CN109063540A - 一种图像处理方法和图像处理装置 - Google Patents
一种图像处理方法和图像处理装置 Download PDFInfo
- Publication number
- CN109063540A CN109063540A CN201810588109.XA CN201810588109A CN109063540A CN 109063540 A CN109063540 A CN 109063540A CN 201810588109 A CN201810588109 A CN 201810588109A CN 109063540 A CN109063540 A CN 109063540A
- Authority
- CN
- China
- Prior art keywords
- image
- lane
- curve
- center curve
- marginal point
- 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
本申请公开了一种图像处理方法和图像处理装置。该方法包括:采集第一图像;对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像;对所述第二图像进行分析,确定车道的中心曲线对应的坐标,在采用上述处理方式后,相对于现有技术,由于本申请中确定出的第二图像能够满足确定车道的中心曲线对应的坐标时的要求,从而有利于提高确定出的坐标的准确度。
Description
技术领域
本申请涉及计算机领域,具体而言,涉及一种图像处理方法和图像处理装置。
背景技术
在无人驾驶领域,无人驾驶车需要确定出车道的中心曲线在图像上的坐标,以使无人驾驶车按照该坐标行驶。无人驾驶车在获得图像后,需要对该图像进行处理,以将图像中的车道和环境进行分离,从而得到中心曲线在图像上的坐标,但是在现有技术中,在对图像中的车道和环境进行分离时,对采集到的图像样式的要求较高,即采集到的图像中的内容需要满足一定格式,如果图像样式不满足要求,则会使确定出的车道的中心曲线在图像上的坐标的准确度较低。
发明内容
本申请的主要目的在于提供一种图像处理方法和图像处理装置,以解决确定出的车道的中心曲线在图像上的坐标的准确度较低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种图像处理方法,所述方法包括:
采集第一图像;
对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像;
对所述第二图像进行分析,确定车道的中心曲线对应的坐标。
可选地,所述对所述第二图像进行分析,确定车道的中心曲线对应的坐标,包括:
对所述第二图像进行二值化处理,生成第三图像,其中,所述第三图像为黑白图像;
确定所述第三图像中的车道的中心曲线;
建立以所述第三图像为基础的坐标系;
确定所述中心曲线在所述坐标系中的坐标。
可选地,所述确定所述第三图像中的车道的中心曲线,包括:
对所述第三图像进行边缘检测,确定所述第三图像中的车道的边缘点;
根据所述边缘点,确定所述车道的中心曲线。
可选地,所述根据所述边缘点,确定所述车道的中心曲线,包括:
对所述边缘点进行曲线拟合运算,确定所述第三图像中的车道的边缘曲线;
利用所述边缘曲线,确定所述边缘曲线的延伸方向上的所述车道的中心曲线。
可选地,所述方法还包括:
对所述第二图像进行二值化处理,生成第四图像,其中,所述第四图像的分辨率大于所述第三图像的分辨率,所述第四图像为黑白图像;
对所述第四图像进行检测,确定所述第四图像中的车道上的指定标识的边缘点。
为了实现上述目的,根据本申请的另一方面,提供了一种图像处理装置,所述图像处理装置包括:
采集单元,用于采集第一图像;
生成单元,用于对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像;
确定单元,用于对所述第二图像进行分析,确定车道的中心曲线对应的坐标。
可选地,在所述确定单元用于对所述第二图像进行分析,确定车道的中心曲线对应的坐标时,具体用于:
对所述第二图像进行二值化处理,生成第三图像,其中,所述第三图像为黑白图像;
确定所述第三图像中的车道的中心曲线;
建立以所述第三图像为基础的坐标系;
确定所述中心曲线在所述坐标系中的坐标。
可选地,在所述确定单元用于确定所述第三图像中的车道的中心曲线时,具体用于:
对所述第三图像进行边缘检测,确定所述第三图像中的车道的边缘点;
根据所述边缘点,确定所述车道的中心曲线。
可选地,在所述确定单元用于根据所述边缘点,确定所述车道的中心曲线时,具体用于:
