CN107891808B - 行车提醒方法、装置及车辆 - Google Patents
行车提醒方法、装置及车辆 Download PDFInfo
- Publication number
- CN107891808B CN107891808B CN201610871936.0A CN201610871936A CN107891808B CN 107891808 B CN107891808 B CN 107891808B CN 201610871936 A CN201610871936 A CN 201610871936A CN 107891808 B CN107891808 B CN 107891808B
- Authority
- CN
- China
- Prior art keywords
- image
- stop line
- traffic signal
- vehicle
- signal lamp
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
- B60Q9/002—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for parking purposes, e.g. for warning the driver that his vehicle has contacted or is about to contact an obstacle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T7/00—Brake-action initiating means
- B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
- B60R2300/804—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for lane monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本公开公开了一种行车提醒方法、装置及车辆,所述方法包括:实时采集道路图像;对采集的道路图像进行预处理;根据预处理后的图像,进行停止线识别;根据停止线识别结果,确定目标图像;在目标图像中确定感兴趣区域,以进行交通信号灯识别;根据停止线识别结果和交通信号灯识别结果,进行行车提醒。本公开通过实时采集车辆前方的道路图像,对道路图像进行停止线识别和交通信号灯识别,并结合车辆的运行信息,进行相应的判断,为驾驶员在穿越路口时,进行不同的状况下的行车提醒,大大提高了驾驶员行车判断的准确率。
Description
技术领域
本公开涉及汽车控制技术领域,具体地,涉及一种行车提醒方法、装置及车辆。
背景技术
随着汽车电子产品的快速发展,车辆的安全行驶越来越重要。对于交通路口等复杂的行车环境,进行行车提醒对行车安全起到重要的作用。
相关技术中的路口行车提醒,对红绿灯目标的处理一般只限于识别,且只限于判别单一的红绿灯目标。即车载的嵌入式处理器根据摄像头采集到包含路口路况的图像进行处理,进而做出预警判别,并根据判别结果给用户发送预警信息,以此作为辅助驾驶车辆的手段。但是,这种方式存在明显的误报风险。
在相关技术的另一些路口行车提醒技术中,需要结合安装在路口交通灯上的信号发生装置,在车辆经过路口时由此装置发送交通灯状态信息给车辆。车辆获得交通灯状态信息后,再结合车速等自身状态数据进行判别处理,实现预警功能。但这种方式,依赖于外置的信号发生装置,可行性低且增加了实施的复杂度。
发明内容
本公开的目的是提供一种行车提醒方法、装置及车辆,以提高行车提醒的准确性。
为了实现上述目的,第一方面,提供一种行车提醒方法,包括:
实时采集道路图像;
对采集的道路图像进行预处理;
根据预处理后的图像,进行停止线识别;
根据停止线识别结果,确定目标图像;
在目标图像中确定感兴趣区域,以进行交通信号灯识别;
根据停止线识别结果和交通信号灯识别结果,进行行车提醒。
在一个实施例中,所述根据预处理后的图像进行停止线识别的步骤包括:
对预处理后的图像进行逆透视变换,得到道路的逆透视灰度图像;
对逆透视灰度图像进行卷积滤波;
将图像灰度发生跳变的上升沿和下降沿信息进行匹配,获取停止线候选区域;
对停止线候选区域进行形态学膨胀处理;
利用hough变换进行直线检测,识别停止线。
在一个实施例中,所述在目标图像中确定感兴趣区域,以进行交通信号灯识别的步骤包括:
根据交通信号灯在道路图像中出现的高频位置,确定目标图像中的感兴趣区域;
采用最大类间方差法对感兴趣区域的灰度图进行自适应阈值分割,生成二值图像;
将感兴趣区域的图像由RGB空间转换到HSI颜色空间,以得到感兴趣区域的HIS图像;
对HIS图像进行形状分割;
采用预设模板图像,对形状分割后的图像进行交通信号灯特征匹配,识别交通信号灯。
在一个实施例中,所述根据停止线识别结果和交通信号灯识别结果,进行行车提醒的步骤包括:
根据道路图像的深度信息和识别出的停止线,获取停止线与车辆的距离;
根据识别出的交通信号灯,获取交通信号灯的颜色状态;
根据所述停止线与车辆的距离和所述交通信号灯的颜色状态,进行行车提醒。
在一个实施例中,根据所述停止线与车辆的距离和所述交通信号灯的颜色状态,进行行车提醒的步骤包括:
在所述停止线与车辆的距离小于预设预警距离时,若所述交通信号灯的颜色状态为红灯,则发出报警提示和/或发出减速信号;
在所述停止线与车辆的距离小于预设预警距离时,若所述交通信号灯的颜色状态为黄灯,则发出预警提示信息。
在一个实施例中,所述根据所述停止线与车辆的距离和所述交通信号灯的颜色状态,进行行车提醒的步骤包括:
获取车辆的车速信息;
根据所述停止线与车辆的距离和所述车速信息,获取车辆到达停止线时交通信号灯的颜色状态;
若车辆到达停止线时交通信号灯的颜色状态为红灯,则在车辆与停止线的距离小于预设预警距离,且车辆的转向角度小于预设角度时,发出报警提示和/或发出减速信号;
