CN109284674A - 一种确定车道线的方法及装置 - Google Patents

一种确定车道线的方法及装置 Download PDF

Info

Publication number
CN109284674A
CN109284674A CN201810900902.9A CN201810900902A CN109284674A CN 109284674 A CN109284674 A CN 109284674A CN 201810900902 A CN201810900902 A CN 201810900902A CN 109284674 A CN109284674 A CN 109284674A
Authority
CN
China
Prior art keywords
line
image
point
target
distance
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
Application number
CN201810900902.9A
Other languages
English (en)
Other versions
CN109284674B (zh
Inventor
李乾坤
卢维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201810900902.9A priority Critical patent/CN109284674B/zh
Publication of CN109284674A publication Critical patent/CN109284674A/zh
Priority to EP19848186.3A priority patent/EP3821371B1/en
Priority to PCT/CN2019/089760 priority patent/WO2020029667A1/en
Application granted granted Critical
Publication of CN109284674B publication Critical patent/CN109284674B/zh
Priority to US17/169,596 priority patent/US11335102B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种确定车道线的方法及装置，包括：识别第一图像中的每条第一直线，确定每条候选车道线；针对每个车辆，根据该车辆的第一中心点坐标和第三中心点坐标，确定每条目标行驶线；将每条目标行驶线与第一图像底边的交点作为特征点，根据每个特征点和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。在本发明实施例中，根据每条目标行驶线，确定每个目标特征点，将目标特征点到每条候选车道线的第一距离最小的候选车道线作为目标车道线。不需要检测模型，避免了样本没有覆盖到的场景存在漏检和误检的问题，提高了确定车道线的准确性。

Description

一种确定车道线的方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种确定车道线的方法及装置。
背景技术
道路交通事故给人们的生命、财产带来极大伤害，每年造成的人员死亡数超过十万人。其中，很多时候是因为车辆在行驶过程中跨越车道线而造成的道路交通事故。为了减少道路交通事故的发生，需要准确的检测出道路上的车道线。
目前在进行车道线检测时，一般通过人工画线的方法检测车道线，也就是人工识别每张图像中的车道线并进行标记。随着智能交通的发展，摄像机采集到的图像的数量越来越多，通过人工检测车道线需要耗费大量的人力成本。
为了解决耗费人力成本较大的问题，现有技术中提出了基于卷积神经网络检测车道线的方法，但是这种方法存在的问题是，前期需要大量的样本对模型进行训练，在样本覆盖到的场景中，检测结果较好，但是对于样本没有覆盖到的场景，存在着较严重的漏检和误检。例如将路边的栏杆、路灯杆等较长的物体误检测为车道线。因此，现有技术存在车道线检测不准确的问题。
发明内容
本发明实施例提供了一种确定车道线的方法及装置，用以解决现有技术中确定车道线不准确的问题。
本发明实施例提供了一种确定车道线的方法，所述方法包括：
识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；
识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；
将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；
针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
进一步地，所述根据所述每条第一直线，确定每条候选车道线包括：
确定任意两条不平行的第一直线在所述第一图像中的交点；
针对每个交点，确定该交点分别到每条第一直线的第二距离，将所述第二距离小于预设的第一距离阈值的第一直线作为第二直线；
根据每条第二直线，确定每条候选车道线。
进一步地，所述根据每条第二直线，确定每条候选车道线包括：
针对所述每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。
进一步地，所述根据每条行驶线，确定每条目标行驶线包括：