对所述边缘点进行曲线拟合运算,确定所述第三图像中的车道的边缘曲线;
利用所述边缘曲线,确定所述边缘曲线的延伸方向上的所述车道的中心曲线。
可选地,所述确定单元,还用于:
对所述第二图像进行二值化处理,生成第四图像,其中,所述第四图像的分辨率大于所述第三图像的分辨率,所述第四图像为黑白图像;
对所述第四图像进行检测,确定所述第四图像中的车道上的指定标识的边缘点。
本申请的实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,在采集到第一图像后,对第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像,在采用上述处理后,得到的第二图像能满足确定车道的中心曲线对应的坐标的要求,从而可以降低采集第一图像时,对第一图像样式的要求,例如,可以降低采集第一图像时对周围环境的要求,进一步的,在采集第一图像时,当周围环境较差时,相对于现有技术,由于本申请中确定出的第二图像能够满足确定车道的中心曲线对应的坐标时的要求,从而有利于提高确定出的坐标的准确度。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请提供的一种图像处理方法的流程示意图;
图2为本申请提供的另一种图像处理方法的流程示意图;
图3为本申请提供的另一种图像处理方法的流程示意图;
图4为本申请提供的一种中心曲线的结构示意图;
图5为本申请提供的另一种图像处理方法的流程示意图;
图6为本申请提供的另一种图像处理方法的流程示意图;
图7为本申请提供的一种图像处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1为本申请提供的一种图像处理方法的流程示意图,如图1所示,所述方法包括以下步骤:
101、采集第一图像。
具体的,该第一图像中包括可以车道和周围环境,采集第一图像的图像采集装置的型号或类型可以根据实际需要进行设置,在此不做具体限定。
102、对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像。
具体的,在生成只包含黄色色域和白色色域的第二图像后,可以利用该第二图像确定出车道的中心曲线对应的坐标,即对第一图像进行处理得到第二图像,使第二图像满足确定车道的中心曲线对应的坐标时的要求,从而可以进行对采集到的第一图像的要求,以及可以降低图像采集装置的要求,并且,在周围环境较差时依然可以确定出车道的中心曲线对应的坐标,从而有利于降低在确定车道的中心曲线对应的坐标时对环境的依赖程度,同时,在确定出第二图像后,可以降低周围环境中的不利因素对确定车道的中心曲线对应的坐标时的影响,从而有利于提高确定出的车道的中心曲线对应的坐标的准确性。
需要注意的是,在生成只包含黄色色域和白色色域的第二图像时,可以将第一图像中将其他颜色色域删除后得到该第二图像,当然还可以利用其他方式得到第二图像,在此不再详细赘述。
103、对所述第二图像进行分析,确定车道的中心曲线对应的坐标。
在本申请实施例中,在采集到第一图像后,对第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像,在采用上述处理后,得到的第二图像能满足确定车道的中心曲线对应的坐标的要求,从而可以降低采集第一图像时,对第一图像样式的要求,例如,可以降低采集第一图像时对周围环境的要求,进一步的,在采集第一图像时,当周围环境较差时,相对于现有技术,由于本申请中确定出的第二图像能够满足确定车道的中心曲线对应的坐标时的要求,从而有利于提高确定出的坐标的准确度。
在一个可行的实施方案中,图2为本申请提供的另一种图像处理方法的流程示意图,如图2所示,在执行步骤103时,可以通过以下步骤实现:
201、对所述第二图像进行二值化处理,生成第三图像,其中,所述第三图像为黑白图像。
具体的,由于对第二图像进行二值化处理后,得到的第三图像为黑白图像,因此该第三图像能够较清晰的表示出哪些区域为环境所在的区域,哪些区域为车道所在的区域,从而有利于根据该第三图像确定出较准确的车道。
202、确定所述第三图像中的车道的中心曲线。
具体的,该中心曲线用于表示无人驾驶车的行进路线,在确定出该中线曲线后,可以使无人驾驶车根据该中心曲线更好的行驶。
203、建立以所述第三图像为基础的坐标系。
204、确定所述中心曲线在所述坐标系中的坐标。