若车辆到达停止线时交通信号灯的颜色状态为黄灯,则在车辆与停止线的距离小于预设预警距离时,发出预警提示信息。
在一个实施例中,所述对采集的道路图像进行预处理的步骤包括:
对采集的图像进行灰度变换和灰度动态范围调整,以及进行形态学顶帽操作。
第二方面,提供一种行车提醒装置,包括:
图像采集模块,用于实时采集道路图像;
预处理模块,用于对采集的道路图像进行预处理;
停止线识别模块,用于根据预处理后的图像,进行停止线识别;
目标图像确定模块,用于根据停止线识别结果,确定目标图像;
交通信号灯识别模块,用于在目标图像中确定感兴趣区域,以进行交通信号灯识别;
提醒控制模块,用于根据停止线识别结果和交通信号灯识别结果,进行行车提醒。
在一个实施例中,所述停止线识别模块包括:
逆透视变换子模块,用于对预处理后的图像进行逆透视变换,得到道路的逆透视灰度图像;
滤波子模块,用于对逆透视灰度图像进行卷积滤波;
停止线候选区域获取子模块,用于将图像灰度发生跳变的上升沿和下降沿信息进行匹配,获取停止线候选区域;
膨胀处理子模块,用于对停止线候选区域进行形态学膨胀处理;
停止线识别子模块,用于利用hough变换进行直线检测,识别停止线。
在一个实施例中,所述交通信号灯识别模块包括:
感兴趣区域确定子模块,用于根据交通信号灯在道路图像中出现的高频位置,确定目标图像中的感兴趣区域;
二值图像生成子模块,用于采用最大类间方差法对感兴趣区域的灰度图进行自适应阈值分割,生成二值图像;
HIS图像获取子模块,用于将感兴趣区域的图像由RGB空间转换到HSI颜色空间,以得到感兴趣区域的HIS图像;
分割子模块,用于对HIS图像进行形状分割;
交通信号灯识别子模块,用于采用预设模板图像,对形状分割后的图像进行交通信号灯特征匹配,识别交通信号灯。
在一个实施例中,所述提醒控制模块包括:
第一距离获取子模块,用于根据道路图像的深度信息和识别出的停止线,获取停止线与车辆的距离;
颜色状态获取子模块,用于根据识别出的交通信号灯,获取交通信号灯的颜色状态;
第一行车提醒子模块,用于根据所述停止线与车辆的距离和所述交通信号灯的颜色状态,进行行车提醒。
在一个实施例中,所述第一行车提醒子模块,用于在所述停止线与车辆的距离小于预设预警距离时,若所述交通信号灯的颜色状态为红灯,则发出报警提示和/或发出减速信号;在所述停止线与车辆的距离小于预设预警距离时,若所述交通信号灯的颜色状态为黄灯,则发出预警提示信息。
在一个实施例中,所述第一行车提醒子模块,用于获取车辆的车速信息;根据所述距离和所述车速信息,获取车辆到达停止线时交通信号灯的颜色状态;若车辆到达停止线时交通信号灯的颜色状态为红灯,则在车辆与停止线的距离小于预设预警距离,且车辆的转向角度小于预设角度时,发出报警提示和/或发出减速信号;若车辆到达停止线时交通信号灯的颜色状态为黄灯,则在车辆与停止线的距离小于预设预警距离时,发出预警提示信息。
在一个实施例中,所述预处理模块,用于对采集的图像进行灰度变换和灰度动态范围调整,以及进行形态学顶帽操作。
第三方面,提供一种车辆,包括上述行车提醒装置。
通过上述技术方案,通过实时采集车辆前方的道路图像,对道路图像进行停止线识别和交通信号灯识别,并结合车辆的运行信息,进行相应的判断,为驾驶员在穿越路口时,进行不同的状况下的行车提醒,大大提高了驾驶员行车判断的准确率;其中对交通灯的识别是基于停止线的识别结果,避免了识别过程中的大部分干扰信息,使得判别结果更加准确合理。同时,即使驾驶员判断失误执意勉强穿越路口,可根据预设预警距离,实现自动控制车辆减速制动,避免汽车碰撞事故的发生,保证了驾驶员和他人的人生安全。另一方面,根据采集的道路图像进行提醒,降低了实施复杂度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本公开一实施例的行车提醒方法的流程示意图;
图2是本公开一实施例的停止线识别的流程示意图;
图3a为本公开一示例性实施例的摄像头采集到的二维道路图像的示意图;
图3b为经逆透视变换后得到的逆透视灰度图像;
图4是本公开一实施例的交通信号灯识别的流程示意图;
图5是本公开一实施例的根据停止线识别结果和交通信号灯识别结果,进行行车提醒的流程示意图;
图6是本公开一实施例的精确的行车提醒的流程示意图;
图7是本公开一实施例的简略的行车提醒的流程示意图;
图8是本公开一实施例的行车提醒装置的结构示意图;
图9是本公开另一实施例的车辆的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
参见图1,本公开一实施例的行车提醒方法的流程示意图。其包括以下步骤:
在步骤11中,实时采集道路图像。
在本公开的实施例中,通过在车辆上设置摄像头和飞行时间(TOF)传感器,以实时对车辆行进路上的道路图像进行采集。其中,采用飞行时间(TOF)传感器可获取道路图像的深度图像。TOF传感器是TOF像素传感器的阵列或集合。TOF传感器可为光传感器、相位检测器等,以检测来自脉冲光源、调制光源的光在TOF像素传感器与被检测物体之间传播的飞行时间,从而检测物体的距离并获取深度图像。
在一个实施例中,摄像头的图像传感器和TOF传感器都可以使用互补金属氧化物半导体(CMOS)工艺进行制作,并且亮度像素传感器和TOF像素传感器可以按比例制作在同一基板之上,例如,以8:1比例进行制作的8个亮度像素传感器和1个TOF像素传感器组成一个大的交织像素。其中1个TOF像素传感器的感光面积可以等于8个亮度像素传感器的感光面积。其中8个亮度像素传感器可以按2行及4列的阵列形式排列。例如,可以在1英寸光学靶面的基板上制作360行及480列的上述活跃交织像素的阵列,可获取720行及1920列的活跃亮度像素传感器阵列、360行及480列的活跃TOF像素传感器阵列,由此,可将图像传感器和TOF传感器组合为一个图像采集装置,同时获取彩色或亮度图像,以及深度图像,到三维彩色的道路图像。
