CN108052921A - 一种车道线检测方法、装置及终端 - Google Patents
一种车道线检测方法、装置及终端 Download PDFInfo
- Publication number
- CN108052921A CN108052921A CN201711448447.5A CN201711448447A CN108052921A CN 108052921 A CN108052921 A CN 108052921A CN 201711448447 A CN201711448447 A CN 201711448447A CN 108052921 A CN108052921 A CN 108052921A
- Authority
- CN
- China
- Prior art keywords
- doubtful
- area
- region
- highlighted
- vehicle 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.)
- Granted
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
Abstract
本申请提供一种车道线检测方法、装置及终端,应用于辅助驾驶技术领域,所述方法包括:确定待检测图像中的高亮特征区域;根据所述高亮特征区域的属性信息与第一预设条件,确定所述高亮特征区域中的干扰区域;按照预设规则对所述待检测图像进行处理,得到所述待检测图像的二值化图像,其中,所述预设规则包括:将像素值大于预设阈值,且位于所述干扰区域中的像素点的像素值置为0;在所述二值化图像中检测得到直线;将满足第二预设条件的直线确定为车道线。应用该方法,可以实现尽可能地避免图像中的高亮特征区域对车道线的检测造成干扰,提高车道线检测结果的准确度。
Description
技术领域
本申请涉及辅助驾驶技术领域,尤其涉及一种车道线检测方法、装置及终端。
背景技术
车道偏离预警系统可以通过报警的方式辅助驾驶员减少因车道偏离而发生交通事故,而在车道偏离预警系统的工作流程中,车道线检测识别是一项尤其重要的环节。
目前,主要利用车道线的直线特性在道路图像中识别出车道线,具体的,可以对道路图像的灰度图像进行二值化处理,得到二值化图像,然后再利用霍夫线检测方式在该二值化图像上检测出直线,最后,通过直线距离以及倾斜角度这两个参数对检测出的直线进行筛选,以确定出车道线。
然而,在实际应用中,强光会对车道线检测造成干扰,例如,在夜间场景下,车身以及地面在车灯照射下将出现反光,那么,在道路图像的灰度图像中,车灯照射区域与反光区域都将呈现为高亮区域;又例如,在雨天场景下,道路上部分区域也可能出现反光,那么,在道路图像的灰度图像中,道路上部分区域也将呈现为高亮区域。然而,后续对道路图像的灰度图像进行二值化处理时,这些高亮区域中的像素点由于灰度值较高,因此都将被认定为前景像素点,而车道线上的像素点则由于灰度值较低,而被认定为背景像素点,因此,后续基于二值化图像进行车道线检测将无法检测出正确的车道线。
发明内容
有鉴于此,为了解决现有技术中由于强光干扰,道路图像中存在高亮区域,导致后续基于二值化图像并无法检测出正确车道线的问题,本申请提供一种车道线检测方法、装置及终端,以实现尽可能地避免图像中的高亮区域对车道线的检测造成干扰,提高车道线检测结果的准确度。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种车道线检测方法,所述方法包括:
确定待检测图像中的高亮特征区域;
根据所述高亮特征区域的属性信息与第一预设条件,确定所述高亮特征区域中的干扰区域;
按照预设规则对所述待检测图像进行处理,得到所述待检测图像的二值化图像,其中,所述预设规则包括:将像素值大于预设阈值,且位于所述干扰区域中的像素点的像素值置为0;
在所述二值化图像中检测得到直线;
将满足第二预设条件的直线确定为车道线。
在一实施例中,所述高亮特征区域的属性信息包括:所述高亮特征区域的面积与圆度;
所述第一预设条件包括:所述高亮特征区域的面积属于预设面积范围,且所述高亮特征区域的圆度大于预设圆度阈值;
所述根据所述高亮特征区域的属性信息与第一预设条件确定所述高亮特征区域中的干扰区域,包括:
将属性信息满足第一预设条件的高亮特征区域确定为疑似车灯区域;
根据高亮特征区域之间的位置关系,在除所述疑似车灯区域以外的其他高亮特征区域中,确定所述疑似车灯区域对应的疑似路面反光区域;
在所述疑似车灯区域,和/或所述疑似路面反光区域中确定所述干扰区域。
在一实施例中,所述根据高亮特征区域之间的位置关系,在除所述疑似车灯区域以外的其他高亮特征区域中,确定所述疑似车灯区域对应的疑似路面反光区域,包括:
确定所述疑似车灯区域的第一质心坐标与第一方向角;
确定除所述疑似车灯区域以外的其他高亮特征区域的第二质心坐标与第二方向角;
将与所述疑似车灯区域之间满足预设约束条件的其他高亮特征区域确定为所述疑似车灯区域对应的疑似路面反光区域;
其中,所述预设约束条件包括:第二质心坐标与第一质心坐标之间满足预设质心约束条件,且第二方向角与第一方向角之间满足预设方向角约束条件。
在一实施例中,所述在所述疑似车灯区域和/或所述疑似路面反光区域中确定所述干扰区域,包括:
按照圆度从大到小的顺序,对所述疑似车灯区域进行排序;
根据排序结果,选取排在前面的第一预设数量的疑似车灯区域,以及所选取的疑似车灯区域对应的疑似路面反光区域作为所述干扰区域。
在一实施例中,所述高亮特征区域的属性信息还包括:所述高亮特征区域的质心坐标;
所述在所述疑似车灯区域和/或所述疑似路面反光区域中确定所述干扰区域,包括:
确定所述疑似车灯区域的质心坐标;
将所述疑似车灯区域两两组合;
将同一组中的,质心坐标之间满足第三预设条件的两个疑似车灯区域确定为所述干扰区域。
在一实施例中,所述高亮特征区域的属性信息包括:所述高亮特征区域的质心坐标、方向角;
所述第一预设条件包括:两个高亮特征区域的质心坐标之间的欧式距离小于第一预设距离阈值且大于第二预设距离阈值,且所述两个高亮特征区域的方向角之间的差值小于预设方向角阈值;
所述根据所述高亮特征区域的属性信息与第一预设条件确定所述高亮特征区域中的干扰区域,包括:
将所述高亮特征区域两两组合;
将同一组中的,属性信息满足所述第一预设条件的两个高亮特征区域确定为疑似灯光带区域;
在所述疑似灯光带区域中确定所述干扰区域。
在一实施例中,所述在所述疑似灯光带区域中确定所述干扰区域,包括:
按照质心坐标之间的距离从小到大的顺序,对所述组进行排序;
根据排序结果,选取排在前面的第二预设数量的组中的疑似灯光带区域作为所述干扰区域。
根据本申请实施例的第二方面,提供一种车道线检测装置,所述装置包括:
特征区域确定模块,用于确定待检测图像中的高亮特征区域;
干扰区域确定模块,用于根据所述高亮特征区域的属性信息与第一预设条件,确定所述高亮特征区域中的干扰区域;
二值化模块,用于按照预设规则对所述待检测图像进行处理,得到所述待检测图像的二值化图像,其中,所述预设规则包括:将像素值大于预设阈值,且位于所述干扰区域中的像素点的像素值置为0;
直线检测模块,用于在所述二值化图像中检测得到直线;
车道线检测模块,用于将满足第二预设条件的直线确定为车道线。
在一实施例中,所述高亮特征区域的属性信息包括:所述高亮特征区域的面积与圆度;
所述第一预设条件包括:所述高亮特征区域的面积属于预设面积范围,且所述高亮特征区域的圆度大于预设圆度阈值;
所述干扰区域确定模块包括:
第一确定子模块,用于将属性信息满足第一预设条件的高亮特征区域确定为疑似车灯区域;
第二确定子模块,用于根据高亮特征区域之间的位置关系,在除所述疑似车灯区域以外的其他高亮特征区域中,确定所述疑似车灯区域对应的疑似路面反光区域;
第三确定子模块,用于在所述疑似车灯区域,和/或所述疑似路面反光区域中确定所述干扰区域。
在一实施例中,所述第二确定子模块包括:
第一属性确定子模块,用于确定所述疑似车灯区域的第一质心坐标与第一方向角;
第二属性确定子模块,用于确定除所述疑似车灯区域以外的其他高亮特征区域的第二质心坐标与第二方向角;
反光区域确定子模块,用于将与所述疑似车灯区域之间满足预设约束条件的其他高亮特征区域确定为所述疑似车灯区域对应的疑似路面反光区域;
其中,所述预设约束条件包括:第二质心坐标与第一质心坐标之间满足预设质心约束条件,且第二方向角与第一方向角之间满足预设方向角约束条件。
在一实施例中,所述第三确定子模块包括:
第一排序子模块,用于按照圆度从大到小的顺序,对所述疑似车灯区域进行排序;
第一选取子模块,用于根据排序结果,选取排在前面的第一预设数量的疑似车灯区域,以及所选取的疑似车灯区域对应的疑似路面反光区域作为所述干扰区域。
在一实施例中,所述高亮特征区域的属性信息还包括:所述高亮特征区域的质心坐标;
所述第三确定子模块包括:
坐标确定子模块,用于确定所述疑似车灯区域的质心坐标;
第一组合子模块,用于将所述疑似车灯区域两两组合;
第四确定子模块,用于将同一组中的,质心坐标之间满足第三预设条件的两个疑似车灯区域确定为所述干扰区域。
在一实施例中,所述高亮特征区域的属性信息包括:所述高亮特征区域的质心坐标、方向角;
所述第一预设条件包括:两个高亮特征区域的质心坐标之间的欧式距离小于第一预设距离阈值且大于第二预设距离阈值,且所述两个高亮特征区域的方向角之间的差值小于预设方向角阈值;
所述干扰区域确定模块包括:
第二组合子模块,用于将所述高亮特征区域两两组合;
灯光带确定子模块,用于将同一组中的,属性信息满足所述第一预设条件的两个高亮特征区域确定为疑似灯光带区域;
第五确定子模块,用于在所述疑似灯光带区域中确定所述干扰区域。
在一实施例中,所述第五确定子模块包括:
第二排序子模块,用于按照质心坐标之间的距离从小到大的顺序,对所述组进行排序;
第二选取子模块,用于根据排序结果,选取排在前面的第二预设数量的组中的疑似灯光带区域作为所述干扰区域。
根据本申请实施例的第三方面,提供一种车道线检测终端,包括存储器、处理器、通信接口、摄像头组件,以及通信总线;
其中,所述存储器、处理器、通信接口、摄像头组件通过所述通信总线进行相互间的通信;
所述摄像头组件,用于采集待检测图像,并通过所述通信总线将所述待检测图像发送至所述处理器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的计算机程序,所述处理器执行所述计算机程序时对所述待检测图像实现本申请实施例提供的任一车道线检测方法的步骤。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例提供的任一车道线检测方法的步骤。
由上述实施例可见,通过确定待检测图像中的高亮特征区域,根据高亮特征区域的属性信息与第一预设条件,确定高亮特征区域中的干扰区域,按照预设规则对待检测图像进行处理,得到待检测图像的二值化图像,其中,该规则包括:将像素值大于预设阈值,且位于干扰区域中的像素点的像素值置为0;在二值化图像中检测得到直线,将满足第二预设条件的直线确定为车道线。
由于根据高亮特征区域的属性信息与第一预设条件确定干扰区域的过程中,充分结合实际场景中的车灯照射区域、路面反光区域的特点,在高亮特征区域中筛选出干扰区域,从而使得确定出的干扰区域即为真实的车灯照射区域与反光区域,后续,在按照预设规则对待检测图像进行处理的过程中,将像素值大于预设阈值,且处于干扰区域中像素点的像素值置为0,也即将处于干扰区域中的像素点确定为背景像素点,以避免干扰区域中的像素点对后续车道线检测造成影响;后续,在二值化图像中检测得到直线后,继续根据干扰区域,并结合真实车道线的空间位置分布情况,在所检测到的直线中筛选出最为可能的直线作为车道线。
综上所述,本申请提供的车道线检测方法可以实现尽可能地避免图像中的高亮区域对车道线的检测造成干扰,提高车道线检测结果的准确度。
附图说明
图1为夜间场景下拍摄到的道路图像的一种示例;
图2为本申请车道线检测方法的一个实施例流程图;
图3为待检测图像的一个示例;
图4为图3所示例的待检测图像中高亮特征区域的一种示例;
图5为本申请车道线检测方法的另一个实施例流程图;
图6为待检测图像的另一个示例;
图7为本申请车道线检测方法的再一个实施例流程图;
图8为图6所示例的待检测图像中高亮特征区域的一种示例;
图9为采用本申请提出的预设规则对图6所示例的待检测图像进行处理,所得到的二值化图像的一种示例;
图10为采用现有技术中的二值化处理过程对图6所示例的待检测图像进行二值化处理,所得到的二值化图像的一种示例;
图11为本申请车道线检测装置的一个实施例框图;
图12为本申请车道线检测装置所在车道线检测终端的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