具体的,无人驾驶车在行进过程中需要按照图像中的车道进行行驶,因此需要确定出车道在图像中的位置,又因为无人驾驶车在行进过程中,为了使无人驾驶车的行进路线相对较安全,需要使无人驾驶车按照车道的中线曲线行进,又因为无人驾驶车在按照图像进行过程中,需要使无人驾驶车获知需要延图像中的哪些点逐次行进,因此需要建立以第三图像为基础的坐标系,然后确定出车道的中心曲线在该坐标系中的坐标,以使无人驾驶车能够延该坐标安全行进。
在一个可行的实施方案中,图3为本申请提供的另一种图像处理方法的流程示意图,如图3所示,在执行步骤202时,可以通过以下步骤实现:
301、对所述第三图像进行边缘检测,确定所述第三图像中的车道的边缘点。
具体的,在确定出第三图像中的车道的边缘点后,可以把环境和车道在第三图像中分离开来,从而有利于提高在确定车道的中心曲线时的中心曲线。
302、根据所述边缘点,确定所述车道的中心曲线。
具体的,可以根据两两相对的边缘点确定车道上的一个中心点,在确定出多个连续的中心点后,可以确定出车道的中心曲线。
例如,图4为本申请提供的一种中心曲线的结构示意图,如图4所示,在确定出车道边缘的边缘点后,确定出两两相对的边缘点(如图4中的虚线框所示)之间的中心点,然后将多个中心点连接起来则可以确定出车道的中心曲线。
在一个可行的实施方案中,图5为本申请提供的另一种图像处理方法的流程示意图,如图5所示,在执行步骤302时,可以通过以下步骤实现:
501、对所述边缘点进行曲线拟合运算,确定所述第三图像中的车道的边缘曲线。
具体的,在对边缘点进行曲线拟合运算后,可以使确定出的第三图像中的车道的边缘曲线的准确性更高,从而有利于提高确定出的车道的中心曲线的准确性。
502、利用所述边缘曲线,确定所述边缘曲线的延伸方向上的所述车道的中心曲线。
具体的,由于车道的中心曲线位于车道两条边缘的中间,切车道的中心曲线的延伸方向与车道两条边缘的延伸方向相同,因此在确定车道的边缘曲线后,可以根据该边缘曲线的相对位置和该边缘曲线的延伸方向,确定出车道的中心曲线。
在一个可行的实施方案中,图6为本申请提供的另一种图像处理方法的流程示意图,如图6所示,在执行步骤201时,该方法还包括以下步骤:
601、对所述第二图像进行二值化处理,生成第四图像,其中,所述第四图像的分辨率大于所述第三图像的分辨率,所述第四图像为黑白图像。
602、对所述第四图像进行检测,确定所述第四图像中的车道上的指定标识的边缘点。
具体的,为了降低在确定车道的中心曲线的坐标的过程中的计算量,以及为了提高无人驾驶车对图像中的指定标识(如车道上的停止线)的识别准确度,在对第二图像进行二值化处理时,生成第三图像和第四图像,其中,第四图像的分辨率大于第三图像的分辨率,在确定车道的中心曲线的坐标的过程中以第三图像为基础进行确定,由于第三图像的分辨率较低,有利于降低整个过程中的计算量,在确定指定标识时,可以基于第四图像进行确定,由于第四图像的分辨率较高,因此可以使得确定出的指定标识的准确度较高。
图7为本申请提供的一种图像处理装置的结构示意图,如图7所示,所述图像处理装置包括:
采集单元71,用于采集第一图像;
生成单元72,用于对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像;
确定单元73,用于对所述第二图像进行分析,确定车道的中心曲线对应的坐标。
在一个可行的实施方案中,在所述确定单元73用于对所述第二图像进行分析,确定车道的中心曲线对应的坐标时,具体用于:
对所述第二图像进行二值化处理,生成第三图像,其中,所述第三图像为黑白图像;
确定所述第三图像中的车道的中心曲线;
建立以所述第三图像为基础的坐标系;
确定所述中心曲线在所述坐标系中的坐标。
在一个可行的实施方案中,在所述确定单元73用于确定所述第三图像中的车道的中心曲线时,具体用于:
对所述第三图像进行边缘检测,确定所述第三图像中的车道的边缘点;
根据所述边缘点,确定所述车道的中心曲线。
在一个可行的实施方案中,在所述确定单元73用于根据所述边缘点,确定所述车道的中心曲线时,具体用于:
对所述边缘点进行曲线拟合运算,确定所述第三图像中的车道的边缘曲线;
利用所述边缘曲线,确定所述边缘曲线的延伸方向上的所述车道的中心曲线。
在一个可行的实施方案中,所述确定单元73,还用于:
对所述第二图像进行二值化处理,生成第四图像,其中,所述第四图像的分辨率大于所述第三图像的分辨率,所述第四图像为黑白图像;
对所述第四图像进行检测,确定所述第四图像中的车道上的指定标识的边缘点。