将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
进一步地，所述将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线包括：
确定任意两条行驶线的第三距离，将所述第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
进一步地，所述将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线之后，将每条目标行驶线与所述第一图像底边的交点作为特征点之前，所述方法还包括：
识别目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，进行后续步骤。
进一步地，如果所述数量与预设的数量不一致，所述方法还包括：
A、识别所述第二图像中每个车辆的第二中心点坐标以及所述第二图像的前一帧第三图像中每个车辆的第四中心点坐标，将所述第二中心点坐标和第四中心点坐标映射到所述第一图像中，得到第五中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第五中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；识别确定的目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，进行步骤B，如果否，进行步骤C；
B、将每条目标行驶线与所述第一图像底边的交点作为特征点；根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线；
C、将所述第三图像作为第二图像，返回步骤A。
进一步地，所述根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点包括：
针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。
另一方面，本发明实施例提供了一种确定车道线的装置，所述装置包括：
第一确定模块，用于识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；
第二确定模块，用于识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；
第三确定模块，用于将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；
第四确定模块，用于针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
进一步地，所述第一确定模块，具体用于确定任意两条不平行的第一直线在所述第一图像中的交点；针对每个交点，确定该交点分别到每条第一直线的第二距离，将所述第二距离小于预设的第一距离阈值的第一直线作为第二直线；根据每条第二直线，确定每条候选车道线。
进一步地，所述第一确定模块，具体用于针对所述每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。
进一步地，所述第二确定模块，具体用于将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
进一步地，所述第二确定模块，具体用于确定任意两条行驶线的第三距离，将所述第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
进一步地，所述装置还包括：
判断模块，用于识别目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，触发所述第三确定模块。
进一步地，所述装置还包括第五确定模块，所述第五确定模块包括：
第一确定单元，用于识别所述第二图像中每个车辆的第二中心点坐标以及所述第二图像的前一帧第三图像中每个车辆的第四中心点坐标，将所述第二中心点坐标和第四中心点坐标映射到所述第一图像中，得到第五中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第五中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；识别确定的目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，触发第二确定单元，如果否，触发第三确定单元；
第二确定单元，用于将每条目标行驶线与所述第一图像底边的交点作为特征点；根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线；
第三确定单元，用于将所述第三图像作为第二图像，触发所述第一确定单元。
进一步地，所述第三确定模块，具体用于针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。
本发明实施例提供了一种确定车道线的方法及装置，所述方法包括：识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
由于在本发明实施例中，根据车辆在第一图像中的第一中心点坐标和第三中心点坐标，确定第一图像中的目标行驶线，将每条目标行驶线与第一图像底边交点作为特征点，根据每个特征点和预设的水平距离，确定每个目标特征点，然后将目标特征点到每条候选车道线的第一距离最小的候选车道线作为目标车道线。不需要对检测模型进行训练，避免了对于样本没有覆盖到的场景，存在着较严重的漏检和误检的问题，提高了确定车道线的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的确定车道线的过程示意图；