车道偏离预警系统(Lane Departure Warning System,简称LDWS)是汽车安全辅助驾驶领域的一个重要组成部分,其可以通过报警的方式辅助驾驶员减少甚至避免因车道偏离而发生交通事故,车道线检测识别作为车道偏离预警系统工作流程中的重要环节,其检测结果的准确将直接影响车道偏离预警系统的处理结果。
现有技术中,主要利用车道线的直线特性在道路图像中识别出车道线,然而,在实际应用中,强光会对车道线检测造成干扰。举例来说,图1为夜间场景下拍摄到的道路图像的一种示例,如图1所示,在夜间场景下,由于车灯照射,车身以及地面都将出现反光,车灯照射区域也将呈现出发散的光束,从而,在图1所示例道路图像的灰度图像中,这些反光区域以及发散的光束都将呈现为高亮区域,也即这些区域中像素点的灰度值较高,那么,后续对该灰度图像进行二值化处理时,高亮区域中的像素点都将被认定为前景像素点,而原本车道线上的像素点则由于亮度较低,灰度值较小,而被认定为背景像素点,因此,后续基于二值化图像进行车道线检测将无法检测出正确的车道线,检测结果并不准确。
基于此,本申请提供一种车道线检测方法,以实现尽可能地避免高亮区域对车道线的检测造成干扰,提高车道线检测结果的准确度。
如下,示出下述实施例对本申请提供的车道线检测方法进行说明。
实施例一:
请参见图2,为本申请车道线检测方法的一个实施例流程图,该方法包括以下步骤:
步骤201:确定待检测图像中的高亮特征区域。
首先说明,在本申请实施例中,可以由摄像机采集道路图像,其中,该摄像机可以设置在车辆上,称为车载摄像机,该摄像机可以为双目摄像机,也可以为单目摄像机,本申请对此不作限制,并且,本申请对摄像机的数量也不作限制,可以是一个或者多个。
在本申请实施例中,可以将摄像机采集到的道路图像的灰度图像作为待检测图像,也可以在该灰度图像上划定感兴趣区域,将感兴趣区域对应的部分图像作为待检测图像,本申请对此并不作限制。
以感兴趣区域对应的部分图像作为待检测图像为例,该待检测图像可以如图3所示。本领域技术人员可以理解的是,可以采用多种方式在道路图像的灰度图像上确定感兴趣区域,例如,可以通过人工选框的方式在灰度图像上框定感兴趣区域,又例如,可以通过预设的高度比例(例如下3/4部分)在灰度图像上截取感兴趣区域,本申请对在灰度图像上确定感兴趣区域的具体过程不做限制。
在本步骤中,可以采用区域增长法、像素聚类法、图像分割法、直方图分布法等方法,在待检测图像中确定高亮特征区域,例如,图4为图3所示例的待检测图像中高亮特征区域的一种示例,在图4中,具有5个高亮特征区域,为了描述方便,将该5个高亮特征区域分别编号为1#、2#、3#、4#、5#。
以采用区域增长法确定高亮特征区域为例,首先,在待检测图像中选取K(K>0)个灰度值大于预设灰度阈值的像素点作为种子像素,然后根据预先确定的生长或相似准则,将种子像素周围邻域中,与种子像素具有相同或相似特征,也即灰度值大于预设的灰度阈值的像素点合并到种子像素所在区域中,新合并的像素点则作为新的种子像素继续向邻域扩展,从而得到高亮特征区域。
关于上述采用区域增长法确定高亮特征区域的描述中不尽详尽之处,本领域技术人员可以参见现有技术中的相关描述,本申请对此不再详述,相应的,采用其他方法确定高亮特征区域的具体过程,本领域技术人员也可以参见现有技术中的相关描述,本申请对此不再详述。
步骤202:根据高亮特征区域的属性信息与第一预设条件,确定高亮特征区域中的干扰区域。
在一应用场景中,若车辆距离摄像机较近,那么,在待检测图像中,车灯照射区域、路面上的反光区域将呈现出较为明显的区分,例如,如图3所示例的待检测图像,在该应用场景下,以图3中的高亮特征区域为例,示出下述实施例二对本步骤进行说明,如下:
实施例二:
请参见图5,为本申请车道线检测方法的另一个实施例流程图,该图5所示流程着重描述根据高亮特征区域的属性信息与第一预设条件,确定高亮特征区中的干扰区域的具体实现过程,包括以下步骤:
步骤501:将属性信息满足第一预设条件的高亮特征区域确定为疑似车灯区域。
在本实施例中,考虑到车灯照射区域通常为圆形,且具有一定大小,从而提出根据高亮特征区域的形状、大小判断高亮特征区域是否为车灯照射区域,其中,形状即对应圆度这一属性信息,大小即对应面积这一属性信息,具体的,高亮特征区域的面积即为高亮特征区域中像素点的个数;高亮特征区域的圆度则可以通过下述公式(一)计算得出:
在上述公式(一)中,C表示圆度,s表示高亮特征区域的面积,P表示高亮特征区域的周长,且由圆度的数学意义可知,圆度越接近1,表示区域的形状越接近于圆形。
基于上述描述,在本实施例中可以设定第一预设条件,具体为高亮特征区域的面积属于预设面积范围,例如50~80,且高亮特征区域的圆度大于预设圆度阈值(也即高亮特征区域形状越接近于圆形),本领域技术人员可以理解的是,该预设圆度阈值为大于0小于1的数值,例如为0.9。
在本实施例中,若检测到高亮特征区域的属性信息,即面积与圆度满足上述第一预设条件,则可认为该高亮特征区域可能为车灯照射区域,为了描述方便,在此将可能为车灯照射区域的高亮特征区域称为疑似车灯区域。
举例来说,假设图4中5个高亮特征区域的面积与圆度如下述表1所示:
表1
高亮特征区域 | 面积 | 圆度 |
1# | 60 | 0.95 |
2# | 70 | 0.92 |
3# | 90 | 0.8 |
4# | 100 | 0.7 |
5# | 65 | 0.3 |
基于上述举例的预设面积范围与预设圆度阈值,结合上述表1,可以得知,图4中编号为1#、2#的高亮特征区域的属性信息满足上述第一预设条件,那么,则可以将编号为1#、2#的高亮特征区域确定为疑似车灯区域。
步骤502:根据高亮特征区域之间的位置关系,在除疑似车灯区域以外的其他高亮特征区域中,确定疑似车灯区域对应的疑似路面反光区域。
根据光照的物理原理可知,在车灯照射时,将在地面上呈现出与车灯对应的反光区域,基于此,在本实施例中进一步在高亮特征区域中确定出与疑似车灯区域对应的路面反光区域。具体的,考虑到路面反光区域与其对应的车灯照射区域的主轴方向基本一致,也即方向角基本一致,并且该两个区域之间的距离满足一定约束条件,从而提出根据高亮特征区域的质心坐标与方向角这两个属性信息确定与疑似车灯区域对应的路面反光区域。