在本申请实施例中,在采集到第一图像后,对第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像,在采用上述处理后,得到的第二图像能满足确定车道的中心曲线对应的坐标的要求,从而可以降低采集第一图像时,对第一图像样式的要求,例如,可以降低采集第一图像时对周围环境的要求,进一步的,在采集第一图像时,当周围环境较差时,相对于现有技术,由于本申请中确定出的第二图像能够满足确定车道的中心曲线对应的坐标时的要求,从而有利于提高确定出的坐标的准确度。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
采集第一图像;
对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像;
对所述第二图像进行分析,确定车道的中心曲线对应的坐标。
2.如权利要求1所述的方法,其特征在于,所述对所述第二图像进行分析,确定车道的中心曲线对应的坐标,包括:
对所述第二图像进行二值化处理,生成第三图像,其中,所述第三图像为黑白图像;
确定所述第三图像中的车道的中心曲线;
建立以所述第三图像为基础的坐标系;
确定所述中心曲线在所述坐标系中的坐标。
3.如权利要求2所述的方法,其特征在于,所述确定所述第三图像中的车道的中心曲线,包括:
对所述第三图像进行边缘检测,确定所述第三图像中的车道的边缘点;
根据所述边缘点,确定所述车道的中心曲线。
4.如权利要求3所述的方法,其特征在于,所述根据所述边缘点,确定所述车道的中心曲线,包括:
对所述边缘点进行曲线拟合运算,确定所述第三图像中的车道的边缘曲线;
利用所述边缘曲线,确定所述边缘曲线的延伸方向上的所述车道的中心曲线。
5.如权利要求2所述的方法,其特征在于,所述方法还包括:
对所述第二图像进行二值化处理,生成第四图像,其中,所述第四图像的分辨率大于所述第三图像的分辨率,所述第四图像为黑白图像;
对所述第四图像进行检测,确定所述第四图像中的车道上的指定标识的边缘点。
6.一种图像处理装置,其特征在于,所述图像处理装置包括:
采集单元,用于采集第一图像;
生成单元,用于对所述第一图像进行色域分析,生成只包含黄色色域和白色色域的第二图像;
确定单元,用于对所述第二图像进行分析,确定车道的中心曲线对应的坐标。
7.如权利要求6所述的图像处理装置,其特征在于,在所述确定单元用于对所述第二图像进行分析,确定车道的中心曲线对应的坐标时,具体用于:
对所述第二图像进行二值化处理,生成第三图像,其中,所述第三图像为黑白图像;
确定所述第三图像中的车道的中心曲线;
建立以所述第三图像为基础的坐标系;
确定所述中心曲线在所述坐标系中的坐标。
8.如权利要求7所述的图像处理装置,其特征在于,在所述确定单元用于确定所述第三图像中的车道的中心曲线时,具体用于:
对所述第三图像进行边缘检测,确定所述第三图像中的车道的边缘点;
根据所述边缘点,确定所述车道的中心曲线。
9.如权利要求8所述的方法,其特征在于,在所述确定单元用于根据所述边缘点,确定所述车道的中心曲线时,具体用于:
对所述边缘点进行曲线拟合运算,确定所述第三图像中的车道的边缘曲线;
利用所述边缘曲线,确定所述边缘曲线的延伸方向上的所述车道的中心曲线。
10.如权利要求7所述的图像处理装置,其特征在于,所述确定单元,还用于:
对所述第二图像进行二值化处理,生成第四图像,其中,所述第四图像的分辨率大于所述第三图像的分辨率,所述第四图像为黑白图像;
对所述第四图像进行检测,确定所述第四图像中的车道上的指定标识的边缘点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810588109.XA CN109063540B (zh) | 2018-06-08 | 2018-06-08 | 一种图像处理方法和图像处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810588109.XA CN109063540B (zh) | 2018-06-08 | 2018-06-08 | 一种图像处理方法和图像处理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109063540A true CN109063540A (zh) | 2018-12-21 |
CN109063540B CN109063540B (zh) | 2022-05-06 |
Family