图2为本发明实施例1提供的识别到的每条第一直线示意图；
图3为本发明实施例3提供的确定出的候选车道线的示意图；
图4为本发明实施例7提供的确定出的目标车道线示意图；
图5为本发明实施例提供的确定车道线的装置结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
实施例1：
图1为本发明实施例提供的确定车道线的过程示意图，该过程包括以下步骤：
S101：识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线。
本发明实施例提供的确定车道线的方法应用于电子设备，该电子设备可以是PC、平板电脑等设备，也可以是图像采集设备，其中，图像采集设备可以安装在路面上方的龙门架或瞭望杆上。
图像采集设备可以实时采集待确定车道线的第一图像，如果电子设备是图像采集设备，则图像采集设备采集到第一图像后，直接进行后续确定车道线的处理过程。如果电子设备是PC、平板电脑等设备，则图像采集设备采集到第一图像后，将第一图像发送至电子设备，电子设备针对接收到的第一图像，进行后续确定车道线的处理过程。
电子设备接收到第一图像，可以识别第一图像中的每条第一直线。图2为识别到的第一图像中的每条第一直线。其中，电子设备可以采用最小显著性差异法(Least—SignificantDifference，LSD)或者霍夫变换(Hough)算法识别第一图像中的每条第一直线。电子设备识别第一图像中的每条第一直线的过程属于现有技术，在此不再对该过程进行赘述。
电子设备识别第一图像中的每条第一直线后，根据每条第一直线，确定每条候选车道线，其中，可以将识别到的每条第一直线都作为候选车道线。
S102：识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线。
电子设备可以识别到图像中的每辆汽车，例如通过模板匹配的方法识别图像中的车辆。其中，电子设备识别图像中的车辆的过程属于现有技术，在此不再对该过程进行赘述。
电子设备识别第一图像中的每个车辆，然后识别每个车辆的中心点在第一图像中的第一中心点坐标。并且电子设备识别第一图像的前一帧第二图像中的每个车辆，然后识别每个车辆的中心点在第二图像中的第二中心点坐标。由于第一图像和第二图像的分辨率相同，因此可以将第二中心点坐标映射到第一图像中，得到第三中心点坐标。其中，电子设备识别到第二图像中的第二中心点坐标后，将第一图像中的坐标为上述第二中心点坐标的像素点，作为与第二图像中的第二中心点坐标的像素点对应的像素点。电子设备将第一图像中的对应的像素点的坐标作为第三中心点坐标。
例如，某个车辆的中心点在第二图像中的第二中心点坐标为(100，50)，则第二中心点坐标映射到第一图像中，得到的第三中心点坐标也为(100，50)。
电子设备针对每个车辆，识别该车辆在第一图像中的第一中心点坐标和第三中心点坐标，然后根据该车辆在第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在第一图像中的行驶线。也就是将该车辆在第一图像中的第一中心点坐标和第三中心点坐标连接得到的直线，作为该车辆在第一图像中的行驶线。
电子设备确定第一图像中的每条行驶线后，根据每条行驶线，确定每条目标行驶线，其中，可以将确定的每条行驶线都作为目标行驶线。
S103：将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点。
电子设备在确定出第一图像中的每条目标行驶线后，可以确定每条目标行驶线与第一图像底边的交点。第一图像底边为图2中标示出的位置，也就是第一图像的下边缘。电子设备将每条目标行驶线与第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，可以确定出每个目标特征点。
其中，针对每个特征点，可以将该特征点分别向左右两侧移动预设的水平距离，得到该特征点对应的目标特征点，也就是将该特征点的水平方向坐标分别减去和加上预设的水平距离，得到对应的目标特征点。预设的水平距离可以根据实际的道路情况进行设置。大部分车道宽度为汽车宽度的两倍，而车辆一般行驶在车道中间，确定的特征点也近似在相邻两条车道的中点，因此预设的水平距离可以为汽车的宽度。对于某些车道宽度较小的道路，可以将预设的水平距离设置为汽车的三分之二宽度等。对于某些车道宽度较大的道路，可以将预设的水平距离设置为汽车宽度的1.2倍等。
S104：针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
本发明实施例中确定出的每个目标特征点分布在车道线的附近，电子设备针对确定出的每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，然后确定出第一距离最小的候选车道线，将该候选车道线作为目标车道线。
由于在本发明实施例中，根据车辆在第一图像中的第一中心点坐标和第三中心点坐标，确定第一图像中的目标行驶线，将每条目标行驶线与第一图像底边交点作为特征点，根据每个特征点和预设的水平距离，确定每个目标特征点，然后将目标特征点到每条候选车道线的第一距离最小的候选车道线作为目标车道线。不需要对检测模型进行训练，避免了对于样本没有覆盖到的场景，存在着较严重的漏检和误检的问题，提高了确定车道线的准确性。
实施例2：