在一个实施例中,由图像传感器和TOF传感器组合的图像采集装置可安装于车辆的后视镜上,以实时采集车辆行驶过程中的道路图像。图像采集装置的安装高度和角度,可根据实际情况进行调整,以使图像采集装置可精准的进行道路图像的采集。
在一个实施例中,道路图像的采集时间间隔可为20帧/秒~30帧/秒。
在步骤12中,对采集的道路图像进行预处理。
在一个实施例中,预处理包括:对采集的图像进行灰度变换和灰度动态范围调整,以及进行形态学顶帽操作。
对采集的图像进行灰度变换和灰度动态范围调整:
在本公开的实施例中,通过式(1)对采集的道路图像进行灰度变换,将三维彩色的道路图像映射到一维灰度空间。
g(x,y)=R1×R(x,y)+G1×G(x,y)+B1×B(x,y) (1)
其中,R(x,y)、G(x,y)和B(x,y)分别为道路图像的R、G、B值。R1、G1和B1分别为R、G、B值的调整系数。在一个实施例中,R1为0.2989,G1为0.5870,B1为0.1140。
在一个实施例中,可通过对图像灰度进行线性展宽,实现图像灰度动态范围的调整,提高图像的对比度。
形态学顶帽操作:
在本公开的实施例中,通过形态学顶帽操作,从局部空间分布和灰度差异两方面体现潜在显著物与周围背景的差异。
形态学顶帽操作包括腐蚀和膨胀两种运算,通过不同的组合构成开、闭等基本运算,再通过组合基本的运算进行图像处理。设f为图像集合,s为结构元素,膨胀算子为f被s膨胀记为膨胀的作用是用来扩大图像。腐蚀算子为Θ,f被s腐蚀记为fΘs,腐蚀的作用是用来收缩图像,能够消除原图像边界上不光滑的凸起部分,以及把小于结构元素的部分去掉。
在本公开的实施例中,对经灰度变换和调整后的原图像f,先腐蚀后膨胀,移除结构元素s的显著亮特征,再用原图像f与开运算的图像做减法,实现在暗背景中得到显著的亮区域,其运算公式为式(2)所示。
其中,f为经灰度变换和调整后的原图像,s为结构元素。
通过上述形态学顶帽操作,可滤除随机噪声,减少对图像的影响,同时能够分割或者连接图像中的相邻区域,便于图像的后期处理。
继续参见图1,在步骤13中,根据预处理后的图像,进行停止线识别。
参见图2,本公开一实施例的停止线识别包括以下步骤:
在步骤21中,对预处理后的图像进行逆透视变换,得到道路的逆透视灰度图像。
对预处理后的图像进行逆透视变换,把摄像头采集到的单幅图像,结合深度信息,从二维空间转换到三维空间,得到前方路况的逆透视灰度图像。参见图3a为本公开一示例性实施例的摄像头采集到的二维道路图像的示意图。图3b为经逆透视变换后得到的逆透视灰度图像。在逆透视图像中,停止线是一条水平的直线,可减小了后续检测的工作难度,并且能更加准确的定位停止线的信息。
在步骤22中,对逆透视灰度图像进行卷积滤波。
选取卷积核,对逆透视灰度图像进行卷积滤波。参见式(3)和式(4)分别为一实施例的大小为4×3的上升沿和下降沿卷积核。
在步骤23中,将图像灰度发生跳变的上升沿和下降沿信息进行匹配,获取停止线候选区域。
用矩阵up_img和down_img来分别表示检测到的上升沿和下降沿图像。然后从上到下遍历图像,当图像中的像素满足条件up_img[i,j]>100且down_img[i+d,j]>100时,就判定此点是停止线的特征点,并将其保存下来,否则不能满足以上条件的话,就将该点信息丢弃。其中,变量d为停止线的宽度,变量i和j分别表示图像中的行坐标和列坐标。
在步骤24中,对停止线候选区域进行形态学膨胀处理。
在一个实施例中,进行形态学膨胀处理时,由于停止线可以近似看做一个矩形,所以选取一个大小为的5x8矩形结构元素。
在步骤25中,利用hough变换进行直线检测,识别停止线。
利用hough变换将图像空间中给定的直线上的点转换成为参数空间中的一条直线,把直线的检测问题简化成找寻峰值点的问题。
根据直线的极坐标方程ρ=xcosθ+ysinθ,首先对图像中的点做变换,求出每个点经过变换后的ρ_i和θ_i值;然后在和的取值范围内对它们进行量化,建立累加数组C(ρ,θ)。遍历所有像素点,检验其计数单元,大计数单元对应共线点,则该参数值对应于直线,对于小计数的单元,认为是孤立点,予以消除。
将直线按长度从大到小进行排序,限制角度差值,将角度与90度相差大的直线剔除,仅保留长度最大的直线信息。将长度最大的直线作为最终识别出的停止线。由此,通过限制了直线的角度变化范围,可减少处理时间,提升识别效率。
在本公开的实施例中,可依据停止线的特征(长度特征、位置特征等)将其与停车让行线、减速让行线等进行区分。根据停止线的特征,进行识别,可有效减少误识别。
在一个实施例中,以车辆作为坐标原点,建立坐标系,根据采集的道路图像的深度信息可确定所采集的道路图像中的各物体(例如,停止线)的三维坐标值。由此,根据识别出的停止线和深度图像,可获得停止线的起点坐标信息、终点坐标信息以及车辆的距离信息。
本公开实施例中,停止线识别直接基于灰度图像进行处理,并不依赖于图像的目标分割结果,可以大大减少因分割不准确而造成的误检,相对的提高了检测的准确性。
继续参见图1,在步骤14中,根据停止线识别结果,确定目标图像。
本公开的实施例中,根据停止线的识别结果,将识别到停止线的图像作为目标图像,以在后续对在该目标图像中改变感兴趣区域,以搜索并识别交通信号灯。由此,可使得交通信号灯的判别依赖于停止线识别的结果,避免了判别过程中的大部分干扰信息,使得识别结果更加准确合理。
在步骤15中,在目标图像中确定感兴趣区域,以进行交通信号灯识别。
参见图4,在一个实施例中,交通信号灯识别包括以下步骤:
在步骤41中,根据交通信号灯在道路图像中出现的高频位置,确定目标图像中的感兴趣区域(ROI)。
在一个实施例中,由于交通信号灯一般出现在道路图像的上部,为了排除路面上的荧光灯、霓虹灯、广告牌、路标、箭头等的干扰,将道路图像的1/4至3/4自底向上区域作为感兴趣区域,将其它部分切割掉。
对于深度信息排除,深度信息在预设范围内的区域作为感兴趣区域。在一个实施例中,深度信息的预设范围为:距离车辆5m至200m的空间范围。当距离在预设范围之外时,则不属于感兴趣区域(ROI)。