具体的,确定每一疑似车灯区域的质心坐标与方向角,为了描述方便,将该质心坐标称为第一质心坐标,将该方向角称为第一方向角,相应的,针对处疑似车灯区域以外的其他每一高亮特征区域,例如图4中所示例的编号为3#、4#、5#的高亮特征区域,确定其质心坐标与方向角,为了描述方便,将该质心坐标称为第二质心坐标,将该方向角称为第二方向角;进一步,判断第一质心坐标与第二质心坐标之间是否满足预设质心约束条件,也即判断疑似车灯区域与其他高亮特征区域之间的距离是否满足距离约束条件,同时判断第一方向角与第二方向角之间是否满足预设方向角约束条件,也即判断疑似车灯区域与其他高亮特征区域之间的主轴方向是否一致,若上述两者都满足,则可以将该其他高亮特征区域确定为该疑似车灯区域对应的路面反光区域。为了描述方便,在此将路面反光区域称为疑似路面反光区域。
其中,上述描述的预设质心约束条件可以为:质心横坐标之间的差值小于预设的横坐标差值阈值,且质心纵坐标之间的差值小于预设的纵坐标差值阈值;上述描述的预设方向角约束条件可以为:方向角之间的差值小于预设的方向角差值阈值。
以图4举例来说,可以以图4的左下角顶点为坐标系原点,水平向右方向为x轴正方向,垂直向上为y轴正方向建立坐标系,并假设疑似车灯区域1#的质心坐标为(x1,y1),方向角为θ1;假设高亮特征区域3#的质心坐标为(x3,y3),方向角为θ3,若|x1-x3|<Tx,|y1-y3|<Ty,|θ1-θ3|<Tθ,那么,则可以将高亮特征区域3#确定为疑似车灯区域1#对应的疑似路面反光区域;同理,可以将高亮特征区域4#确定为疑似车灯区域2#对应的疑似路面反光区域。
步骤503:在疑似车灯区域,和/或疑似路面反光区域中确定干扰区域。
在一实施例中,可以将上述步骤501中确定出的疑似车灯区域,上述步骤502中确定出的疑似路面反光区域直接确定为干扰区域。
在一实施例中,为了避免将上述步骤501中确定出的疑似车灯区域,步骤502中确定出的疑似路面反光区域均确定为干扰区域过于绝对,导致后续将真实车道线上的像素点删除掉,提出了进一步确定步骤501中所确定出的疑似车灯区域与真实车灯区域的匹配性,继而选取出匹配性较高的疑似车灯区域作为干扰区域,将与所选取出的疑似车灯区域对应的疑似路面反光区域也作为干扰区域。
在一可选的实现方式中,可以根据圆度选取出匹配性较高的疑似车灯区域。具体的,可以将疑似车灯区域按照圆度从大到小的顺序进行排序,根据排序结果,选取排在前面的第一预设数量的疑似车灯区域作为干扰区域,并将所选取的疑似车灯区域对应的疑似路面反光区域也一并作为干扰区域。
举例来说,继续以图4为例,假设疑似车灯区域1#的圆度为0.9,疑似车灯区域2#的圆度为0.7,那么按照圆度从大到小的顺序进行排序,排序结果为疑似车灯区域1#、疑似车灯区域2#,假设上述第一预设数量为1,那么,则将疑似车灯区域1#确定为干扰区域,并将疑似车灯区域1#对应的疑似路面反光区域3#也一并确定为干扰区域。
至此,完成实施例二的相关描述。
在另一应用场景中,若车辆距离摄像机较远,那么,由于光线发散以及摄像机参数等因素的影响,在待检测图像中,车灯照射区域与路面上的部分反光区域将连成一块区域,为了描述方便,将该类型的区域称为灯光带区域,例如,如图6所示例的待检测图像,在该应用场景下,以图6中的高亮特征区域为例,示出下述实施例三对本步骤进行说明,如下:
实施例三:
请参见图7,为本申请车道线检测方法的再一个实施例流程图,该图7所示流程着重描述根据高亮特征区域的属性信息与第一预设条件确定干扰区域的具体实现过程,包括以下步骤:
步骤701:将高亮特征区域两两组合。
步骤702:将同一组中,属性信息满足第一预设条件的两个高亮特征区域确定为疑似灯光带区域。
如下,对步骤701与步骤702进行说明:
如图8所示,为图6所示例的待检测图像中高亮特征区域的一种示例,该图8中包括5个高亮特征区域,为了描述方便,将该5个高亮特征区域分别编号为6#、7#、8#、9#、10#。
在本实施例中,考虑到车辆上具有两个车灯,且该两个车灯之间距离有限,那么,该两个车灯各自的照射区域之间的距离也将满足一定的约束条件,同时,该两个车灯各自照射区域的主轴方向相一致,从而提出根据高亮特征区域的质心坐标与方向角这两个属性信息,在高亮特征区域中确定出灯光带区域,也即干扰区域。
具体的,将高亮特征区域进行两两组合,针对每一组合中的两个高亮特征区域的属性信息,即质心坐标、方向角进行检测,检测该两个高亮特征区域的属性信息是否满足第一预设条件,该第一预设条件具体为:两个高亮特征区域的质心坐标之间的欧式距离小于第一预设距离阈值且大于第二预设距离阈值,该第二预设距离阈值小于该第一预设距离阈值,且该两个高亮特征区域的方向角之间的差值小于预设方向角阈值,若同一组合中的两个高亮特征区域的属性信息满足上述第一预设条件,则可将该同一组合中的两个高亮特征区域确定为可能的灯光带区域,为了描述方便,在此将可能的灯光带区域称为疑似灯光带区域。
举例来说,图8中所示例的5个高亮特征区域进行两两组合,共可以得到10个组合,分别为(6#,7#)、(6#,8#)、(6#,9#)、(6#,10#)、(7#,8#)、(7#,9#)、(7#,10#)、(8#,9#)、(8#,10#)、(9#,10#),并假设该10个组合中的两个高亮特征区域的质心坐标之间的欧式距离,与该两个高亮特征区域的方向角之间的差值如下述表2所示:
表2
组合 | 欧式距离 | 方向角差值 |
(6#,7#) | 76 | 3° |
(6#,8#) | 92 | 4° |
(6#,9#) | 101 | 3° |
(6#,10#) | 112 | 4° |
(7#,8#) | 16 | 2° |
(7#,9#) | 25 | 3° |
(7#,10#) | 36 | 3° |
(8#,9#) | 9 | 1° |
(8#,10#) | 20 | 5° |
(9#,10#) | 11 | 2° |
假设第一预设距离阈值为8,第二预设距离阈值为20,预设方向角阈值为3°,那么,结合上述表2,在该10个组合中,(7#,8#)、(8#,9#)以及(9#,10#)这三个组合满足上述第一预设条件,那么,则可以将高亮特征区域7#,8#,9#,10#确定为疑似灯光带区域。
需要说明的是,上述表2所示例的数据仅仅作为举例。
步骤703:在疑似灯光带区域中确定干扰区域。
在一实施例中,可以将步骤702中确定出的疑似灯光带区域直接确定为干扰区域。
在一实施例中,为了避免将上述步骤702中确定出的疑似灯光带区域直接确定为干扰区域过于绝对,导致后续将真实车道线上的像素点删除掉,提出了进一步确定步骤702中所确定出的疑似灯光带区域与真实灯光带区域的匹配性,继而选取出匹配性较高的疑似灯光带区域作为干扰区域。
