CN109241920B - 一种用于车载道路监控取证系统的车道线检测方法 - Google Patents
一种用于车载道路监控取证系统的车道线检测方法 Download PDFInfo
- Publication number
- CN109241920B CN109241920B CN201811079419.5A CN201811079419A CN109241920B CN 109241920 B CN109241920 B CN 109241920B CN 201811079419 A CN201811079419 A CN 201811079419A CN 109241920 B CN109241920 B CN 109241920B
- Authority
- CN
- China
- Prior art keywords
- lane line
- image
- lane
- fitting
- vehicle
- 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
- G06V10/30—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
- G06V10/44—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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
Abstract
一种车道线检测方法,该方法用于车载道路监控取证系统,所述车道线检测方法包括步骤:车道线分割,根据分割阈值对车载道路监控取证系统获取的道路图像进行分割并进行形态学滤波;车道线拟合,将滤波结果进行连通域标记,并进行车道线细化,通过最小二乘法拟合出车道线;车道线位置确定,根据视频图像中两条车道线直线方程中斜率及截距间关系,确定最终的车道线位置。
Description
技术领域
本发明属于智能交通设备技术领域,特别涉及一种用于车载道路监控取证系统的车道线检测方法。
背景技术
随着城市范围的扩大,道路上行驶的车辆日益增多,但是警力并没有相应的增加,道路交通安全成为公安交警系统的一个重要问题。可实现非现场执法的监控系统作为交通监管的一个有力补偿措施应运而生。然而,传统的监控系统建设存在着设备投资大、管控范围窄、建设周期长等弊端。由于移动执法监管系统建设周期短,管控范围广,一次性投资较低,成为了公安交警系统非现场执法系统的有效补充。随着4G技术的深入应用,数据传输费用的降低,通讯稳定性的提高,基于4G无线数据传输技术的车载式智能取证系统在实战应用中越来越广泛。车道线检测作为车载式智能取证系统违章变道取证的关键判断依据,是目前智能交通领域的研究热点。
发明内容
本发明的目的是提供一种用于车载道路监控智能取证系统的车道线检测方法,以提供利用车载式智能取证系统中违章变道检测的依据。
本发明实施例之一,一种车道线检测方法,该方法用于车载道路监控取证系统,其特征在于,所述车道线检测方法包括步骤:
图像预处理,通过对道路图像进行直方图统计法确定分割阈值。
车道线分割,根据分割阈值对车载道路监控取证系统获取的道路图像进行分割并进行形态学滤波;
车道线拟合,将滤波结果进行连通域标记,并进行车道线细化,通过最小二乘法拟合出车道线;
车道线位置确定,根据视频图像中两条车道线直线方程中斜率及截距间关系,确定最终的车道线位置。
与现有技术相比,采用本发明具有以下的技术效果:
1.时间复杂度低。鉴于车载式智能取证系统摄像机安装位置限制,其成像结果中车道线主要分布于图像下半部分,故本发明中仅对图像下班部分进行分析,并将图像块化处理,以降低算法时间复杂度。
2.训练方法准确性高。本发明在计算左右两条车道线直线方程时,采用训练方法不断完善车道线方程参数,以提高检测准确率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1本发明实施例中车道线检测方法原理流程示意图。
具体实施方式
如图1所示,本发明一种用于车载式智能取证系统的车道线检测方法,所述的检测方法采用道路监控视频图像对车道线进行检测,包括的步骤依次为车道线分割、车道线拟合和车道线位置确定。该取证系统往往安装在执法车辆上。
所述的车道线分割是指通过直方图统计图像灰度分布情况,根据其分布规律,确定目标分割阈值,对图像进行分割。
具体步骤包括:
1)建立图像灰度直方图,由于该方法用于车载式智能取证系统,摄像机安装于执法车辆顶部,根据摄像机安装角度及其成像规律,车道线主要分布于图像二分之一以下,故只需统计图像下半部分灰度直方图,
其中,
pi——灰度值为i出现的概率;
HistImg[i]——灰度值为i对应的像素个数;
nWidth——图像宽度;
nHeight——图像高度;
2)找出灰度直方图中出现频率最高的点,设为pmax,对应灰度值为iMax;
3)以该点为中心,以2n*2n的窗口对直方图进行统计计算,直到窗口内概率满足如下条件,
则对应的二值化分割阈值即为
nThd=iMax+2m (3)
其中,m为满足(2)式对应的n值。
4)根据阈值对图像进行分割,
其中,
BinImg[i]——二值化图像结果;
Img[i]——原始灰度图;
5)图像块化,设块的大小为w、h,则分割后图像大小为
6)形态学滤波,该部分使用基于横向及纵向扫描的方法对相邻近的二值化区域空白位置进行填充。
