CN108470142A - 基于逆透视投影和车道距离约束的车道定位方法 - Google Patents
基于逆透视投影和车道距离约束的车道定位方法 Download PDFInfo
- Publication number
- CN108470142A CN108470142A CN201810086471.7A CN201810086471A CN108470142A CN 108470142 A CN108470142 A CN 108470142A CN 201810086471 A CN201810086471 A CN 201810086471A CN 108470142 A CN108470142 A CN 108470142A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- lane
- crimping state
- image
- 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
-
- 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
- G06V10/30—Noise filtering
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
Abstract
本发明提出了一种基于逆透视投影和车道距离约束的车道定位方法,主要解决现有车道定位方法复杂度高、运算量大并且受周围车辆分布限制的问题。其实现步骤为:首先,通过车载视觉传感器获取车辆前方的道路视频图像并对其进行预处理;利用逆透视变换将预处理后的道路视频图像转换为道路的俯视图;然后,从俯视图中检测出车辆左、右两侧最近车道标志线,再根据车辆与左、右两侧最近车道标志线的距离关系,计算车辆的横向车道偏移;最后,结合车辆上一时刻所处的车道位置和当前时刻的横向车道偏移,确定车辆当前所处的车道位置。本发明复杂度低、运算量小,并且不受周围车辆分布的限制,可应用于无人驾驶,车道级定位和导航。
Description
技术领域
本发明属于智能交通技术领域,特别涉及一种车辆车道定位的方法,可应用于自动半自动驾驶、车道级定位和车道偏离预警。
背景技术
车道是车辆行驶过程中的基本单元。对车道的精确定位,是无人驾驶领域的一项关键基础技术,可对车辆自动/半自动驾驶控制,车道级定位、导航和车道偏离预警等提供技术支撑。
目前,车道定位的方法主要有以下几类:(1)通过高精度GPS和车道级高精度电子地图实现车道定位,这种方法的优点是准确度高,但GPS信号易受障碍物遮挡和多径效应的影响,并且车道级高精度电子地图目前还未普及;(2)在道路上铺设标签,在车辆上安装传感器,车辆通过读取道路标签信息获取车道位置,这种方法的优点是准确度和稳定性都很高,但缺点是成本也很高,对道路的改动较大,并且严格受道路制约,即一旦车辆行驶到没有铺设标签的路段时,该方法立即失效;(3)通过在车辆上安装传感器,主动探测道路信息,如车道标志线、交通标志、车辆和行人等,实现车辆的主动车道定位,该方法因为不需要对道路进行改造,并且成本相对(1)较低,是目前的主流,其中基于视觉传感器的车道定位技术在该类方法中占有重要的地位。如公开号为CN106056100A、名称为“一种基于车道检测与目标跟踪的车辆辅助定位方法”的发明,其提供了一种针对车辆所在的具体车道进行精确定位的方法,其首先将最靠近图像竖直中轴线的两条车道线作为本车车道线;然后以道路图像底边中点为原点,将目标车辆与原点用直线连接,判断该直线与本车车道线是否有交点;最后结合相对位置关系与车道线确定车辆所在的具体车道。该方法虽然实现了车道定位,但其由于在车道线检测的基础上还增加了多目标跟踪,因而增加了定位的复杂度和运算量,并且由于该方法仅依赖于车辆周围的其他车辆实现定位而没有充分利用车道标志线的几何结构信息,因此在车辆周围其他车辆较少甚至没有的情况下车辆车道定位的准确度较低。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出一种基于逆透视投影和车道距离约束的车道定位方法,以充分利用车道标志线的几何结构信息,降低车道定位的复杂度,减小运算量,提高车道定位的准确度。
本发明的技术方案是:通过车载视觉传感器获取车辆前方的道路视频图像,利用逆透视变换将道路视频图像转换为道路的俯视图,然后从俯视图中检测出车道标志线,再根据车辆与车道标志线的距离关系,判断车辆是否换道,最后结合车辆上一时刻所处的车道位置和当前时刻的换道信息,确定车辆当前所处的车道位置,其实现步骤包括如下:
(1)通过车载摄像机获取车辆前方的道路视频图像,并对其进行灰度化和中值滤波,得到预处理图像P;
(2)构建摄像机透视成像模型:
以摄像机在地面上的垂直投影点为世界坐标系的原点Ow,车辆中轴线为yw轴,yw轴正方向指向车辆前进的方向,车辆横向为xw轴,xw轴正方向指向车辆右边,zw轴正方向垂直路面向,建立世界坐标系Ow-xwywzw,(xw,yw,0)T表示世界坐标系点;以图像左上方顶点为原点O,横向为u轴,u轴正方向指向图像右方,纵向为v轴,v轴正方向指向图像下方,建立图像坐标系O-uv,(u,v)T表示图像坐标系上的点,得到世界坐标系点(xw,yw,0)T到图像坐标系点(u,v)T的透视成像模型如下:
其中,h是摄像机距离地面的高度,θ是摄像机的俯仰角,fx是摄像机在x方向的等效焦距,fy是摄像机在y方向的等效焦距,u0是摄像机光心的横坐标,v0是摄像机光心的纵坐标,zc是归一化系数;
(3)利用透视成像模型,将预处理图像P转换为俯视图A,并对俯视图A依次进行二值化、边缘检测和Hough变换,从中检测出车道标志线Li,i=1,2,3…以及车道标志线Li与俯视图A底部边界的交点横坐标xi;
(4)比较xi与图像中轴线横坐标xM的大小,划分左、右车道标志线,计算xi与xM的距离dli,取出左车道标志线对应dli的最小值dlmin和右车道标志线对应dli的最小值drmin;
(5)将dlmin和drmin分别与半车身宽度W进行比较,判断车辆是否处于压线状态:若处于压线状态,则计算压线状态起始时刻车辆在车道内的位置s和终止时刻车辆在车道内的位置e,否则,返回(1);
(6)在车辆压线状态终止时刻,比较车辆压线状态起始时刻在车道内的位置s和终止时刻车辆在车道内的位置e的大小,得到车道横向偏移量c:
若s>e,则c=1;
若s<e,则c=-1;
若s=e,则c=0;
(7)将车辆上一时刻的车道位置k'加上车道横向偏移量c,得到车辆当前车道位置k,k=k'+c。
本发明与现有技术相比,具有以下优点:
1.本发明通过逆透视变换将道路视频图像转换为道路的俯视图,利用车道标志线的几何结构和距离约束,判断车辆的压线状态,再比较车辆在压线状态起始和终止时刻在车道内的位置,得到车辆的车道横向偏移量,实现车道定位,降低了车道定位的复杂度,减小了运算量。
2.本发明在实现车道定位的过程中,只需要对车道线进行检测,不依赖于车辆周围其他车辆,提高了在车辆周围无有其他车辆,或者其他车辆较少情况下车道定位的准确度。
附图说明
图1为本发明的实现总流程图;
图2为本发明中构建的透视投影模型图;
图3为本发明中车辆运行状态示意图;
图4为本发明中横向车道偏移检测子流程图。
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述。
参照图1,本发明提供的基于逆透视投影和车道距离约束的车道定位方法,包括如下步骤:
步骤1,获取预处理图像P。
1a)通过车载摄像机获取车辆前方的道路视频图像:
将摄像机安装在车辆纵向中轴线上位于车顶前方的位置,摄像机的摄像头对准车辆前方,摄像机距离地面的高度h为1-1.2米,俯仰角θ为10-15度,航偏角和翻滚角均为0;车辆正常行驶在具有清晰车道标志线的道路上,行驶过程中,摄像机不断的采集车辆正前方道路视频图像;
1b)对道路视频图像进行灰度化和中值滤波,得到预处理图像P:
由于摄像机采集的道路视频图像是RGB格式的,为了提高图像处理速度,首先对视频的每一帧图像进行灰度化处理,得到道路灰度图像G;
由于道路灰度图像G中存在着噪声,其中孤立点噪声影响较大,而中值滤波对于滤除孤立点噪声具有良好的效果,因此要对道路灰度图像G进行中值滤波,得到预处理图像P。
步骤2,构建摄像机透视成像模型,将预处理图像P转换为道路俯视图A。
2a)以摄像机在地面上的垂直投影点为世界坐标系的原点Ow,车辆中轴线为yw轴,yw轴正方向指向车辆前进的方向,车辆横向为xw轴,xw轴正方向指向车辆右边,zw轴正方向垂直路面向上,建立世界坐标系Ow-xwywzw;
以图像左上方顶点为原点O,横向为u轴,u轴正方向指向图像右方,纵向为v轴,v轴正方向指向图像下方,建立图像坐标系O-uv;
根据世界坐标系Ow-xwywzw和相机坐标系O-uv,构建透视成像模型如图2所示;
根据透视成像模型计算出的世界坐标系中路面上的点(xw,yw,0)T与图像坐标系中的点(u,v)T的映射关系如下:
其中,fx是摄像机x方向的等效焦距,fy是摄像机y方向的等效焦距,u0是摄像机光心的横坐标,v0是摄像机光心的纵坐标,zc是归一化系数;
2b)创建一个M行N列的矩阵R,其中M=900,N=1000,选取车辆前方2-20米,车辆左右侧各5米,即构成2≤yw≤20米,-5≤xw≤5米的道路区域,进行逆透视变换,并利用线性插值填充矩阵R,填充后的R即得到道路俯视图A;
步骤3,对道路俯视图A依次进行二值化、边缘检测和Hough变换,从中检测出车道标志线Li,i=1,2,3…以及车道标志线Li与俯视图A底部边界的交点横坐标xi。