由此,经过切割和深度信息排除,可节省系统处理时间,避免误检测,保障系统的实时性。
在步骤42中,采用最大类间方差法对感兴趣区域的灰度图进行自适应阈值分割,生成二值图像。
在本公开的实施例中,采用最大类间方差法对经切割和深度信息排除后的图像进行自适应阈值分割,找到最佳图像分割阈值。具体的,首先,设定灰度级阈值T,根据灰度级阈值T将预处理后的图像划分为两个区域R1和R2,参见式5。
其中,fmin,fmax为图像灰度像素值的最小值和最大值,f为预处理后的图像。
图像全部的灰度级i的期望为式(6)所示。
两个区域R1和R2区域间方差为:
σ2(T)=ρ1(T)(E-E1)2+ρ2(T)(E-E2)2,当σ2取最大值时,可以得出最佳阈值,作为最终的图像分割阈值。
根据最佳阈值,进行图像分割,并对灰度增强后的图像全局二值化,实现基于全局对比度的视觉焦点显著性计算。
在步骤43中,将感兴趣区域的图像由RGB空间转换到HSI颜色空间,以得到感兴趣区域的HIS图像。
将感兴趣区域的RGB图像转换到HSI颜色空间,利用HSI空间中的亮度、色度和饱和度的可分离特性,分别突出候选目标(红、黄、绿交通信号灯)的亮度显著性、色度显著性和饱和度显著性。
HSI颜色空间的转换公式如式(7)、式(8)、式(9)和式(10)所示。
其中,R、G和B分别为感兴趣区域的像素点的R值、G值和B值。
采集交通信号灯红、绿、黄颜色样本,分别用直方图统计的其H、S、I分量值,设各分量的色度阈值为0<TH1<TH3<TH4<TH2<1,饱和度阈值TS∈[0,1],亮度阈值TI∈[0,1]。其中,TH1、TH2、TH3、TH4为色度阈值,TS为饱和度阈值,TI为亮度阈值。
在一个实施例中,可将TH1设为0.05,TH2设为0.9,TH3设为0.4,TH4设为0.6。
根据HIS图像,以及色度阈值、饱和度阈值和亮度阈值,获取交通信号灯候选区域图像f。在一个实施例中,交通信号灯候选区域图像f如式(11)所示。
其中,fR,fG,fY分别为红色,绿色和黄色交通信号灯候选区域。
在步骤44中,对HIS图像进行形状分割。
根据实际交通信号灯的长宽比属性和面积属性,进行形状分割,去除噪点。
对于面积属性,设定一面积阈值,例如,面积阈值设定为20个像素点。由此,将交通信号灯候选区域图像的图像块与该面积阈值相比,若图像块的面积小于面积阈值,则将该图像块去除,以去除噪点。
在本公开的实施例中,可将面积阈值设置为较小的值,用以过滤掉一些孤立的点和一些很小的图像块。
对于长宽比属性,图像块的最小外接矩形是依据图像块的X向最大距离和Y向最大距离为长和宽的矩形。长宽比即该最小外接矩形的长度与宽度之比。根据实际交通信号灯的情况,可将长宽比设为2.2至2.8之间的任意值,从而保留长宽比为2.2至2.8范围内的图像块。
在步骤45中,采用预设模板图像,对形状分割后的图像进行交通信号灯特征匹配,识别交通信号灯。
交通信号灯将进行了去噪处理的交通信号灯候选区域图像作为原始图像。根据式(12)计算原始图像的待匹配区域和预设模板图像的匹配程度。根据式(12),模板图像在原始图像中滑动,并计算其归一化的匹配程度。
其中,P表示匹配结果,是一个0到1之间的值,T'表示模板图像,I表示原始图像,(x′,y′)表示模板中的坐标,(x+x′,y+y′)表示原始图像中的坐标。
上式表示模板图像在原始图像中滑动,并计算其归一化的匹配程度。如果待匹配区域和模板图像的匹配结果大于阈值R,则确认待匹配区域为交通信号灯,并且其状态和模板图像相同。
根据获取的交通信号灯和摄像头采集到的深度图像,获取交通信号灯的识别结果。
在本公开的实施例中,交通信号灯的识别结果包括:交通信号灯与摄像头的距离信息和交通信号灯的颜色信息。
本公开实施例中,在进行交通信号灯识别时,改进了基于HSI颜色空间中的阈值分割算法,在HSI的各分量空间中,结合最大类间方差法自适应阈值分割,分割出道路标线信息,并将分割图像与边缘检测信息融合处理,提高了识别效率和准确率。且在停止线识别的基础上,进行感兴趣区域的处理,并结合深度图像进行目标识别,在保证系统实时性的同时,提升了其识别目标的准确度。
继续参见图1,在步骤16中,根据停止线识别结果和交通信号灯识别结果,进行行车提醒。
在本公开的实施例中,行车提醒可包括:输出相关提示信息、进行预警等。例如,可将停止线与车辆的距离输出,以提示驾驶者。
参见图5,在本公开的一实施例根据停止线识别结果和交通信号灯识别结果,进行行车提醒包括以下步骤:
在步骤51中,根据道路图像的深度信息和识别出的停止线,获取停止线与车辆的距离。
在步骤52中,根据识别出的交通信号灯,获取交通信号灯的颜色状态。
在步骤53中,根据停止线与车辆的距离和交通信号灯的颜色状态,进行行车提醒。
本公开的一实施例中,根据交通信号灯检测过程的充分程度,并结合从道路图像中提取的车辆与停止线的距离信息、交通信号灯的颜色状态信息、红绿灯周期信息、交通信号灯与摄像头的距离信息、车辆的车速信息、车辆的转向角度信息,将行车提醒分为精确的行车提醒和简略的行车提醒。
其中,停止线的距离信息、交通信号灯的颜色信息、红绿灯周期信息和交通信号灯与摄像头的距离信息可从停止线和交通信号灯的识别结果中获取。车辆的车速信息可通过车辆的轮速传感器获取,车辆的转向角度信息可通过车辆的方向盘转角传感器获取。
在一个实施例中,当能够连续稳定地侦测到交通信号灯目标,直至获得完整的红绿灯周期时,执行精确的行车提醒,否则,执行简略的行车提醒。完整的红绿灯周期是指道路交通信号灯的红灯、黄灯、绿灯三者全部显示一遍所用时长。
参见图6,本公开一实施例的精确的行车提醒包括以下步骤:
在步骤61中,获取车辆的车速信息。
车速信息可通过车辆的轮速传感器获得。
在步骤62中,根据停止线与车辆的距离和车速信息,获取车辆到达停止线时交通信号灯的颜色状态。
在步骤63中,若车辆到达停止线时交通信号灯的颜色状态为红灯,则在车辆与停止线的距离小于预设预警距离,且车辆的转向角度小于预设角度时,发出报警提示和/或发出减速信号;若车辆到达停止线时交通信号灯的颜色状态为黄灯,则在车辆与停止线的距离小于预设预警距离时,发出预警提示信息。