A)对二值化分割结果进行横向扫描,当相邻两黑块间间隔小于2个块时,则将中间区域的白块置为0,否则保留原值;
B)对二值化分割结果进行纵向扫描,当相邻两黑块间间隔小于2个块时,则将中间区域的白块置为0,否则保留原值;
7)连通域处理的实现步骤是:
A)图像初步标记
为每个块赋予临时标记,并且将临时标记的等价关系记录在等价表中;
B)整理等价表
A’)将具有等价关系的临时标记全部等价为其中的最小值;
B’)对连通区域以自然数顺序重新编号,得到临时标记与最终标记之间的等价关系;
C)图像代换
对图像进行逐块代换,将临时标记代换为最终标记,经过上述处理,图像中连通域按照由上到下,由左到右出现的顺序被标以连续的自然数;
D)连通域外接矩形
连通域标记结束后,进行其最小外接矩形的求取,将属于同一个标号的块连接起来,以确定该目标的长度和宽度;
所述的车道线拟合主要包括车道点细化及最小二乘法直线拟合,车道点细化通过按行横向扫描整幅图像,当满足如下条件时,
记录该行车道点所在位置为
实现车道点细化后,根据各点所在位置通过最小二乘法直线拟合方法实现车道线拟合,其拟合后直线为
由于车载式智能取证系统摄像机架设位置决定其成像图像中,车道线分布呈满足如下规律,
D)两车道线所在直线与X轴交点分布在图像中心两侧;
E)两车道线所在直线斜率之和在一定范围内;
F)两车道线所在直线与X轴交点之差占图像宽度比一定;
即
上式中K和A为恒定值,可通过数帧拟合计算训练后获得该值,并在后续计算中不断更新完善这两个值,根据该规律在拟合出的直线组中寻找最为接近实际车道线的方程。同理,当只分割出一侧车道线时,可根据训练结果,计算另一车道线相关参数。
值得说明的是,虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (3)
1.一种车道线检测方法,该方法用于车载道路监控取证系统,其特征在于,所述车道线检测方法包括步骤:
车道线分割,根据分割阈值对车载道路监控取证系统获取的道路图像进行分割并进行形态学滤波;
车道线拟合,将滤波结果进行连通域标记,并进行车道线细化,通过最小二乘法拟合出车道线;
车道线位置确定,根据视频图像中两条车道线直线方程中斜率及截距间关系,确定最终的车道线位置,
在步骤车道线分割之前还包括图像预处理步骤,通过对道路图像进行直方图统计法确定分割阈值,
对于步骤车道线分割,包括图像二值化、图像块化、形态学滤波和连通域标记,图像二值化还包括直方图统计和阈值确定过程,具体步骤车道线分割包括:
S101,统计车载道路监控取证系统获取的道路图像的下半部分灰度直方图,
其中,
pi——灰度值为i出现的概率;
HistImg[i]——灰度值为i对应的像素个数;
nWidth——图像宽度;
nHeight——图像高度;
S102,找出灰度直方图中出现频率最高的点,设为pmax,对应灰度值为iMax;
S103,以pmax该点为中心,以2n*2n的窗口对直方图进行统计计算,直到窗口内概率满足如下条件,
则对应的二值化分割阈值即为
nThd=iMax+2m (3)
其中,m为满足(2)式对应的n值;
S104,根据二值化分割阈值对道路图像进行分割,
其中,
BinImg[i]——二值化图像结果;
Img[i]——原始灰度图;
S105,图像块化,设块的大小为w、h,则分割后图像大小为
S106,形态学滤波,使用基于横向及纵向扫描的方法对相邻近的二值化区域空白位置进行填充,包括:
S106A)对二值化分割结果进行横向扫描,当相邻两黑块间间隔小于2个块时,则将中间区域的白块置为0,否则保留原值;
S106B)对二值化分割结果进行纵向扫描,当相邻两黑块间间隔小于2个块时,则将中间区域的白块置为0,否则保留原值;
S107,连通域处理,包括:
S107A)图像初步标记
为每个块赋予临时标记,并且将临时标记的等价关系记录在等价表中;
S107B)整理等价表,进一步包括,
A’)将具有等价关系的临时标记全部等价为其中的最小值;
B’)对连通区域以自然数顺序重新编号,得到临时标记与最终标记之间的等价关系;
S107C)图像代换
对图像进行逐块代换,将临时标记代换为最终标记,经过上述处理,图像中连通域按照由上到下,由左到右出现的顺序被标以连续的自然数;
S107D)连通域外接矩形
连通域标记结束后,进行其最小外接矩形的求取,将属于同一个标号的块连接起来,以确定该目标的长度和宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811079419.5A CN109241920B (zh) | 2018-09-17 | 2018-09-17 | 一种用于车载道路监控取证系统的车道线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811079419.5A CN109241920B (zh) | 2018-09-17 | 2018-09-17 | 一种用于车载道路监控取证系统的车道线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109241920A CN109241920A (zh) | 2019-01-18 |
CN109241920B true CN109241920B (zh) | 2022-10-28 |
Family