3a)在道路俯视图A中,由于车道标志线的亮度值相对于其它非车道标志线目标如路面、栏杆、绿化带较高,因此,需要对道路俯视图A进行逐行阈值二值化,即将每行所有像素点灰度值的均值作为该行的行阈值,然后把该行中亮度值高于行阈值的像素点设为车道标志线,亮度值不高于行阈值的像素点设置为背景,得到道路二值图像B;
3b)采用Sobel算子,对道路二值图像B进行边缘检测,提取出车道标志线的边缘信息,得到道路边缘图像E;
3c)对道路边缘图像E进行Hough变换,选取其中峰值最大的4个点,作为车道标志线对应的点,然后将峰值点的参数转换成笛卡尔坐标系下的直线参数,得到车道标志线Li,i=1,2,3…,其中Li表示第i条车道标志线;
3d)计算车道标志线Li与道路俯视图A底部边界的交点Pi,得到Pi的横坐标xi,其中xi表示车道标志线Li与道路俯视图A底部边界的交点Pi的横坐标。
步骤4,比较交点横坐标xi与道路俯视图A的中轴线横坐标xM的大小,划分左、右车道标志线,计算xi与xM的距离dli,取出左车道标志线对应dli的最小值dlmin和右车道标志线对应dri的最小值drmin;
4a)记左边车道标志线集合为Lleft,右边车道标志线集合为Lright,道路俯视图A的中轴线横坐标为xM,将交点横坐标xi与xM进行比较:
若xi<xM,则该车道标志线Li为左车道标志线,Li∈Lleft;
若xi≥xM,则该车道标志线Li为右车道标志线,Li∈Lright;
4b)取出左边车道标志线集合Lleft中的全部车道标志线,记其数量为NL,类型为LL,重新编号为m,m=1,2…NL,则Lleft中第m条车道标志线为LLm,其横坐标为xlm;取出右边车道标志线集合Lright中的全部车道标志线,记其数量为NR,类型为LR,重新编号为n,n=1,2…NR,则Lright中第条n车道标志线为LRn,其横坐标为xrn;
4c)记左边车道线LLm与道路俯视图A的中轴线的距离为dlm=xM-xlm,车辆左侧最近车道标志线与道路俯视图A的中轴线的距离为dlmin=min{dlm,m=1,2…NL};记右边车道线LRn与道路俯视图A的中轴线的距离为drn=xrn-xM,车辆右侧最近车道标志线与道路俯视图A的中轴线的距离为drmin=min{drmin,n=1,2…NR},如图3所示。
步骤5,检测车辆的压线状态,计算压线状态起始时刻、终止时刻车辆在车道内的位置。
参照图4,本步骤的具体实现如下:
5a)根据dlmin、drmin与半车身宽度W的大小,判断车辆是否处于压线状态:
5a1)根据汽车行业规范,取1米作为车辆半车身宽度,由于在世界坐标系中1米的宽度,占据图像坐标系中(1/10)*N=100个像素点宽度,因此记道路俯视图A中半车身宽度W=100;
5a2)记车辆的压线状态为t,比较dlmin、drmin与半车身宽度W的大小,判断车辆是否处于压线状态:
若dlmin<W或drmin<W,则车辆当前处于压线状态中,记t=1;
否则,车辆当前没有处于压线状态中,记t=0;
5b)检测车辆压线状态t的变化,记录车辆在车道内的位置:
5b1)当车辆压线状态t由0变为1时,表明车辆从没有压线的状态进入到了压线状态,即车辆当前时刻正处于压线状态起始时刻,比较此时dlmin和drmin的大小,确定车辆在车道的位置s:
若dlmin<drmin,则车辆在车道内偏左的位置,记s=1,
否则,车辆在车道内偏右的位置,记s=-1;
5b2)当车辆压线状态t由1变为0时,表明车辆从压线的状态进入到了没有压线的状态,即车辆当前时刻正处于压线状态终止时刻,比较此时dlmin和drmin的大小,确定车辆在车道的位置e:
若dlmin<drmin,则车辆在车道内偏左的位置,记e=1,
否则,车辆在车道内偏右的位置,记e=-1;
步骤6,计算车道横向偏移量。
记车辆从压线状态起始时刻到压线状态终止时刻这一过程中的车道横向偏移量为c,在车辆压线状态终止时刻,比较e和s的大小,得到c:
若s>e,则c=1;
若s<e,则c=-1;
若s=e,则c=0。
步骤7,计算车辆当前时刻所处的车道位置。
记道路最右边的车道的位置为1,从右往左每跨越一个车道则该车道的位置加1,并将车辆上一时刻所处的车道位置记为k',将车辆当前时刻所处的车道位置记为k,在每一个车辆压线状态终止的时刻,对车辆当前所处的车道位置进行更新,更新公式为:k=k'+c;
通过对车辆的横向车道偏移进行检测,结合车辆上一时刻所处的车道位置,在每一个压线状态终止时刻对车辆当前所处的车道位置进行更新,即实现了车辆行驶过程中持续的车道定位。
本发明的范畴并不局限于上述详细说明,它们并非用以限制本发明的保护范围,凡未脱离本发明所述的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于逆透视投影和车道距离约束的车道定位方法,其特征在于,包括如下步骤:
(1)通过车载摄像机获取车辆前方的道路视频图像,并对其进行灰度化和中值滤波,得到预处理图像P;
(2)构建摄像机透视成像模型:
以摄像机在地面上的垂直投影点为世界坐标系的原点Ow,车辆中轴线为yw轴,yw轴正方向指向车辆前进的方向,车辆横向为xw轴,xw轴正方向指向车辆右边,zw轴正方向垂直路面向,建立世界坐标系Ow-xwywzw,(xw,yw,0)T表示世界坐标系点;以图像左上方顶点为原点O,横向为u轴,u轴正方向指向图像右方,纵向为v轴,v轴正方向指向图像下方,建立图像坐标系O-uv,(u,v)T表示图像坐标系上的点,得到世界坐标系点(xw,yw,0)T到图像坐标系点(u,v)T的透视成像模型如下:
其中,h是摄像机距离地面的高度,θ是摄像机的俯仰角,fx是摄像机在x方向的等效焦距,fy是摄像机在y方向的等效焦距,u0是摄像机光心的横坐标,v0是摄像机光心的纵坐标,zc是归一化系数;
(3)利用透视成像模型,将预处理图像P转换为俯视图A,并对俯视图A依次进行二值化、边缘检测和Hough变换,从中检测出车道标志线Li,i=1,2,3…以及车道标志线Li与俯视图A底部边界的交点横坐标xi;
(4)比较xi与图像中轴线横坐标xM的大小,划分左、右车道标志线,计算xi与xM的距离dli,取出左车道标志线对应dli的最小值dlmin和右车道标志线对应dli的最小值drmin;
(5)将dlmin和drmin分别与半车身宽度W进行比较,判断车辆是否处于压线状态,并计算压线状态起始时刻车辆在车道内的位置s和终止时刻车辆在车道内的位置e;
(6)在车辆压线状态终止时刻,比较车辆压线状态起始时刻在车道内的位置s和终止时刻车辆在车道内的位置e的大小,得到车道横向偏移量c:
若s>e,则c=1;
若s<e,则c=-1;
若s=e,则c=0;
(7)将车辆上一时刻的车道位置k'加上车道横向偏移量c,得到车辆当前车道位置k,k=k'+c。
2.根据权利要求1所述的方法,其特征在于:步骤(4)中比较xi与图像中轴线横坐标xM的大小,划分左、右车道标志线,其实现如下:
若xi<xM,则该车道标志线Li为左车道标志线,xi∈Lleft;
若xi≥xM,则该车道标志线Li为右车道标志线,xi∈Lright;
其中,Lleft为左车道标志线集合,Lright为右车道标志线集合。
3.根据权利要求1所述的方法,其特征在于:步骤(4)中计算xi和xM的距离dli,取出左车道标志线对应的dli的最小值dlmin和右车道标志线对应的dli的最小值drmin,其实现如下:
dlmin=min{xM-xi},xi∈Lleft;
drmin=min{xi-xM},xi∈Lright。
其中,Lleft为左车道标志线集合,Lright为右车道标志线集合。
4.根据权利要求1所述的方法,其特征在于:步骤(5)中判断车辆是否处于压线状态,其实现如下:
(5a)记车辆的压线状态为t,其初始值为0;
(5b)将dlmin和drmin分别与半车身宽度W进行比较,判断车辆的压线状态:
若dlmin<W或drmin<W,则车辆正处于压线状态中,t=1;
否则,车辆没有处于压线状态中,t=0。
5.根据权利要求1所述的方法,其特征在于:步骤(5)中计算压线状态起始时刻车辆在车道内的位置s和终止时刻车辆在车道内的位置e,通过如下公式计算:
若t由0变为1,并且dlmin<drmin,则车辆在压线状态的起始时刻位于车道内偏左部分,记s=1,;
若t由0变为1,并且dlmin≥drmin,则车辆在压线状态的起始时刻位于车道内偏右部分,记s=-1;
若t由1变为0,并且dlmin<drmin,则车辆在压线状态的终止时刻位于车道内偏左部分,记e=1;
若t由1变为0,并且dlmin≥drmin,则车辆在压线状态的终止时刻位于车道内偏左部分,记e=-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810086471.7A CN108470142B (zh) | 2018-01-30 | 2018-01-30 | 基于逆透视投影和车道距离约束的车道定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810086471.7A CN108470142B (zh) | 2018-01-30 | 2018-01-30 | 基于逆透视投影和车道距离约束的车道定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470142A true CN108470142A (zh) | 2018-08-31 |
CN108470142B CN108470142B (zh) | 2021-09-03 |
Family