ID=64819992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810588109.XA Active CN109063540B (zh) | 2018-06-08 | 2018-06-08 | 一种图像处理方法和图像处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063540B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950740A (zh) * | 2019-12-10 | 2021-06-11 | 中交宇科(北京)空间信息技术有限公司 | 高精地图道路中心线的生成方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605977A (zh) * | 2013-11-05 | 2014-02-26 | 奇瑞汽车股份有限公司 | 一种车道线的提取方法及装置 |
CN104992145A (zh) * | 2015-06-15 | 2015-10-21 | 山东大学 | 一种矩采样车道跟踪检测方法 |
CN105260713A (zh) * | 2015-10-09 | 2016-01-20 | 东方网力科技股份有限公司 | 一种车道线检测方法和装置 |
US20160035087A1 (en) * | 2013-03-15 | 2016-02-04 | Brian B. Avants | Semi-automated heart valve morphometry and computational stress analysis from 3d images |
CN106203267A (zh) * | 2016-06-28 | 2016-12-07 | 成都之达科技有限公司 | 基于机器视觉的车辆防碰撞方法 |
CN106326887A (zh) * | 2016-08-29 | 2017-01-11 | 东方网力科技股份有限公司 | 一种光学字符识别结果的校验方法及装置 |
CN106919915A (zh) * | 2017-02-22 | 2017-07-04 | 武汉极目智能技术有限公司 | 基于adas系统的地图道路标记及道路质量采集装置及方法 |
CN107341453A (zh) * | 2017-06-20 | 2017-11-10 | 北京建筑大学 | 一种车道线提取方法及装置 |
KR101851682B1 (ko) * | 2017-11-17 | 2018-04-24 | 주식회사 사라다 | 인접 도로영상의 분석을 통한 주차장 혼잡정보 제공장치 및 제공방법 |
-
2018
- 2018-06-08 CN CN201810588109.XA patent/CN109063540B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160035087A1 (en) * | 2013-03-15 | 2016-02-04 | Brian B. Avants | Semi-automated heart valve morphometry and computational stress analysis from 3d images |
CN103605977A (zh) * | 2013-11-05 | 2014-02-26 | 奇瑞汽车股份有限公司 | 一种车道线的提取方法及装置 |
CN104992145A (zh) * | 2015-06-15 | 2015-10-21 | 山东大学 | 一种矩采样车道跟踪检测方法 |
CN105260713A (zh) * | 2015-10-09 | 2016-01-20 | 东方网力科技股份有限公司 | 一种车道线检测方法和装置 |
CN106203267A (zh) * | 2016-06-28 | 2016-12-07 | 成都之达科技有限公司 | 基于机器视觉的车辆防碰撞方法 |
CN106326887A (zh) * | 2016-08-29 | 2017-01-11 | 东方网力科技股份有限公司 | 一种光学字符识别结果的校验方法及装置 |
CN106919915A (zh) * | 2017-02-22 | 2017-07-04 | 武汉极目智能技术有限公司 | 基于adas系统的地图道路标记及道路质量采集装置及方法 |
CN107341453A (zh) * | 2017-06-20 | 2017-11-10 | 北京建筑大学 | 一种车道线提取方法及装置 |
KR101851682B1 (ko) * | 2017-11-17 | 2018-04-24 | 주식회사 사라다 | 인접 도로영상의 분석을 통한 주차장 혼잡정보 제공장치 및 제공방법 |
Non-Patent Citations (6)
Title |
---|