在一可选的实现方式中,可以根据质心坐标之间的欧式距离选取出匹配性较高的疑似灯光带区域。具体的,可以按照质心坐标之间的欧式距离从小到大的顺序,对上述(7#,8#)、(8#,9#)以及(9#,10#)这三个组合进行排序,假设排序结果为(8#,9#),(9#,10#),(7#,8#),后续,根据排序结果,选取排在前面的第二预设数量的组合中的疑似灯光区域作为干扰区域,例如,假设第二预设数量为2,那么,所选取的组合为(8#,9#),(9#,10#),所确定的干扰区域为高亮特征区域8#、高亮特征区域9#,以及高亮特征区域10#。
在另一可选的实现方式中,可以根据方向角之间的差值选取出匹配性较高的疑似灯光带区域,具体的,可以按照方向角之间的差值从小到大的顺序,对上述(7#,8#)、(8#,9#)以及(9#,10#)这三个组合进行排序,后续,根据排序结果,选取排在前面的第二预设数量的组合中的疑似灯光区域作为干扰区域。
至此,完成实施例三的相关描述。
此外,若不考虑车辆前后遮挡因素,在待检测图像中,车灯照射区域将是成对出现的,而成对的车灯照射区域,也即同一辆车上的两个车灯各自产生的车灯照射区域将处于同一水平线上,且两者之间的横向距离也将满足一定的约束条件,基于此,在上述实施例二的步骤503中,还可以将疑似车灯区域进行两两组合,检测同一组中的两个疑似车灯区域的质心坐标之间是否满足第三预设条件,基于上述描述,这里所说的第三预设条件可以为质心横坐标之间的差值小于预设阈值,也即该两个疑似车灯区域处于同一水平线上,并且,质心坐标之间的欧式距离处于预设的范围内,若满足该第三预设条件,则可以将该同一组中的两个疑似车灯区域确定为干扰区域。
步骤203:按照预设规则对待检测图像进行处理,得到待检测图像的二值化图像,其中,预设规则包括:将像素值大于预设阈值,且位于干扰区域中的像素点的像素值置为0。
在本申请实施例中,为了避免干扰区域对后续车道线检测结果造成影响,可以按照预设规则对待检测图像进行处理,具体的,该预设规则可以包括:将像素值大于预设阈值,且位于干扰区域中的像素点的像素值直接置为0,也即将干扰区域中的像素点确定为背景像素点,从而排除干扰区域对后续车道线检测结果的影响,同时,该预设规则还可以包括:将像素值大于预设阈值,且不位于干扰区域中像素点的像素值置为255,将像素值不大于预设阈值的像素点的像素值置为0,例如,如图9所示,为采用本申请提出的预设规则对图6所示例的待检测图像进行处理,所得到的二值化图像的一种示例。
为了使本领域技术人员可以更加清楚地理解本申请提出的处理过程对二值化图像的影响,如图10所示,为采用现有技术中的二值化处理过程对图6所示例的待检测图像进行二值化处理,所得到的二值化图像的一种示例。
通过对比图9与图10可以发现,灯光区域,即干扰区域(图10中虚线框所表示的区域)已被设置为背景像素点。
通过对比观察图9与图10可以发现,通过本申请提出的二值化处理过程对图6所示例的待检测图像进行二值化处理,可以“消除”大部分高亮特征区域中的像素点,也即将大部分高亮特征区域中的像素点确定为背景像素点,从而避免高亮特征区域中的像素点对后续车道线检测造成影响。
步骤204:在二值化图像中检测得到直线。
在本申请实施例中,可以通过霍夫线检测技术在图9所示例的二值化图像中检测得到直线,例如,如图9所示,共检测出5条直线,为了描述方便,将该5条直线分别编号为a、b、c、d、e。
步骤205:将满足第二预设条件的直线确定为车道线。
在本申请实施例中,在车辆距离摄像机较远的场景下,由于光线发散以及摄像机参数等因素的影响,在路面上还将零散分布着一些反光区域,这些反光区域由于面积较小,在上述步骤中并未考虑,从而通过执行上述步骤并未“滤除”这些反光区域,那么,在二值化图像中,仍会存在这些反光区域,基于此,本申请提出第二预设条件,根据该第二预设条件在步骤204所检测出的直线中确定出车道线。
在一实施例中,上述第二预设条件可以为直线不经过干扰区域。具体的,可以通过一些数学算法计算直线与干扰区域的之间的位置关系,确定直线是否经过干扰区域。
举例来说,经过计算得出图9所示例的直线c与直线d经过干扰区域,那么,则可以排除直线c与直线d。后续,针对图9中的直线a、直线b、直线e,采用现有的车道线筛选操作,例如根据直线的倾斜角度进行车道线筛选,即可以在图9中确定出准确的车道线,例如直线b与直线e为最终确定出的车道线。
由上述实施例可见,通过确定待检测图像中的高亮特征区域,根据高亮特征区域的属性信息与第一预设条件,确定高亮特征区域中的干扰区域,按照预设规则对待检测图像进行处理,得到待检测图像的二值化图像,其中,该规则包括:将像素值大于预设阈值,且位于干扰区域中的像素点的像素值置为0;在二值化图像中检测得到直线,将满足第二预设条件的直线确定为车道线。
由于根据高亮特征区域的属性信息与第一预设条件确定干扰区域的过程中,充分结合实际场景中的车灯照射区域、路面反光区域的特点,在高亮特征区域中筛选出干扰区域,从而使得确定出的干扰区域即为真实的车灯照射区域与反光区域,后续,在按照预设规则对待检测图像进行处理的过程中,将像素值大于预设阈值,且处于干扰区域中像素点的像素值置为0,也即将处于干扰区域中的像素点确定为背景像素点,以避免干扰区域中的像素点对后续车道线检测造成影响;后续,在二值化图像中检测得到直线后,继续根据干扰区域,并结合真实车道线的空间位置分布情况,在所检测到的直线中筛选出最为可能的直线作为车道线。
综上所述,本申请提供的车道线检测方法可以实现尽可能地避免图像中的高亮区域对车道线的检测造成干扰,提高车道线检测结果的准确度。
至此,完成实施例一的相关描述。
与前述车道线检测方法的实施例相对应,本申请还提供了车道线检测装置的实施例。
请参见图11,为本申请车道线检测装置的一个实施例框图,该装置可以包括:特征区域确定模块111、干扰区域确定模块112、二值化模块113、直线检测模块114,以及车道线检测模块115。
其中,特征区域确定模块111,可以用于确定待检测图像中的高亮特征区域;
干扰区域确定模块112,可以用于根据所述高亮特征区域的属性信息与第一预设条件,确定所述高亮特征区域中的干扰区域;
二值化模块113,可以用于按照预设规则对所述待检测图像进行处理,得到所述待检测图像的二值化图像,其中,所述预设规则包括:将像素值大于预设阈值,且位于所述干扰区域中的像素点的像素值置为0;
直线检测模块114,可以用于在所述二值化图像中检测得到直线;
车道线检测模块115,可以用于将满足第二预设条件的直线确定为车道线。
在一实施例中,所述高亮特征区域的属性信息包括:所述高亮特征区域的面积与圆度;
所述第一预设条件包括:所述高亮特征区域的面积属于预设面积范围,且所述高亮特征区域的圆度大于预设圆度阈值;