在实际中,精确的行车提醒可适用于车辆行驶缓慢的城市中心道路以及主干道。
车辆行驶过程中,对前方道路路况进行实时检测,根据交通信号灯的识别结果,在摄像头采集到包含交通信号灯图像并锁定交通信号灯目标后,即开始计时,直至获得一个红绿灯周期,得到红绿灯周期后,计算每种颜色的交通信号灯的持续时间。
在一个实施例中,当检测到停止线并且检测到交通信号灯时,根据停止线的识别结果,获取车辆到停止线的距离R1。
根据车辆的实时车速信息Vr和车辆到停止线的距离R1,可获得车辆到达停止线的时间t1。
根据时间t1和红绿灯周期,可估计出车辆(前轮)到达停止线后的交通信号灯状态。若交通信号灯的状态为红灯,则当检测到的停止线与车辆之间的距离小于预设预警距离(例如,30米至50米),且车辆的转向角度小于预设角度(例如,±30度)时,车辆发出报警提示和/或发出减速信号。
若交通信号灯的状态为黄灯,则当检测到停止线与车辆之间的距离小于预设预警距离时,发出预警提示信息。预警提示信息可为语音提示、方向盘震动提示等。
在本公开的一实施例中,可通过车辆的扬声器播放对应的提示语音。发动机系统可根据减速信号,控制输出功率以使使车辆减速。
参见图7,为本公开一实施例的简略的行车提醒的流程示意图,其包括以下步骤:
在步骤71中,在停止线与车辆的距离小于预设预警距离时,若交通信号灯的颜色状态为红灯,则发出报警提示和/或发出减速信号。
在步骤72中,在停止线与车辆的距离小于预设预警距离时,若交通信号灯的颜色状态为黄灯,则发出预警提示信息。
在实际中,简略的行车提醒可适用于车流量较少,车辆行驶速度相对较高的快速路、次干道或支干道。在车辆快速通过交通路口的情况下,摄像头不能获得充足的时间捕获交通信号灯的信息,因而一般不能获得路口红绿灯的周期,此时,进行粗略的行车提醒。
根据检测到的停止线与车辆的距离进行判断,当距离小于预设预警距离时,检测交通信号灯的显示状态,若交通信号灯的状态为红灯,则发出报警提示并发出减速信号。若交通信号灯的状态为黄灯,则发出预警提示信息。报警提示和预警提示信息均可为声光提醒。在本公开的一实施例中,可通过车辆的扬声器播放对应的提示语音。发动机系统可根据减速信号,控制输出功率以使使车辆减速。
在其它实施例中,还可根据交通信号灯的识别结果,获取车辆到交通信号灯垂直于地面中心点的直线距离R2。并根据车辆的实时车速信息Vr与车辆到交通信号灯垂直于地面中心点的直线距离R2,获得车辆到达交通信号灯的时间t2。
在实际中,交通路口可包括:停止线、停车让行线、减速让行线等。一般的,停止线为单根实线;停车让行线为双排实线;减速让行线为双排虚线。
当车辆接近交通路口时,根据停止线的识别结果,若识别到停止线,则按照上述的行车提醒进行提醒。当车辆接近交通路口时,若检测到双排实线,则按照停车让行线的逻辑进行处理,向整车发送则发出预警提示。当车辆接近交通路口时,若检测到双排虚线,则按照减速让行线的逻辑进行处理,向整车发送则发出预警提示,并由发出减速信号。
当遇到有两排停止线的情况时,可通过语音提示提醒驾驶员,在交通灯为红灯状态的情况下,提醒驾驶员在第一排停止线前停车。
本公开实施例的基于停止线的行车提醒方法,通过实时采集车辆前方的道路图像,对道路图像进行停止线识别和交通信号灯识别,并结合车辆的运行信息,进行相应的判断,为驾驶员在穿越路口时,进行不同的状况下的行车提醒,大大提高了驾驶员行车判断的准确率;其中对交通灯的识别是基于停止线的识别结果,避免了识别过程中的大部分干扰信息,使得判别结果更加准确合理;同时,即使驾驶员判断失误执意勉强穿越路口,可根据预设预警距离,实现自动控制车辆减速制动,避免汽车碰撞事故的发生,保证了驾驶员和他人的人生安全。另一方面,根据采集的道路图像进行提醒,降低了实施复杂度。
参见图8,为本公开一实施例的基于停止线的行车提醒装置的结构示意图。该行车提醒装置800包括:
图像采集模块801,用于实时采集道路图像;
预处理模块802,用于对采集的道路图像进行预处理;
停止线识别模块803,用于根据预处理后的图像,进行停止线识别;
目标图像确定模块804,用于根据停止线识别结果,确定目标图像;
交通信号灯识别模块805,用于在目标图像中确定感兴趣区域,以进行交通信号灯识别;
提醒控制模块806,用于根据停止线识别结果和交通信号灯识别结果,进行行车提醒。
在一个实施例中,停止线识别模块803包括:
逆透视变换子模块8031,用于对预处理后的图像进行逆透视变换,得到道路的逆透视灰度图像;
滤波子模块8032,用于对逆透视灰度图像进行卷积滤波;
停止线候选区域获取子模块8033,用于将图像灰度发生跳变的上升沿和下降沿信息进行匹配,获取停止线候选区域;
膨胀处理子模块8034,用于对停止线候选区域进行形态学膨胀处理;
停止线识别子模块8035,用于利用hough变换进行直线检测,识别停止线。
在一个实施例中,交通信号灯识别模块805包括:
感兴趣区域确定子模块8051,用于根据交通信号灯在道路图像中出现的高频位置,确定目标图像中的感兴趣区域;
二值图像生成子模块8052,用于采用最大类间方差法对感兴趣区域的灰度图进行自适应阈值分割,生成二值图像;
HIS图像获取子模块8053,用于将感兴趣区域的图像由RGB空间转换到HSI颜色空间,以得到感兴趣区域的HIS图像;
分割子模块8054,用于对HIS图像进行形状分割;
交通信号灯识别子模块8055,用于采用预设模板图像,对形状分割后的图像进行交通信号灯特征匹配,识别交通信号灯。
在一个实施例中,提醒控制模块806包括:
第一距离获取子模块8061,用于根据道路图像的深度信息和识别出的停止线,获取停止线与车辆的距离;
颜色状态获取子模块8062,用于根据识别出的交通信号灯,获取交通信号灯的颜色状态;
第一行车提醒子模块8063,用于根据停止线与车辆的距离和交通信号灯的颜色状态,进行行车提醒。