为了使确定出的目标车道线准确，需要准确确定出每条候选车道线，因此在上述实施例的基础上，在本发明实施例中，所述根据所述每条第一直线，确定每条候选车道线包括：
确定任意两条不平行的第一直线在所述第一图像中的交点；
针对每个交点，确定该交点分别到每条第一直线的第二距离，将所述第二距离小于预设的第一距离阈值的第一直线作为第二直线；
根据每条第二直线，确定每条候选车道线。
第一图像中的每条车道线在空间上为平行的直线，而空间中平行的车道线，在透射模型下，将交于一点Pvp，该点Pvp为该第一图像中的消失点(vanish point)。
空间中的平行的车道线在图像中相交于一点属于现有技术中的公知常识，在此仅对其原理进行简单介绍。
在透射模型中，给定空间中的一个向量V和空间中的一点X，可以得到一条直线P＝X+λV，其中λ可以取任意实数。对于不同的X，由于其方向都是向量V，所以这些直线之间是平行的。
对于直线上一点P，其在图像上的像rp～为：
其中是P在图像上的成像坐标，K是相机内参，R是相机外参中的旋转参数，T是相机外参中的平移参数，C是相机光心坐标。
当λ取无穷大时；
其中，Pvp为一点，为该点的坐标。
以上可得，空间中平行的车道线，在透射模型下，将交于一点Pvp，并称该点为该图像的消失点。
第一图像中的消失点为第一图像中的某两条不平行的第一直线在第一图像中的交点，消失点到每条车道线的距离都较小。在本发明实施例中，电子设备在识别到第一图像中的每条第一直线后，可以确定出每条第一直线的斜率，根据每条第一直线的斜率可以确定任意两条不平行的第一直线，进而确定出任意两条不平行的第一直线在第一图像中的交点。消失点包含于确定的交点中。然后针对每个交点，确定该交点分别到每条第一直线的第二距离，电子设备中可以保存预设的第一距离阈值，其中预设的第一距离阈值可以是较小的距离，例如一个车辆的宽度。电子设备将第二距离小于预设的第一距离阈值的第一直线作为第二直线，待确定的目标车道线包含于第二直线中。
因此，根据每条第二直线，确定每条候选车道线，可以是将确定的每条第二直线都作为候选车道线。
由于在本发明实施例中，电子设备确定任意两条不平行的第一直线在第一图像中的交点，然后针对每个交点，将该交点分别到每条第一直线的第二距离小于预设的第一距离阈值的第一直线作为第二直线，根据每条第二直线，确定每条候选车道线。使得确定的候选车道线更准确，进而使得后续确定的目标车道线更准确。
实施例3：
为了进一步使得确定的候选车道线更准确，在上述各实施例的基础上，在本发明实施例中，所述根据每条第二直线，确定每条候选车道线包括：
针对所述每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。
由于第一图像中车道线相交于消失点，而消失点分别到每条第一直线的第二距离小于预设的第一距离阈值的第二直线数量是最多的，因此在本发明实施例中，在针对每个交点，确定该交点分别到每条第一直线的第二距离，将第二距离小于预设的第一距离阈值的第一直线作为第二直线后，识别每个交点对应的第二直线的数量，对应的第二直线的数量最多的交点即为第一图像中车道线相交于的消失点。进而将消失点对应的第二直线作为候选车道线，也就是将对应的数量最多的第二直线作为候选车道线。图3为确定出的候选车道线的示意图，如图3所示，候选车道线中包含目标车道线，以及少量的污染线，比如路边的栏杆等直线。然后在候选车道线中确定目标车道线。
由于在本发明实施例中，针对每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。进一步使得确定的候选车道线更准确。
实施例4：
为了使确定出的目标车道线准确，需要准确确定出每条目标行驶线，因此在上述实施例的基础上，在本发明实施例中，所述根据每条行驶线，确定每条目标行驶线包括：
将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
电子设备针对第一图像中的每个车辆可以确定出该车辆的行驶线，而每个车道中一般行驶有多个车辆，也就是每个车道中都确定有多条行驶线。在本发明实施例中，可以在电子设备中保存预设区域，预设区域可以根据当前场景中车道的数量进行划分确定。例如当前场景中车道的数量为3，则可以将第一图像划分为三个预设区域，其中可以将第一图像平均划分为左中右三个预设区域，也可以不平均划分，例如左右两个预设区域较大，中间的预设区域较小。然后将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。如果某条行驶线不完全包含于某个预设区域内，则识别该条行驶线在每个预设区域内的像素点数量，将像素点最多的预设区域作为该条行驶线所在的预设区域。
由于在本发明实施例中，电子设备中保存预设区域，预设区域可以根据当前场景中车道的数量进行划分确定，将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线，使得确定的每条目标行驶线更准确。
实施例5：
为了进一步使得确定的目标行驶线更准确，在上述各实施例的基础上，在本发明实施例中，所述将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线包括：
确定任意两条行驶线的第三距离，将所述第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
由于位于同一车道内的车辆对应的行驶线位置很近，因此，在本发明实施例中，电子设备在确定出每条行驶线后，针对任意两条行驶线，确定该两条行驶线的第三距离。其中，电子设备可以在同一水平线上，取该两条行驶线与该水平线的交点，将两个交点的距离作为该两条行驶线的第三距离。