所述干扰区域确定模块112可以包括(图11中未示出):
第一确定子模块,用于将属性信息满足第一预设条件的高亮特征区域确定为疑似车灯区域;
第二确定子模块,用于根据高亮特征区域之间的位置关系,在除所述疑似车灯区域以外的其他高亮特征区域中,确定所述疑似车灯区域对应的疑似路面反光区域;
第三确定子模块,用于在所述疑似车灯区域,和/或所述疑似路面反光区域中确定所述干扰区域。
在一实施例中,所述第二确定子模块可以包括(图11中未示出):
第一属性确定子模块,用于确定所述疑似车灯区域的第一质心坐标与第一方向角;
第二属性确定子模块,用于确定除所述疑似车灯区域以外的其他高亮特征区域的第二质心坐标与第二方向角;
反光区域确定子模块,用于将与所述疑似车灯区域之间满足预设约束条件的其他高亮特征区域确定为所述疑似车灯区域对应的疑似路面反光区域;
其中,所述预设约束条件包括:第二质心坐标与第一质心坐标之间满足预设质心约束条件,且第二方向角与第一方向角之间满足预设方向角约束条件。
在一实施例中,所述第三确定子模块可以包括(图11中未示出):
第一排序子模块,用于按照圆度从大到小的顺序,对所述疑似车灯区域进行排序;
第一选取子模块,用于根据排序结果,选取排在前面的第一预设数量的疑似车灯区域,以及所选取的疑似车灯区域对应的疑似路面反光区域作为所述干扰区域。
在一实施例中,所述高亮特征区域的属性信息还包括:所述高亮特征区域的质心坐标;
所述第三确定子模块可以包括(图11中未示出):
坐标确定子模块,用于确定所述疑似车灯区域的质心坐标;
第一组合子模块,用于将所述疑似车灯区域两两组合;
第四确定子模块,用于将同一组中的,质心坐标之间满足第三预设条件的两个疑似车灯区域确定为所述干扰区域。
在一实施例中,所述高亮特征区域的属性信息包括:所述高亮特征区域的质心坐标、方向角;
所述第一预设条件包括:两个高亮特征区域的质心坐标之间的欧式距离小于第一预设距离阈值且大于第二预设距离阈值,且所述两个高亮特征区域的方向角之间的差值小于预设方向角阈值;
所述干扰区域确定模块可以包括(图11中未示出):
第二组合子模块,用于将所述高亮特征区域两两组合;
灯光带确定子模块,用于将同一组中的,属性信息满足所述第一预设条件的两个高亮特征区域确定为疑似灯光带区域;
第五确定子模块,用于在所述疑似灯光带区域中确定所述干扰区域。
在一实施例中,所述第五确定子模块可以包括(图11中未示出):
第二排序子模块,用于按照质心坐标之间的距离从小到大的顺序,对所述组进行排序;
第二选取子模块,用于根据排序结果,选取排在前面的第二预设数量的组中的疑似灯光带区域作为所述干扰区域。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
本申请车道线检测装置的实施例可以应用在车道线检测终端上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在车道线检测终端的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图12所示,为本申请车道线检测装置所在车道线检测终端的一种硬件结构图,其中,处理器1201是该车道线检测终端1200的控制中心,利用各种接口和线路连接整个该车道线检测装置的各个部分,通过运行或执行存储在存储器1202内的软件程序和/或模块,以及调用存储在存储器1202内的数据,执行车道线检测装置1200的各种功能和处理数据,从而对该车道线检测装置进行整体监控。
可选的,处理器1201可包括(图12中未示出)一个或多个处理核心;可选的,处理器1201可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1201中。
存储器1202可用于存储软件程序以及模块,处理器1201通过运行存储在存储器1202的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器1202主要包括(图12中未示出)存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据车道线检测装置1200的使用所创建的数据(比如采集到的图像、计算得到的视差图像或者处理得到的灰度图像)等。
此外,存储器1202可以包括(图12中未示出)高速随机存取存储器,还可以包括(图12中未示出)非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1202还可以包括(图12中未示出)存储器控制器,以提供处理器1201对存储器1202的访问。
在一些实施例中,装置1200还可选包括有:外围设备接口1203和至少一个外围设备。处理器1201、存储器1202和外围设备接口1203之间可以通信总线或信号线(图12中未示出)相连。各个外围设备可以通信总线或信号线与外围设备接口1203相连。具体地,外围设备可以包括:射频组件1204、触摸显示屏1205、摄像头组件1206、音频组件1207、定位组件1208和电源组件1209中的至少一种。
其中,摄像头组件1206用于采集待检测图像。可选地,摄像头组件1206可以包括至少两个摄像头。在一些实施例中,至少两个摄像头可以分别为双目摄像头中的左右摄像头。
在一些实施例中,摄像头组件1206还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
除了图12所示例的各个硬件之外,实施例中装置所在的车道线检测终端通常根据该车道线检测终端的实际功能,还可以包括其他硬件,对此不再赘述。
本领域技术人员可以理解的是,图12所示例的车道线检测终端可以应用在汽车上,也可以应用在电脑、智能手机等其他设备上,本申请对此并不作限制。
本申请还提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例提供的任一车道线检测方法的步骤。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种车道线检测方法,其特征在于,所述方法包括:
确定待检测图像中的高亮特征区域;
根据所述高亮特征区域的属性信息与第一预设条件,确定所述高亮特征区域中的干扰区域;
按照预设规则对所述待检测图像进行处理,得到所述待检测图像的二值化图像,其中,所述预设规则包括:将像素值大于预设阈值,且位于所述干扰区域中的像素点的像素值置为0;
