先利用高斯滤波器平滑图像,以除去图像的噪声,然后用一阶偏导有限差分计算梯度幅值和方向,并对梯度幅值进行非极大值抑制。最后利用阈值算法检测和连接边缘。
其中,利用阈值算法检测和连接边缘过程中,可对Canny算子的上下限阈值进行限定,以达到阈值自适应的效果,例如,对上下限阈值的限定可以为:
上限阈值:highThresh=Avg+5*(sdv*sdv/Avg)
下限阈值:lowThresh=Avg-1*(sdv*sdv/Avg)
其中,Avg表示平均灰度值,sdv表示标准差,highThresh表示上限阈值,lowThresh表示下限阈值。
S102:将获取到的感兴趣区域等面积划分为至少两个子区域。
本发明实施例中,一种可能的实施方式中,可采用最优域分块的方法,对感兴趣区域进行等面积划分,使得在不同的硬件平台和车道图像,获取最优的图像分块数。其中,所述最优域分块的方法可以为如下:首先对初始图像等面积划分为N个子区域为保证块划分的平均性,其中,N为正整数,在划分的过程中会进行适当的图像边缘像素点扩充,以保证划分的连续性及完整性。
一种可能的实施方式中,可采用如图3所示的方法对获取到的感兴趣区域进行划分,参阅图3所示,包括:
S1021:对感兴趣区域进行第一次等面积划分。
S1022:针对第一次等面积划分得到的每个子区域,分别进行像素点采样。
S1023:统计每个子区域中采样得到的像素点中包括的边缘像素点个数。
本申请实施例中,可对划分得到的每个子区域利用等间隔采样或随机采样法进行像素点采样。
S1024:确定每个子区域中的边缘像素点的个数大于像素边缘点个数阈值的子区域。
其中,像素边缘点个数阈值可以为预设的。
S1025:针对边缘像素点个数大于边缘像素点个数阈值的子区域,进行第二次等面积划分。
S1026:针对第二次等面积划分得到的各个子区域,进行像素点采样,并返回执行S1022的步骤。
重复执行以上步骤,直至划分得到的各子区域中采样得到的像素点中包括的边缘像素点个数均小于所述边缘像素点个数阈值。
假设对感兴趣区域进行第一次等面积划分得到的N个子区域中的区域Q进行像素点采样后得到的像素点数为n,n个像素点中的边缘像素点个数为m2,像素边缘点个数阈值为m1个像素点。若m2>m1,则说明该子区域Q中包含车道线或者其他的干扰直线,那么对子区域Q进行二次划分,并进行像素点的重新采样以及边缘像素点个数的统计,重复上述步骤直至子区域Q划分得到的各子区域中的边缘像素点个数m2<像素边缘点个数阈值m1。
S103:并行检测所述至少两个子区域中每个子区域中包括的直线段。
本发明实施例中,可采用诸如Hough变换等目前已有的直线检测技术对划分的每个子区域并行进行直线段检测。
其中,每个子区域的处理过程相同,下面以一个子区域的直线搜索过程进行说明。
本发明中具体以采用Hough变换进行直线段检测为例进行说明:
假设对ROI区域划分得到的子区域为S,即S={S1,S2,...SM},对每个子区域,以区域中心为原点,建立局部坐标系,并遍历局部坐标系中的子区域图像中的像素点(x,y),对像素点进行0~2π的参数空间的变换,在极坐标系中,ρ=xcosθ+ysinθ,ρ是直线到法线的距离,θ是极角。计算子区域中的像素点在参数空间中相交于一点的累加值。若参数空间中子区域相交于一点的累加值H(ρ,θ)满足设定的阈值th,则认为在子区域检测到的为直线段。
假设划分的区域数为2N,每个子区域在进行Hough变换的过程中设定的阈值相同为th1,则th1=th/2N-1。
本发明中,通过上述的分块方法可以获取车道线图像中的最优分块区域,而并行计算的时间是以子区域的耗时为主,这样可以减少直线搜索的时间,提高并行计算的耗时。
S104:根据在所述至少两个子区域中检测到的各直线段,检测车道线。
本申请实施例中,一种可能的实施方式中,可获取在所述至少两个子区域中检测到的各直线段的像素点个数;将各直线段的像素点个数的总和与车道线像素点个数阈值进行比较;若各直线段的像素点个数的总和大于车道线像素点个数阈值,则确定检测到车道线,且检测到的车道线为所述各直线段组成的直线。
本申请实施例中仍以采用Hough变换进行直线段检测为例进行说明。采用图4所示的局部坐标系中子区域与原始ROI区域转换的示意图,将局部坐标系中每个子区域检测到的直线段转换到原始ROI区域的参数空间,其中,参阅图4所示,局部坐标系中子区域转换到原始ROI区域的过程中,极角θ保持不变,过,本发明实施例中转换到原始ROI区域后,可计算各子区域中的ρ值,若计算得到的ρ值相等,则说明各子区域的直线段为直线,将检测到的直线中的投票值H进行累加,若H大于车道线阈值,则说明检测到车道线。