电子设备中保存有预设的第二距离阈值，其中，预设的第二距离阈值和预设的第一距离阈值可以相同或不同，电子设备在确定任意两条行驶线的第三距离后，判断每个第三距离是否小于预设的第二距离阈值，并认为第三距离小于预设的第二距离阈值的行驶线为一个车道内的行驶线，也就是将第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线，然后将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。这样可以确定出每个车道对应的一条目标行驶线。
由于在本发明实施例中，电子设备确定任意两条行驶线的第三距离，将第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。进一步使得确定目标行驶线更准确。
实施例6：
由于存在第一图像中某个车道没有车辆的情况，这样会导致车道线漏检，为了避免这种情况，在上述各实施例的基础上，在本发明实施例中，所述将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线之后，将每条目标行驶线与所述第一图像底边的交点作为特征点之前，所述方法还包括：
识别目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，进行后续步骤。
用户将当前场景中车道的数量作为预设的数量输入到电子设备中，电子设备在确定出每条目标行驶线后，识别目标行驶线的数量，并判断目标行驶线的数量与预设的数量是否一致，如果一致，则说明每个车道都有车辆，并且在每个车道内都确定出了对应的目标行驶线，此时不会出现车道线漏检的情况，可以直接进行后续确定车道线的步骤。
如果所述数量与预设的数量不一致，所述方法还包括：
A、识别所述第二图像中每个车辆的第二中心点坐标以及所述第二图像的前一帧第三图像中每个车辆的第四中心点坐标，将所述第二中心点坐标和第四中心点坐标映射到所述第一图像中，得到第五中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第五中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；识别确定的目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，进行步骤B，如果否，进行步骤C；
B、将每条目标行驶线与所述第一图像底边的交点作为特征点；根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线；
C、将所述第三图像作为第二图像，返回步骤A。
而如果目标行驶线的数量与预设的数量不一致，则说明第一图像中某个或某几个车道内没有车辆。此时，电子设备识别第一图像的前一帧第二图像中每个车辆的第二中心点坐标以及第二图像的前一帧第三图像中每个车辆的第四中心点坐标，由于第二图像、第三图像和第一图像的分辨率相同，因此可以将第二中心点坐标和第四中心点坐标分别映射到第一图像中，得到第五中心点坐标。例如，某个车辆的中心点在第二图像中的第二中心点坐标为(150，40)，该车辆的中心点在第三图像中的第四中心点坐标为(180，30)则第二中心点坐标映射到第一图像中，得到的第五中心点坐标为(150，40)，第四中心点坐标映射到第一图像中，得到的第五中心点坐标为(180，30)。
电子设备针对每个车辆，识别该车辆在第一图像中的两个第五中心点坐标，然后根据该车辆在第一图像中的两个第五中心点坐标，确定该车辆在第一图像中的行驶线。也就是将该车辆在第一图像中的两个第五中心点坐标连接得到的直线，作为该车辆在第一图像中的行驶线。电子设备确定第一图像中的每条行驶线后，根据每条行驶线，确定每条目标行驶线，其中，电子设备可以确定任意两条行驶线的第三距离，将第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
进而电子设备识别确定的目标行驶线的数量，判断目标行驶线的数量与预设的数量是否一致，如果一致，则将每条目标行驶线与第一图像底边的交点作为特征点，针对每个特征点，可以将该特征点分别向左右两侧移动预设的水平距离，得到该特征点对应的目标特征点，也就是将该特征点的水平方向坐标分别减去和加上预设的水平距离，得到对应的目标特征点，针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。而如果目标行驶线的数量与预设的数量不一致，则说明某个或某几个车道中仍然没有车辆，此时将第三图像作为第二图像，重新根据第二图像和第三图像确定目标行驶线，并重复上述过程，直至目标行驶线的数量与预设的数量一致，才进行后续确定目标车道线的步骤。
由于在本发明实施例中，如果目标行驶线的数量与预设的数量不一致，则根据第二图像和第二图像的前一帧第三图像，重新确定第一图像中的目标行驶线，如果重新确定的目标行驶线仍然与预设的数量不一致，则将第三图像作为第二图像，重新根据第二图像和第三图像确定目标行驶线，并重复上述过程，直至目标行驶线的数量与预设的数量一致，才进行后续确定目标车道线的步骤。因此可以避免由于第一图像中某个车道没有车辆而导致车道线漏检的情况，使得确定车道线更准确。
实施例7：
为了使确定目标车道线更准确，需要准确确定第一图像中的每个目标特征点，在上述各实施例的基础上，在本发明实施例中，所述根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点包括：