在所述二值化图像中检测得到直线;
将满足第二预设条件的直线确定为车道线。
2.根据权利要求1所述的方法,其特征在于,所述高亮特征区域的属性信息包括:所述高亮特征区域的面积与圆度;
所述第一预设条件包括:所述高亮特征区域的面积属于预设面积范围,且所述高亮特征区域的圆度大于预设圆度阈值;
所述根据所述高亮特征区域的属性信息与第一预设条件确定所述高亮特征区域中的干扰区域,包括:
将属性信息满足第一预设条件的高亮特征区域确定为疑似车灯区域;
根据高亮特征区域之间的位置关系,在除所述疑似车灯区域以外的其他高亮特征区域中,确定所述疑似车灯区域对应的疑似路面反光区域;
在所述疑似车灯区域,和/或所述疑似路面反光区域中确定所述干扰区域。
3.根据权利要求2所述的方法,其特征在于,所述根据高亮特征区域之间的位置关系,在除所述疑似车灯区域以外的其他高亮特征区域中,确定所述疑似车灯区域对应的疑似路面反光区域,包括:
确定所述疑似车灯区域的第一质心坐标与第一方向角;
确定除所述疑似车灯区域以外的其他高亮特征区域的第二质心坐标与第二方向角;
将与所述疑似车灯区域之间满足预设约束条件的其他高亮特征区域确定为所述疑似车灯区域对应的疑似路面反光区域;
其中,所述预设约束条件包括:第二质心坐标与第一质心坐标之间满足预设质心约束条件,且第二方向角与第一方向角之间满足预设方向角约束条件。
4.根据权利要求2所述的方法,其特征在于,所述在所述疑似车灯区域,和/或所述疑似路面反光区域中确定所述干扰区域,包括:
按照圆度从大到小的顺序,对所述疑似车灯区域进行排序;
根据排序结果,选取排在前面的第一预设数量的疑似车灯区域,以及所选取的疑似车灯区域对应的疑似路面反光区域作为所述干扰区域。
5.根据权利要求2所述的方法,其特征在于,所述高亮特征区域的属性信息还包括:所述高亮特征区域的质心坐标;
所述在所述疑似车灯区域,和/或所述疑似路面反光区域中确定所述干扰区域,包括:
确定所述疑似车灯区域的质心坐标;
将所述疑似车灯区域两两组合;
将同一组中的,质心坐标之间满足第三预设条件的两个疑似车灯区域确定为所述干扰区域。
6.根据权利要求1所述的方法,其特征在于,所述高亮特征区域的属性信息包括:所述高亮特征区域的质心坐标、方向角;
所述第一预设条件包括:两个高亮特征区域的质心坐标之间的欧式距离小于第一预设距离阈值且大于第二预设距离阈值,且所述两个高亮特征区域的方向角之间的差值小于预设方向角阈值;
所述根据所述高亮特征区域的属性信息与第一预设条件确定所述高亮特征区域中的干扰区域,包括:
将所述高亮特征区域两两组合;
将同一组中的,属性信息满足所述第一预设条件的两个高亮特征区域确定为疑似灯光带区域;
在所述疑似灯光带区域中确定所述干扰区域。
7.根据权利要求6所述的方法,其特征在于,所述在所述疑似灯光带区域中确定所述干扰区域,包括:
按照质心坐标之间的距离从小到大的顺序,对所述组进行排序;
根据排序结果,选取排在前面的第二预设数量的组中的疑似灯光带区域作为所述干扰区域。
8.一种车道线检测装置,其特征在于,所述装置包括:
特征区域确定模块,用于确定待检测图像中的高亮特征区域;
干扰区域确定模块,用于根据所述高亮特征区域的属性信息与第一预设条件,确定所述高亮特征区域中的干扰区域;
二值化模块,用于按照预设规则对所述待检测图像进行处理,得到所述待检测图像的二值化图像,其中,所述预设规则包括:将像素值大于预设阈值,且位于所述干扰区域中的像素点的像素值置为0;
直线检测模块,用于在所述二值化图像中检测得到直线;
车道线检测模块,用于将满足第二预设条件的直线确定为车道线。
9.一种车道线检测终端,其特征在于,包括存储器、处理器、通信接口、摄像头组件,以及通信总线;
其中,所述存储器、处理器、通信接口、摄像头组件通过所述通信总线进行相互间的通信;
所述摄像头组件,用于采集待检测图像,并通过所述通信总线将所述待检测图像发送至所述处理器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的计算机程序,所述处理器执行所述计算机程序时对所述待检测图像实现权利要求1-7任一所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711448447.5A CN108052921B (zh) | 2017-12-27 | 2017-12-27 | 一种车道线检测方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711448447.5A CN108052921B (zh) | 2017-12-27 | 2017-12-27 | 一种车道线检测方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108052921A true CN108052921A (zh) | 2018-05-18 |
CN108052921B CN108052921B (zh) | 2020-12-04 |
Family
ID=62128322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711448447.5A Active CN108052921B (zh) | 2017-12-27 | 2017-12-27 | 一种车道线检测方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108052921B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976348A (zh) * | 2019-04-11 | 2019-07-05 | 深圳市大富科技股份有限公司 | 一种车辆及其运动控制方法、设备、存储介质 |
CN110188631A (zh) * | 2019-05-14 | 2019-08-30 | 重庆大学 | 一种高速公路隧道车灯分割方法 |
CN112597846A (zh) * | 2020-12-14 | 2021-04-02 | 合肥英睿系统技术有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN113191248A (zh) * | 2021-04-25 | 2021-07-30 | 国能智慧科技发展(江苏)有限公司 | 基于视频联动与智能物联网的车辆偏离路线检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN103871243A (zh) * | 2014-04-16 | 2014-06-18 | 武汉欧普威科技有限公司 | 基于主动安全平台的无线车辆管理系统及方法 |