具体的计算过程如下,假设划分的区域为3×3,如图5为本发明实施例提供的区域划分示意图。图5中,各个子区域通过各自子区域的阈值th1检测到的直线段为{la,lb,lc,ld},子区域转换到原始区域得到的ρ值为{ρa,ρb,ρc,ρd},对应的投票累加值为{ha,hb,hc,hd},从图中可以看出来各个子区域检测到的直线段在同一条直线上,所以有ρa=ρb=ρc=ρd,将投票值累加即H=ha+hb+hc+hd。将累加值与车道线设定的阈值进行比较,当累加值大于车道线阈值,即H>th时,则检测到的直线段为车道线。
本发明实施例提供的检测车道线的方法,通过分块得到最优的区域,对选择出的最优区域进行处理,从而减少了直线搜索的时间以及并行计算的耗时,提高了并行检测的效率。
本申请实施例以下将结合实际应用对上述实施例中涉及的各个执行步骤进行详细说明。
首先,对获取道路图像中的感兴趣区域的实施过程进行说明。
图6所示为本发明实施例提供的获取感兴趣区域的一种实施流程图,参阅图6所示,包括:
S201:获取道路图像中各车道线的消失点所形成的水平车道消失线。
当道路存在弯道或者多边界线的情况时,道路图像中的车道线的消失点会落在一条水平的消失线上,故本发明实施例中可获取该水平车道消失线。
S202:以水平车道消失线的中点,作为极坐标的极点,并以水平车道线为极轴,在道路图像中建立极坐标系。
S203:在所述道路图像中,将所述极坐标系内,设定的极角对应的极径与极轴之间所约束的区域,作为ROI区域。
本发明实施例中,通过极角约束区域可以减少非车道线的区域,为后续在车道线区域搜索直线减少了计算量,做到了实时性。以角度θ为极角作一个约束区域,通过调节摄像头,不断地测试,来确定极角约束的范围大小,角度θ要根据具体的车道线图像决定,如图7为本发明实施例提供的划分的感兴趣区域示意图。
通常,检测到车道线以后,要进行车道线跟踪,本发明实施例以下对车道线跟踪的过程进行说明。
在车道线跟踪过程中,常常会由于车道线局部缺失或障碍物导致检测不到车道线,进而会导致车道线检测中断的情况。然而,某一部分区域中的车道线的斜率和宽度都不会发生太大的变化,故本发明实施例中,可在相邻两个图像中检测到的车道线的斜率之比以及宽度之比在设定范围内时,可利用与宽度满足其中表示斜率之比,表示宽度之比时,若在跟踪车道线过程中在当前帧道路图像中未检测到车道线,且未检测到车道线的次数在设定的次数阈值范围内,则将当前帧之前已提取车道线的道路图像中的车道线,作为当前帧图像检测到的车道线。
但是为了避免车道线检测过程中存在车道线不存在的情况导致未检测到车道线的情况发生,本发明实施例中可设置未检测到车道线的次数阈值,在未检测到车道线的次数在设定的次数阈值范围内,则将当前帧之前已提取车道线的道路图像中的车道线,作为当前帧图像检测到的车道线。
通常,道路图像上会设置双侧车道线,故本发明实施例中未检测到车道线的次数阈值可分别设置未检测到单侧车道线的次数阈值和未检测到双侧车道线的次数阈值。例如:未检测到单侧车道线的次数阈值为第一阈值,例如可设置为15次,未检测到双侧车道线的次数阈值为第二阈值,例如可设置为3次。
基于与上述方法实施例相同的构思,本发明实施例还提供了一种检测车道线的装置。
图8所示为本发明实施例提供的一种检测车道线的装置结构图,参照图8所示,包括获取单元101、处理单元102和检测单元103,其中:
获取单元101,用于获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域。处理单元102,用于将所述获取单元101获取的感兴趣区域等面积的划分为至少两个子区域。检测单元103,用于并行检测所述处理单元102划分得到的所述至少两个子区域中每个子区域中包括的直线段,并根据在所述至少两个子区域中检测到的各直线段,检测车道线。
其中,获取单元101具体用于:
获取道路图像中各车道线的消失点所形成的水平车道消失线;
以所述水平车道消失线的中点,作为极坐标的极点,并以所述水平车道线为极轴,在所述道路图像中建立极坐标系;
在所述道路图像中,将所述极坐标系内,设定的极角对应的极径与所述极轴之间所约束的区域,作为ROI区域。
处理单元102具体用于:
对感兴趣区域进行第一次等面积划分;
针对第一次等面积划分得到的每个子区域,分别进行像素点采样,并统计每个子区域中采样得到的像素点中包括的边缘像素点个数;
针对边缘像素点个数大于边缘像素点个数阈值的子区域,进行第二次等面积划分,重复执行以上步骤,直至划分得到的各子区域中采样得到的像素点中包括的边缘像素点个数均小于所述边缘像素点个数阈值。
检测单元103具体用于:
获取在所述至少两个子区域中检测到的各直线段的像素点个数;
将各直线段的像素点个数的总和与车道线像素点个数阈值进行比较;
若各直线段的像素点个数的总和大于车道线像素点个数阈值,则确定检测到车道线,且检测到的车道线为所述各直线段组成的直线。
进一步的,该装置还可包括跟踪单元104,所述跟踪单元104用于:
在检测单元在至少两个子区域中检测到的各直线段,检测车道线之后,若在跟踪车道线过程中在当前帧道路图像中未检测到车道线,且未检测到车道线的次数在设定的次数阈值范围内,则将当前帧之前已提取车道线的道路图像中的车道线,作为当前帧图像检测到的车道线。
本发明提供的一种检测车道线的装置,首先通过获取车道线图像的ROI区域,然后对ROI区域进行等面积的划分,在子区域中进行像素点采样,通过采样判断区域中是否有干扰直线,这样可以减少后续直线搜索的耗时,最后对每个子区域并行进行直线搜索,判断搜索到的直线段是否是车道线,利用分块得到最优的图像分块数,再进行并行处理,可以提高算法的并行度,使得并行计算的性能达到最优。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种检测车道线的方法,其特征在于,包括:
获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域;
将所述感兴趣区域等面积的划分为至少两个子区域;
并行检测所述至少两个子区域中每个子区域中包括的直线段;
根据在所述至少两个子区域中检测到的各直线段,检测车道线;
所述将所述感兴趣区域等面积的划分为至少两个子区域,包括:
对所述感兴趣区域进行第一次等面积划分;
针对第一次等面积划分得到的每个子区域,分别进行像素点采样,并统计每个子区域中采样得到的像素点中包括的边缘像素点个数;
针对边缘像素点个数大于边缘像素点个数阈值的子区域,进行第二次等面积划分,重复执行以上步骤,直至划分得到的各子区域中采样得到的像素点中包括的边缘像素点个数均小于所述边缘像素点个数阈值。
2.如权利要求1所述的方法,其特征在于,根据在所述至少两个子区域中检测到的各直线段,检测车道线,包括:
获取在所述至少两个子区域中检测到的各直线段的像素点个数;
将各直线段的像素点个数的总和与车道线像素点个数阈值进行比较;
若各直线段的像素点个数的总和大于车道线像素点个数阈值,则确定检测到车道线,且检测到的车道线为所述各直线段组成的直线。
3.如权利要求1所述的方法,其特征在于,所述获取道路图像中的感兴趣区域,包括:
获取道路图像中各车道线的消失点所形成的水平车道消失线;
以所述水平车道消失线的中点,作为极坐标的极点,并以所述水平车道线为极轴,在所述道路图像中建立极坐标系;
在所述道路图像中,将所述极坐标系内,设定的极角对应的极径与所述极轴之间所约束的区域,作为感兴趣区域。
4.如权利要求1至3任一项所述的方法,其特征在于,在所述至少两个子区域中检测到的各直线段,检测车道线之后,所述方法还包括:
若在跟踪车道线过程中在当前帧道路图像中未检测到车道线,且未检测到车道线的次数在设定的次数阈值范围内,则将当前帧之前已提取车道线的道路图像中的车道线,作为当前帧图像检测到的车道线。
5.一种检测车道线的装置,其特征在于,包括:
获取单元,用于获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域;
处理单元,用于将所述获取单元获取的感兴趣区域等面积的划分为至少两个子区域;
检测单元,用于并行检测所述处理单元划分得到的所述至少两个子区域中每个子区域中包括的直线段,并根据在所述至少两个子区域中检测到的各直线段,检测车道线;
所述处理单元具体用于按如下方式将所述获取单元获取的感兴趣区域等面积的划分为至少两个子区域:
对所述感兴趣区域进行第一次等面积划分;
针对第一次等面积划分得到的每个子区域,分别进行像素点采样,并统计每个子区域中采样得到的像素点中包括的边缘像素点个数;
针对边缘像素点个数大于边缘像素点个数阈值的子区域,进行第二次等面积划分,重复执行以上步骤,直至划分得到的各子区域中采样得到的像素点中包括的边缘像素点个数均小于所述边缘像素点个数阈值。
6.如权利要求5所述的装置,其特征在于,所述检测单元具体用于按如下方式对所述至少两个子区域中检测到的各直线段,检测车道线:
获取在所述至少两个子区域中检测到的各直线段的像素点个数;
将各直线段的像素点个数的总和与车道线像素点个数阈值进行比较;
若各直线段的像素点个数的总和大于车道线像素点个数阈值,则确定检测到车道线,且检测到的车道线为所述各直线段组成的直线。