针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。
在本发明实施例中，电子设备在确定出每个特征点后，根据每个特征点的坐标信息可以确定第一图像中最左侧的特征点，最右侧的特征点，以及任意两个相邻的特征点。针对任意两个相邻的特征点，根据该两个相邻的特征点的坐标信息，可以确定该两个相邻的特征点之间的中点，将该中点作为目标特征点，该目标特征点位于该两个相邻的特征点对应的行驶线之间的车道线附近。针对最左侧的特征点，可以将该特征点向左移动预设的水平距离，也就是将该特征点的水平坐标减去预设的水平距离，得到最左侧的特征点对应的目标特征点。针对最右侧的特征点，可以将该特征点向右移动预设的水平距离，也就是将该特征点的水平坐标加上预设的水平距离，得到最右侧的特征点对应的目标特征点。其中，最左侧的特征点对应的目标特征点位于第一图像中最左侧车道线附近，最右侧的特征点对应的目标特征点位于第一图像中最右侧车道线附近。
图4为本发明实施例确定出的目标车道线示意图，另外，图4中还示出了车辆的目标行驶线。
由于在本发明实施例中，针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。使得确定的目标特征点更准确，进而使得确定的目标车道线更准确。
图5为本发明实施例提供的确定车道线的装置结构示意图，该装置包括：
第一确定模块51，用于识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；
第二确定模块52，用于识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；
第三确定模块53，用于将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；
第四确定模块54，用于针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
所述第一确定模块51，具体用于确定任意两条不平行的第一直线在所述第一图像中的交点；针对每个交点，确定该交点分别到每条第一直线的第二距离，将所述第二距离小于预设的第一距离阈值的第一直线作为第二直线；根据每条第二直线，确定每条候选车道线。
所述第一确定模块51，具体用于针对所述每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。
所述第二确定模块52，具体用于将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
所述第二确定模块52，具体用于确定任意两条行驶线的第三距离，将所述第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
所述装置还包括：
判断模块55，用于识别目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，触发所述第三确定模块53。
所述装置还包括第五确定模块56，所述第五确定模块56包括：
第一确定单元561，用于识别所述第二图像中每个车辆的第二中心点坐标以及所述第二图像的前一帧第三图像中每个车辆的第四中心点坐标，将所述第二中心点坐标和第四中心点坐标映射到所述第一图像中，得到第五中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第五中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；识别确定的目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，触发第二确定单元562，如果否，触发第三确定单元563；
第二确定单元562，用于将每条目标行驶线与所述第一图像底边的交点作为特征点；根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线；
第三确定单元563，用于将所述第三图像作为第二图像，触发所述第一确定单元561。
所述第三确定模块53，具体用于针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。
本发明实施例提供了一种确定车道线的方法及装置，所述方法包括：识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
由于在本发明实施例中，根据车辆在第一图像中的第一中心点坐标和第三中心点坐标，确定第一图像中的目标行驶线，将每条目标行驶线与第一图像底边交点作为特征点，根据每个特征点和预设的水平距离，确定每个目标特征点，然后将目标特征点到每条候选车道线的第一距离最小的候选车道线作为目标车道线。不需要对检测模型进行训练，避免了对于样本没有覆盖到的场景，存在着较严重的漏检和误检的问题，提高了确定车道线的准确性。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (16)

1.一种确定车道线的方法，其特征在于，所述方法包括：
识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；
识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；
将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；