在一个实施例中,第一行车提醒子模块8063,用于在停止线与车辆的距离小于预设预警距离时,若交通信号灯的颜色状态为红灯,则发出报警提示和/或发出减速信号;在停止线与车辆的距离小于预设预警距离时,若交通信号灯的颜色状态为黄灯,则发出预警提示信息。
在一个实施例中,第一行车提醒子模块8063,用于获取车辆的车速信息;根据距离和车速信息,获取车辆到达停止线时交通信号灯的颜色状态;若车辆到达停止线时交通信号灯的颜色状态为红灯,则在车辆与停止线的距离小于预设预警距离,且车辆的转向角度小于预设角度时,发出报警提示和/或发出减速信号;若车辆到达停止线时交通信号灯的颜色状态为黄灯,则在车辆与停止线的距离小于预设预警距离时,发出预警提示信息。
在一个实施例中,预处理模块802,用于对采集的图像进行灰度变换和灰度动态范围调整,以及进行形态学顶帽操作。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于行车提醒方法的装置900的框图。例如,装置900可以被提供为车辆。参照图9,装置900包括:电子控制单元901、图像采集装置902、处理器903、汽车刹车系统904、方向盘转角传感器905、轮速传感器906、发动机系统907和CAN总线908。
图像采集装置902可用于执行上述道路图像的实时采集。处理器903可用于执行停止线和交通信号灯的识别。电子控制单元901可根据识别结果执行行车提醒。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (9)
1.一种行车提醒方法,其特征在于,包括:
实时采集道路图像;
对采集的道路图像进行预处理;
根据预处理后的图像,进行停止线识别;
根据停止线识别结果,确定目标图像;
在目标图像中确定感兴趣区域,以进行交通信号灯识别;
根据停止线识别结果和交通信号灯识别结果,进行行车提醒;
所述根据停止线识别结果和交通信号灯识别结果,进行行车提醒的步骤包括:
根据道路图像的深度信息和识别出的停止线,获取停止线与车辆的距离;
根据识别出的交通信号灯,获取交通信号灯的颜色状态;
根据所述停止线与车辆的距离和所述交通信号灯的颜色状态,进行行车提醒的步骤包括:获取车辆的车速信息;根据所述停止线与车辆的距离和所述车速信息,获取车辆到达停止线时交通信号灯的颜色状态;若车辆到达停止线时交通信号灯的颜色状态为红灯,则在车辆与停止线的距离小于预设预警距离,且车辆的转向角度小于预设角度时,发出报警提示和/或发出减速信号;若车辆到达停止线时交通信号灯的颜色状态为黄灯,则在车辆与停止线的距离小于预设预警距离时,发出预警提示信息。
2.根据权利要求1所述的方法,其特征在于,所述根据预处理后的图像进行停止线识别的步骤包括:
对预处理后的图像进行逆透视变换,得到道路的逆透视灰度图像;
对逆透视灰度图像进行卷积滤波;
将图像灰度发生跳变的上升沿和下降沿信息进行匹配,获取停止线候选区域;
对停止线候选区域进行形态学膨胀处理;
利用hough变换进行直线检测,识别停止线。
3.根据权利要求1所述的方法,其特征在于,所述在目标图像中确定感兴趣区域,以进行交通信号灯识别的步骤包括:
根据交通信号灯在道路图像中出现的高频位置,确定目标图像中的感兴趣区域;
采用最大类间方差法对感兴趣区域的灰度图进行自适应阈值分割,生成二值图像;
将感兴趣区域的图像由RGB空间转换到HSI颜色空间,以得到感兴趣区域的HIS图像;
对HIS图像进行形状分割;
采用预设模板图像,对形状分割后的图像进行交通信号灯特征匹配,识别交通信号灯。
4.根据权利要求1-3任一项权利要求所述的方法,其特征在于,所述对采集的道路图像进行预处理的步骤包括:
对采集的图像进行灰度变换和灰度动态范围调整,以及进行形态学顶帽操作。
5.一种行车提醒装置,其特征在于,包括:
图像采集模块,用于实时采集道路图像;
预处理模块,用于对采集的道路图像进行预处理;
停止线识别模块,用于根据预处理后的图像,进行停止线识别;
目标图像确定模块,用于根据停止线识别结果,确定目标图像;
交通信号灯识别模块,用于在目标图像中确定感兴趣区域,以进行交通信号灯识别;
提醒控制模块,用于根据停止线识别结果和交通信号灯识别结果,进行行车提醒;
所述提醒控制模块包括:
第一距离获取子模块,用于根据道路图像的深度信息和识别出的停止线,获取停止线与车辆的距离;
颜色状态获取子模块,用于根据识别出的交通信号灯,获取交通信号灯的颜色状态;
第一行车提醒子模块,用于获取车辆的车速信息;根据所述距离和所述车速信息,获取车辆到达停止线时交通信号灯的颜色状态;若车辆到达停止线时交通信号灯的颜色状态为红灯,则在车辆与停止线的距离小于预设预警距离,且车辆的转向角度小于预设角度时,发出报警提示和/或发出减速信号;若车辆到达停止线时交通信号灯的颜色状态为黄灯,则在车辆与停止线的距离小于预设预警距离时,发出预警提示信息。
6.根据权利要求5所述的装置,其特征在于,所述停止线识别模块包括:
逆透视变换子模块,用于对预处理后的图像进行逆透视变换,得到道路的逆透视灰度图像;
滤波子模块,用于对逆透视灰度图像进行卷积滤波;
停止线候选区域获取子模块,用于将图像灰度发生跳变的上升沿和下降沿信息进行匹配,获取停止线候选区域;
膨胀处理子模块,用于对停止线候选区域进行形态学膨胀处理;
停止线识别子模块,用于利用hough变换进行直线检测,识别停止线。
7.根据权利要求5所述的装置,其特征在于,所述交通信号灯识别模块包括:
感兴趣区域确定子模块,用于根据交通信号灯在道路图像中出现的高频位置,确定目标图像中的感兴趣区域;
二值图像生成子模块,用于采用最大类间方差法对感兴趣区域的灰度图进行自适应阈值分割,生成二值图像;
HIS图像获取子模块,用于将感兴趣区域的图像由RGB空间转换到HSI颜色空间,以得到感兴趣区域的HIS图像;
分割子模块,用于对HIS图像进行形状分割;
交通信号灯识别子模块,用于采用预设模板图像,对形状分割后的图像进行交通信号灯特征匹配,识别交通信号灯。