CN104102905A (zh) * | 2014-07-16 | 2014-10-15 | 中电海康集团有限公司 | 一种车道线自适应检测的方法 |
CN104156727A (zh) * | 2014-08-26 | 2014-11-19 | 中电海康集团有限公司 | 一种基于单目视觉的灯光倒影检测的方法 |
CN104732235A (zh) * | 2015-03-19 | 2015-06-24 | 杭州电子科技大学 | 一种消除夜间道路反光干扰的车辆检测方法 |
CN107272687A (zh) * | 2017-06-29 | 2017-10-20 | 深圳市海梁科技有限公司 | 一种自动驾驶公交车辆的驾驶行为决策系统 |
-
2017
- 2017-12-27 CN CN201711448447.5A patent/CN108052921B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN103871243A (zh) * | 2014-04-16 | 2014-06-18 | 武汉欧普威科技有限公司 | 基于主动安全平台的无线车辆管理系统及方法 |
CN104102905A (zh) * | 2014-07-16 | 2014-10-15 | 中电海康集团有限公司 | 一种车道线自适应检测的方法 |
CN104156727A (zh) * | 2014-08-26 | 2014-11-19 | 中电海康集团有限公司 | 一种基于单目视觉的灯光倒影检测的方法 |
CN104732235A (zh) * | 2015-03-19 | 2015-06-24 | 杭州电子科技大学 | 一种消除夜间道路反光干扰的车辆检测方法 |
CN107272687A (zh) * | 2017-06-29 | 2017-10-20 | 深圳市海梁科技有限公司 | 一种自动驾驶公交车辆的驾驶行为决策系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976348A (zh) * | 2019-04-11 | 2019-07-05 | 深圳市大富科技股份有限公司 | 一种车辆及其运动控制方法、设备、存储介质 |
CN110188631A (zh) * | 2019-05-14 | 2019-08-30 | 重庆大学 | 一种高速公路隧道车灯分割方法 |
CN112597846A (zh) * | 2020-12-14 | 2021-04-02 | 合肥英睿系统技术有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN112597846B (zh) * | 2020-12-14 | 2022-11-11 | 合肥英睿系统技术有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN113191248A (zh) * | 2021-04-25 | 2021-07-30 | 国能智慧科技发展(江苏)有限公司 | 基于视频联动与智能物联网的车辆偏离路线检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108052921B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815630B (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN108520536B (zh) | 一种视差图的生成方法、装置及终端 | |
CN108052921A (zh) | 一种车道线检测方法、装置及终端 | |
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
CN103268471B (zh) | 一种车辆非法占道检测方法及装置 | |
CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
CN108470469A (zh) | 道路障碍物预警方法、装置及终端 | |
CN110502983A (zh) | 一种检测高速公路中障碍物的方法、装置及计算机设备 | |
CN108629763B (zh) | 一种视差图的评判方法、装置及终端 | |
CN110956069B (zh) | 一种行人3d位置的检测方法及装置、车载终端 | |
CN108229406A (zh) | 一种车道线检测方法、装置及终端 | |
KR20160072190A (ko) | 사발형 영상 시스템 | |
CN110619674B (zh) | 用于事故和警情场景还原的三维增强现实设备及方法 | |
CN108596899B (zh) | 道路平坦性检测方法、装置及设备 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
CN109584300A (zh) | 一种确定车头朝向角度的方法及装置 | |
CN107529659B (zh) | 安全带佩戴检测方法、装置及电子设备 | |
CN110991215B (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
CN110490839A (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
CN107766847B (zh) | 一种车道线检测方法及装置 | |
CN109840454A (zh) | 目标物定位方法、装置、存储介质以及设备 | |
CN107832674A (zh) | 一种车道线检测方法 | |
CN112598922A (zh) | 车位检测方法、装置、设备及存储介质 | |
CN108319931A (zh) | 一种图像处理方法、装置及终端 | |
CN108090425B (zh) | 一种车道线检测方法、装置及终端 |
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 |