7.如权利要求5所述的装置,其特征在于,所述获取单元具体用于按如下方式获取道路图像中的感兴趣区域,所述感兴趣区域为包括有车道线的图像区域:
获取道路图像中各车道线的消失点所形成的水平车道消失线;
以所述水平车道消失线的中点,作为极坐标的极点,并以所述水平车道线为极轴,在所述道路图像中建立极坐标系;
在所述道路图像中,将所述极坐标系内,设定的极角对应的极径与所述极轴之间所约束的区域,作为感兴趣区域。
8.如权利要求5至7任一项所述的装置,其特征在于,所述装置还包括跟踪单元,所述跟踪单元具体用于:
在所述至少两个子区域中检测到的各直线段,检测车道线之后,若在跟踪车道线过程中在当前帧道路图像中未检测到车道线,且未检测到车道线的次数在设定的次数阈值范围内,则将当前帧之前已提取车道线的道路图像中的车道线,作为当前帧图像检测到的车道线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848460.3A CN107729814B (zh) | 2017-09-19 | 2017-09-19 | 一种检测车道线的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710848460.3A CN107729814B (zh) | 2017-09-19 | 2017-09-19 | 一种检测车道线的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107729814A CN107729814A (zh) | 2018-02-23 |
CN107729814B true CN107729814B (zh) | 2020-06-23 |
Family
ID=61207516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710848460.3A Active CN107729814B (zh) | 2017-09-19 | 2017-09-19 | 一种检测车道线的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107729814B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145860B (zh) | 2018-09-04 | 2019-12-13 | 百度在线网络技术(北京)有限公司 | 车道线跟踪方法和装置 |
CN110008921B (zh) * | 2019-04-12 | 2021-12-28 | 北京百度网讯科技有限公司 | 一种道路边界的生成方法、装置、电子设备及存储介质 |
CN109919144B (zh) * | 2019-05-15 | 2019-08-16 | 长沙智能驾驶研究院有限公司 | 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 |
CN110490935B (zh) * | 2019-08-20 | 2022-05-10 | 哈尔滨工业大学 | 直线特征检测方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010059117A (ko) * | 1999-12-30 | 2001-07-06 | 이계안 | 누적 분포 함수를 이용한 차선 검출 방법 |
CN102737248A (zh) * | 2012-06-21 | 2012-10-17 | 河南工业大学 | 复杂路况下的车道线特征点提取方法与装置 |
CN103116876A (zh) * | 2013-02-22 | 2013-05-22 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
EP2838051A2 (en) * | 2013-08-12 | 2015-02-18 | Ricoh Company, Ltd. | Linear road marking detection method and linear road marking detection apparatus |
CN104657735A (zh) * | 2013-11-21 | 2015-05-27 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
-
2017