8.根据权利要求5-7任一项权利要求所述的装置,其特征在于,所述预处理模块,用于对采集的图像进行灰度变换和灰度动态范围调整,以及进行形态学顶帽操作。
9.一种车辆,其特征在于,包括上述权利要求5-8任一项所述的行车提醒装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610871936.0A CN107891808B (zh) | 2016-09-30 | 2016-09-30 | 行车提醒方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610871936.0A CN107891808B (zh) | 2016-09-30 | 2016-09-30 | 行车提醒方法、装置及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107891808A CN107891808A (zh) | 2018-04-10 |
CN107891808B true CN107891808B (zh) | 2020-06-19 |
Family
ID=61802467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610871936.0A Active CN107891808B (zh) | 2016-09-30 | 2016-09-30 | 行车提醒方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107891808B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781584B (zh) * | 2017-01-22 | 2019-12-31 | 英华达(上海)科技有限公司 | 红绿灯变换提示方法 |
CN110827558B (zh) * | 2018-06-19 | 2020-12-22 | 嘉兴觅特电子商务有限公司 | 基于车速、高亮区域高度和图像的交通信号灯识别装置 |
CN109159667A (zh) * | 2018-07-28 | 2019-01-08 | 上海商汤智能科技有限公司 | 智能驾驶控制方法和装置、车辆、电子设备、介质、产品 |
CN109849922B (zh) * | 2018-12-25 | 2020-08-04 | 青岛中汽特种汽车有限公司 | 一种用于智能车辆的基于视觉信息与gis信息融合的方法 |
CN110008862B (zh) * | 2019-03-22 | 2021-03-30 | 哈尔滨工业大学(深圳) | 一种车辆目标检测方法及相关装置 |
CN110191561A (zh) * | 2019-06-24 | 2019-08-30 | 信利光电股份有限公司 | 一种基于tof的路口灯光控制方法及系统 |
CN113361299B (zh) * | 2020-03-03 | 2023-08-15 | 浙江宇视科技有限公司 | 一种异常停车的检测方法、装置、存储介质及电子设备 |
CN111476729B (zh) * | 2020-03-31 | 2023-06-09 | 北京三快在线科技有限公司 | 一种目标识别的方法及装置 |
CN113619595A (zh) * | 2020-05-08 | 2021-11-09 | 上海汽车集团股份有限公司 | 一种辅助驾驶方法、装置及系统 |
CN112489466B (zh) * | 2020-11-27 | 2022-02-22 | 恒大新能源汽车投资控股集团有限公司 | 交通信号灯识别方法和装置 |
CN112580571A (zh) * | 2020-12-25 | 2021-03-30 | 北京百度网讯科技有限公司 | 车辆行驶的控制方法、装置及电子设备 |
CN113947917B (zh) * | 2021-09-23 | 2023-10-24 | 联想(北京)有限公司 | 信号显示装置的提示方法及装置、设备、存储介质 |
CN117292360B (zh) * | 2023-11-24 | 2024-02-09 | 福思(杭州)智能科技有限公司 | 交通信号灯识别方法和装置、存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102556043A (zh) * | 2011-12-12 | 2012-07-11 | 浙江吉利汽车研究院有限公司 | 一种基于交通灯识别的汽车控制系统及其控制方法 |
CN103268072A (zh) * | 2013-05-27 | 2013-08-28 | 重庆市科学技术研究院 | 一种基于机器视觉的缩微车、缩微车控制系统及控制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008033617A (ja) * | 2006-07-28 | 2008-02-14 | Tokai Rika Co Ltd | 交差点安全走行システム |
US10318824B2 (en) * | 2014-07-23 | 2019-06-11 | GM Global Technology Operations LLC | Algorithm to extend detecting range for AVM stop line detection |
US9707960B2 (en) * | 2014-07-31 | 2017-07-18 | Waymo Llc | Traffic signal response for autonomous vehicles |
CN104361350B (zh) * | 2014-10-28 | 2017-12-12 | 奇瑞汽车股份有限公司 | 一种交通标识识别系统 |
CN104504364B (zh) * | 2014-11-23 | 2017-10-10 | 北京联合大学 | 基于时空关联的停止线实时识别与测距方法 |