ID=63266194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810086471.7A Active CN108470142B (zh) | 2018-01-30 | 2018-01-30 | 基于逆透视投影和车道距离约束的车道定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470142B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389650A (zh) * | 2018-09-30 | 2019-02-26 | 京东方科技集团股份有限公司 | 一种车载相机的标定方法、装置、车辆和存储介质 |
WO2020057485A1 (zh) * | 2018-09-17 | 2020-03-26 | 长城汽车股份有限公司 | 在车道线检测中确定分析区域的方法及装置 |
CN111209843A (zh) * | 2020-01-03 | 2020-05-29 | 西安电子科技大学 | 一种适用智能终端的车道偏离预警方法 |
CN111753605A (zh) * | 2019-06-11 | 2020-10-09 | 北京京东尚科信息技术有限公司 | 车道线定位方法、装置、电子设备及可读介质 |
CN113191342A (zh) * | 2021-07-01 | 2021-07-30 | 中移(上海)信息通信科技有限公司 | 车道定位方法及电子设备 |
CN115774444A (zh) * | 2021-09-09 | 2023-03-10 | 廊坊和易生活网络科技股份有限公司 | 一种基于稀疏导航地图的路径规划优化方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101870293A (zh) * | 2009-04-24 | 2010-10-27 | 南京理工大学 | 基于切道行为检测的车辆驾驶状态评价方法 |
CN104129389A (zh) * | 2014-08-06 | 2014-11-05 | 中电海康集团有限公司 | 一种有效判别车辆行驶状态的方法及其装置 |
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 |
CN104517111A (zh) * | 2013-09-27 | 2015-04-15 | 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 |
CN105206090A (zh) * | 2015-10-13 | 2015-12-30 | 厦门星辰天羽汽车设计有限公司 | 一种车辆定位方法 |
CN105374212A (zh) * | 2015-12-14 | 2016-03-02 | 上海交通大学 | 基于智能终端传感的高速公路车辆车道识别方法及系统 |
CN105416287A (zh) * | 2014-09-17 | 2016-03-23 | 富士重工业株式会社 | 车辆的防止偏离车道控制装置 |
WO2016051228A1 (en) * | 2014-09-30 | 2016-04-07 | Umm-Al-Qura University | A method and system for an accurate and energy efficient vehicle lane detection |
CN105741542A (zh) * | 2016-01-29 | 2016-07-06 | 深圳市美好幸福生活安全系统有限公司 | 行车安全预警的方法及装置 |
CN105975957A (zh) * | 2016-05-30 | 2016-09-28 | 大连理工大学 | 一种基于车道线边缘的道路平面检测方法 |
CN106056100A (zh) * | 2016-06-28 | 2016-10-26 | 重庆邮电大学 | 一种基于车道检测与目标跟踪的车辆辅助定位方法 |
CN106156723A (zh) * | 2016-05-23 | 2016-11-23 | 北京联合大学 | 一种基于视觉的路口精定位方法 |
US20170060136A1 (en) * | 2015-09-01 | 2017-03-02 | Honda Motor Co., Ltd. | Image processing device |
CN107452201A (zh) * | 2017-07-24 | 2017-12-08 | 重庆大学 | 一种考虑前车换道驶离时后车的跟驰加速度确定方法及跟驰行为建模方法 |
CN107577996A (zh) * | 2017-08-16 | 2018-01-12 | 中国地质大学(武汉) | 一种车辆驾驶路径偏移的识别方法及系统 |
-
2018
- 2018-01-30 CN CN201810086471.7A patent/CN108470142B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101870293A (zh) * | 2009-04-24 | 2010-10-27 | 南京理工大学 | 基于切道行为检测的车辆驾驶状态评价方法 |