- 2017-09-19 CN CN201710848460.3A patent/CN107729814B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010059117A (ko) * | 1999-12-30 | 2001-07-06 | 이계안 | 누적 분포 함수를 이용한 차선 검출 방법 |
CN102737248A (zh) * | 2012-06-21 | 2012-10-17 | 河南工业大学 | 复杂路况下的车道线特征点提取方法与装置 |
CN103116876A (zh) * | 2013-02-22 | 2013-05-22 | 北京京东世纪贸易有限公司 | 一种图像去雾的方法和装置 |
EP2838051A2 (en) * | 2013-08-12 | 2015-02-18 | Ricoh Company, Ltd. | Linear road marking detection method and linear road marking detection apparatus |
CN104657735A (zh) * | 2013-11-21 | 2015-05-27 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107729814A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729814B (zh) | 一种检测车道线的方法及装置 | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN103077384B (zh) | 一种车标定位识别的方法与系统 | |
CN110631812B (zh) | 轨道振动检测方法及装置、振动检测设备 | |
US8983126B2 (en) | Method and system for detecting vehicle position by employing polarization image | |
US9030559B2 (en) | Constrained parametric curve detection using clustering on Hough curves over a sequence of images | |
CN108256445B (zh) | 车道线检测方法及系统 | |
CN101742292B (zh) | 基于图像内容信息的环路滤波方法和滤波器 | |
CN109858438B (zh) | 一种基于模型拟合的车道线检测方法 | |
Xue et al. | Motion robust rain detection and removal from videos | |
CN112528868B (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
CN114127784A (zh) | 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质 | |
Wu et al. | Research on rail surface defect detection method based on UAV images | |
CN105608689A (zh) | 一种全景拼接消除图像特征误匹配方法及装置 | |
CN105678720A (zh) | 一种全景拼接判断图像匹配方法及装置 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
CN111063029A (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
CN109492454B (zh) | 对象识别方法及装置 | |
KR101615479B1 (ko) | 적응적 전/후처리 필터링을 이용하는 초해상도 영상 처리 방법 | |
CN111242051A (zh) | 一种车辆识别优化方法、装置及存储介质 | |
CN103942766A (zh) | 一种基于时-空-频三域联合处理的雨天视频复原方法 | |
CN109547777B (zh) | 一种复杂场景的视频噪声快速检测方法 | |
CN116030430A (zh) | 铁轨识别方法、装置、设备及存储介质 | |
Chethan et al. | Analysis of image quality using sobel filter |
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 |