CN104494598B (zh) * | 2014-11-23 | 2017-03-29 | 北京联合大学 | 一种用于智能车辆的路口行驶控制方法 |
CN105825696B (zh) * | 2016-04-18 | 2017-12-22 | 吉林大学 | 基于信号灯信息提示的驾驶辅助系统 |
-
2016
- 2016-09-30 CN CN201610871936.0A patent/CN107891808B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102556043A (zh) * | 2011-12-12 | 2012-07-11 | 浙江吉利汽车研究院有限公司 | 一种基于交通灯识别的汽车控制系统及其控制方法 |
CN103268072A (zh) * | 2013-05-27 | 2013-08-28 | 重庆市科学技术研究院 | 一种基于机器视觉的缩微车、缩微车控制系统及控制方法 |
Non-Patent Citations (2)
Title |
---|
基于视觉的交通信号灯检测与识别系统的设计与实现;孟江曼;《中国优秀硕士学位论文全文数据库信息科技辑》;20160315;I138-7429,正文第13-53页 * |
道路交通标线的检测算法研究;介炫惠;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130215;正文第35-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107891808A (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107891808B (zh) | 行车提醒方法、装置及车辆 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
US8611598B2 (en) | Vehicle obstacle detection system | |
Siogkas et al. | Traffic lights detection in adverse conditions using color, symmetry and spatiotemporal information | |
CN109389064B (zh) | 一种车辆特征获取方法及装置 | |
CN106647776B (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
EP1671216B1 (en) | Moving object detection using low illumination depth capable computer vision | |
CN105206109B (zh) | 一种基于红外ccd的车辆雾天识别预警系统及方法 | |
CN108021856B (zh) | 车辆尾灯识别方法、装置及车辆 | |
Yan et al. | A method of lane edge detection based on Canny algorithm | |
US10565438B2 (en) | Vehicle periphery monitor device | |
Lee et al. | Stereo vision–based vehicle detection using a road feature and disparity histogram | |
CN106679633B (zh) | 一种车载测距系统及方法 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN108197523B (zh) | 基于图像转换及轮廓邻域差异的夜间车辆检测方法及系统 | |
Arenado et al. | Monovision‐based vehicle detection, distance and relative speed measurement in urban traffic | |
CN104657735A (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
Liu et al. | Lane detection algorithm based on local feature extraction | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN112699267B (zh) | 车辆车型的识别方法 | |
Lin et al. | Adaptive IPM-based lane filtering for night forward vehicle detection | |
Kuo et al. | Vision-based vehicle detection in the nighttime | |
Sung et al. | Real-time traffic light recognition on mobile devices with geometry-based filtering | |
Chen | Road vehicle recognition algorithm in safety assistant driving based on artificial intelligence | |
Wen et al. | A rear-vehicle detection system for static images based on monocular vision |
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 |