CN104517111A (zh) * | 2013-09-27 | 2015-04-15 | 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 |
CN104129389A (zh) * | 2014-08-06 | 2014-11-05 | 中电海康集团有限公司 | 一种有效判别车辆行驶状态的方法及其装置 |
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 |
CN105416287A (zh) * | 2014-09-17 | 2016-03-23 | 富士重工业株式会社 | 车辆的防止偏离车道控制装置 |
WO2016051228A1 (en) * | 2014-09-30 | 2016-04-07 | Umm-Al-Qura University | A method and system for an accurate and energy efficient vehicle lane detection |
US20170060136A1 (en) * | 2015-09-01 | 2017-03-02 | Honda Motor Co., Ltd. | Image processing device |
CN105206090A (zh) * | 2015-10-13 | 2015-12-30 | 厦门星辰天羽汽车设计有限公司 | 一种车辆定位方法 |
CN105374212A (zh) * | 2015-12-14 | 2016-03-02 | 上海交通大学 | 基于智能终端传感的高速公路车辆车道识别方法及系统 |
CN105741542A (zh) * | 2016-01-29 | 2016-07-06 | 深圳市美好幸福生活安全系统有限公司 | 行车安全预警的方法及装置 |
CN106156723A (zh) * | 2016-05-23 | 2016-11-23 | 北京联合大学 | 一种基于视觉的路口精定位方法 |
CN105975957A (zh) * | 2016-05-30 | 2016-09-28 | 大连理工大学 | 一种基于车道线边缘的道路平面检测方法 |
CN106056100A (zh) * | 2016-06-28 | 2016-10-26 | 重庆邮电大学 | 一种基于车道检测与目标跟踪的车辆辅助定位方法 |
CN107452201A (zh) * | 2017-07-24 | 2017-12-08 | 重庆大学 | 一种考虑前车换道驶离时后车的跟驰加速度确定方法及跟驰行为建模方法 |
CN107577996A (zh) * | 2017-08-16 | 2018-01-12 | 中国地质大学(武汉) | 一种车辆驾驶路径偏移的识别方法及系统 |
Non-Patent Citations (6)
Title |
---|
CHI GUO 等: "A Lane-Level LBS System for Vehicle Network with High-Precision BDS/GPS Positioning", 《COMPUTATIONAL INTELLIGENCE AND NEUROSCIENCE》 * |
DOMINIQUE GRUYER 等: "Accurate lateral positioning from map data and road marking detection", 《EXPERT SYSTEMS WITH APPLICATIONS》 * |
MICHAEL BEYELER 等: "Vision-Based Robust Road Lane Detection in Urban Environments", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS & AUTOMATION (ICRA)》 * |
刘亚群: "基于视觉的车道级定位算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘伟: "单目视觉下车道偏离预警系统中的关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
魏庆媛 等: "车道线图像检测与车辆偏航预警模型构建", 《西安工业大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020057485A1 (zh) * | 2018-09-17 | 2020-03-26 | 长城汽车股份有限公司 | 在车道线检测中确定分析区域的方法及装置 |