ID=65058594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811079419.5A Active CN109241920B (zh) | 2018-09-17 | 2018-09-17 | 一种用于车载道路监控取证系统的车道线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241920B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135252A (zh) * | 2019-04-11 | 2019-08-16 | 长安大学 | 一种用于无人车的自适应精准车道线检测及偏离预警方法 |
CN110414385B (zh) * | 2019-07-12 | 2021-06-25 | 淮阴工学院 | 一种基于单应性变换和特征窗口的车道线检测方法及系统 |
CN110779535B (zh) * | 2019-11-04 | 2023-03-03 | 腾讯科技(深圳)有限公司 | 一种获得地图数据及地图的方法、装置和存储介质 |
CN112258844B (zh) * | 2020-11-05 | 2022-05-27 | 浙江点辰航空科技有限公司 | 一种使用无人机对高速公路急车道进行巡检的方法 |
CN112330659B (zh) * | 2020-11-24 | 2023-04-07 | 成都信息工程大学 | 结合lsd直线检测和连通域标记法的几何公差符号分割方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916516B (zh) * | 2010-08-13 | 2012-07-11 | 深圳市豪恩汽车电子装备有限公司 | 一种车道偏移识别方法 |
CN105740809B (zh) * | 2016-01-28 | 2019-03-12 | 东南大学 | 一种基于机载摄像机的高速公路车道线检测方法 |
CN107066986A (zh) * | 2017-04-21 | 2017-08-18 | 哈尔滨工业大学 | 一种基于单目视觉的车道线与前方障碍物检测方法 |
-
2018
- 2018-09-17 CN CN201811079419.5A patent/CN109241920B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109241920A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241920B (zh) | 一种用于车载道路监控取证系统的车道线检测方法 | |
Bilal et al. | Real-time lane detection and tracking for advanced driver assistance systems | |
CN105005771B (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN101739566B (zh) | 基于自适应投影模板法的车牌定位方法 | |
CN103065138B (zh) | 一种机动车牌号的识别方法 | |
CN103324930B (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
CN101789080B (zh) | 车辆车牌实时定位字符分割的检测方法 | |
CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
CN110210451B (zh) | 一种斑马线检测方法 | |
CN101630360B (zh) | 一种在高清晰图像中识别车牌的方法 | |
CN107590470B (zh) | 一种车道线检测方法及装置 | |
CN108038416B (zh) | 车道线检测方法及系统 | |
CN105741559B (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
CN104050450A (zh) | 一种基于视频的车牌识别方法 | |
CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
CN102184399A (zh) | 基于水平投影和连通域分析的字符分割方法 | |
CN105528609A (zh) | 一种基于字符位置的车牌定位方法 | |
CN111597905B (zh) | 一种基于视频技术的公路隧道停车检测方法 | |
CN103440785B (zh) | 一种快速的车道偏移警示方法 | |
CN106503640A (zh) | 一种占用公交车道的检测方法 | |
CN106951896B (zh) | 一种车牌图像倾斜校正方法 | |
CN107909047A (zh) | 一种汽车及其应用的车道检测方法及系统 | |
CN111783666A (zh) | 一种基于连续视频帧角点特征匹配的快速车道线检测方法 | |
CN104156727A (zh) | 一种基于单目视觉的灯光倒影检测的方法 |
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 |