GIL LOPES等: "High Resolution Trichromatic Road Surface Scanning with a Line Scan Camera and Light Emitting Diode Lighting for Road-Kill Detection", 《SENSORS》 * |
YANG XING等: "Advances in Vision-Based Lane Detection:Algorithms, Integration, Assessment, andPerspectives on ACP-Based Parallel Vision", 《IEEE/CAA JOURNAL OF AUTOMATICA SINICA》 * |
凤鹏飞等: "一种基于形态学与边缘点投票统计的车道线快速检测算法", 《唐山学院学报》 * |
宋加涛等: "一种适合于表情分析的人脸二值边缘图像的提取", 《中国图象图形学报》 * |
陈涛等: "基于优先像素与卡尔曼滤波追踪的车道线检测", 《汽车工程》 * |
鱼兆伟等: "基于动态感兴趣区域的光照无关车道线检测算法", 《计算机工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950740A (zh) * | 2019-12-10 | 2021-06-11 | 中交宇科(北京)空间信息技术有限公司 | 高精地图道路中心线的生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109063540B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10970566B2 (en) | Lane line detection method and apparatus | |
CN104217615B (zh) | 一种基于车路协同的行人防碰撞系统和方法 | |
WO2018153304A1 (zh) | 基于adas系统的地图道路标记及道路质量采集装置及方法 | |
CN103105174B (zh) | 一种基于ar增强现实技术的车载实景安全导航方法 | |
US20170337434A1 (en) | Warning Method of Obstacles and Device of Obstacles | |
KR101261409B1 (ko) | 영상 내 노면표시 인식시스템 | |
CN105185134A (zh) | 电子装置、电子装置的控制方法及计算机可读记录介质 | |
CN104723991A (zh) | 用于车辆的停车支援系统及停车支援方法 | |
US9355322B2 (en) | Road environment recognition device | |
KR20130114944A (ko) | 차량의 주차구획 인식방법 | |
CN105300401A (zh) | 电子装置及其控制方法 | |
CN106128115A (zh) | 一种基于双摄像机检测道路交通信息的融合方法 | |
CN108510491A (zh) | 虚化背景下人体骨骼关键点检测结果的过滤方法 | |
KR20170104287A (ko) | 주행 가능 영역 인식 장치 및 그것의 주행 가능 영역 인식 방법 | |
CN115717894B (zh) | 一种基于gps和普通导航地图的车辆高精度定位方法 | |
CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
CN110491156A (zh) | 一种感知方法、装置及系统 | |
CN104670085A (zh) | 车道脱离警报系统 | |
CN103258434A (zh) | 基于视频交通流检测和车辆识别的图像边缘检测系统 | |
CN109726699A (zh) | 基于人工智能的电动自行车占用机动车道识别方法 | |
CN106446785A (zh) | 基于双目视觉的可行道路检测方法 | |
CN104299221B (zh) | 一种交通标志图像的确定方法及装置 | |
CN103020613A (zh) | 一种基于视频的信号灯识别方法及装置 | |
CN103186905A (zh) | 车用颜色检测器 | |
CN107909012A (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 |
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 |