CN109389650A (zh) * | 2018-09-30 | 2019-02-26 | 京东方科技集团股份有限公司 | 一种车载相机的标定方法、装置、车辆和存储介质 |
US10922843B2 (en) | 2018-09-30 | 2021-02-16 | Boe Technology Group Co., Ltd. | Calibration method and calibration device of vehicle-mounted camera, vehicle and storage medium |
CN111753605A (zh) * | 2019-06-11 | 2020-10-09 | 北京京东尚科信息技术有限公司 | 车道线定位方法、装置、电子设备及可读介质 |
CN111209843A (zh) * | 2020-01-03 | 2020-05-29 | 西安电子科技大学 | 一种适用智能终端的车道偏离预警方法 |
CN111209843B (zh) * | 2020-01-03 | 2022-03-22 | 西安电子科技大学 | 一种适用智能终端的车道偏离预警方法 |
CN113191342A (zh) * | 2021-07-01 | 2021-07-30 | 中移(上海)信息通信科技有限公司 | 车道定位方法及电子设备 |
CN115774444A (zh) * | 2021-09-09 | 2023-03-10 | 廊坊和易生活网络科技股份有限公司 | 一种基于稀疏导航地图的路径规划优化方法 |
CN115774444B (zh) * | 2021-09-09 | 2023-07-25 | 廊坊和易生活网络科技股份有限公司 | 一种基于稀疏导航地图的路径规划优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108470142B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470142A (zh) | 基于逆透视投影和车道距离约束的车道定位方法 | |
CN107798724B (zh) | 自动化车辆3d道路模型和车道标记定义系统 | |
CN110443225B (zh) | 一种基于特征像素统计的虚实车道线识别方法及其装置 | |
CN107730520B (zh) | 车道线检测方法及系统 | |
CN108189838B (zh) | 一种融合型自适应巡航弯道控制方法及装置 | |
CN101894271B (zh) | 汽车偏离车道线角度和距离的视觉计算及预警方法 | |
CN106408611B (zh) | 静态目标的路过式校准 | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN109791598A (zh) | 用于识别地面标记的图像处理方法以及地面标记检测系统 | |
US9297641B2 (en) | Detection of obstacles at night by analysis of shadows | |
CN106156723B (zh) | 一种基于视觉的路口精定位方法 | |
CN105206109B (zh) | 一种基于红外ccd的车辆雾天识别预警系统及方法 | |
US6888953B2 (en) | Vehicle surroundings monitoring apparatus | |
CN109359409A (zh) | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 | |
CN107133985A (zh) | 一种基于车道线消逝点的车载摄像机自动标定方法 | |
CN106503636A (zh) | 一种基于视觉图像的道路视距检测方法及装置 | |
CN106778593A (zh) | 一种基于多地面标志融合的车道级定位方法 | |
CN107229908A (zh) | 一种车道线检测方法 | |
KR20060087449A (ko) | 차량 위치 인식 장치 및 차량 위치 인식 방법 | |
CN109849922A (zh) | 一种用于智能车辆的基于视觉信息与gis信息融合的方法 | |
CN107284455B (zh) | 一种基于图像处理的adas系统 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN108764108A (zh) | 一种基于贝叶斯统计决策的前车检测方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN103204104B (zh) | 一种车辆全视角驾驶监控系统及方法 |
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 |