针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
2.如权利要求1所述的方法，其特征在于，所述根据所述每条第一直线，确定每条候选车道线包括：
确定任意两条不平行的第一直线在所述第一图像中的交点；
针对每个交点，确定该交点分别到每条第一直线的第二距离，将所述第二距离小于预设的第一距离阈值的第一直线作为第二直线；
根据每条第二直线，确定每条候选车道线。
3.如权利要求2所述的方法，其特征在于，所述根据每条第二直线，确定每条候选车道线包括：
针对所述每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。
4.如权利要求1所述的方法，其特征在于，所述根据每条行驶线，确定每条目标行驶线包括：
将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
5.如权利要求4所述的方法，其特征在于，所述将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线包括：
确定任意两条行驶线的第三距离，将所述第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
6.如权利要求5所述的方法，其特征在于，所述将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线之后，将每条目标行驶线与所述第一图像底边的交点作为特征点之前，所述方法还包括：
识别目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，进行后续步骤。
7.如权利要求6所述的方法，其特征在于，如果所述数量与预设的数量不一致，所述方法还包括：
A、识别所述第二图像中每个车辆的第二中心点坐标以及所述第二图像的前一帧第三图像中每个车辆的第四中心点坐标，将所述第二中心点坐标和第四中心点坐标映射到所述第一图像中，得到第五中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第五中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；识别确定的目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，进行步骤B，如果否，进行步骤C；
B、将每条目标行驶线与所述第一图像底边的交点作为特征点；根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线；
C、将所述第三图像作为第二图像，返回步骤A。
8.如权利要求1或7所述的方法，其特征在于，所述根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点包括：
针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。
9.一种确定车道线的装置，其特征在于，所述装置包括：
第一确定模块，用于识别第一图像中的每条第一直线，根据所述每条第一直线，确定每条候选车道线；
第二确定模块，用于识别所述第一图像中每个车辆的第一中心点坐标以及所述第一图像的前一帧第二图像中每个车辆的第二中心点坐标，将所述第二中心点坐标映射到所述第一图像中，得到第三中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第一中心点坐标和第三中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；
第三确定模块，用于将每条目标行驶线与所述第一图像底边的交点作为特征点，根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；
第四确定模块，用于针对所述每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线。
10.如权利要求9所述的装置，其特征在于，所述第一确定模块，具体用于确定任意两条不平行的第一直线在所述第一图像中的交点；针对每个交点，确定该交点分别到每条第一直线的第二距离，将所述第二距离小于预设的第一距离阈值的第一直线作为第二直线；根据每条第二直线，确定每条候选车道线。
11.如权利要求10所述的装置，其特征在于，所述第一确定模块，具体用于针对所述每个交点，确定该交点对应的第二直线的数量，将对应的数量最多的第二直线作为候选车道线。
12.如权利要求9所述的装置，其特征在于，所述第二确定模块，具体用于将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
13.如权利要求12所述的装置，其特征在于，所述第二确定模块，具体用于确定任意两条行驶线的第三距离，将所述第三距离小于预设的第二距离阈值的行驶线作为一个预设区域内的行驶线；将每个预设区域内的行驶线中的任意一条行驶线作为目标行驶线。
14.如权利要求13所述的装置，其特征在于，所述装置还包括：
判断模块，用于识别目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，触发所述第三确定模块。
15.如权利要求14所述的装置，其特征在于，所述装置还包括第五确定模块，所述第五确定模块包括：
第一确定单元，用于识别所述第二图像中每个车辆的第二中心点坐标以及所述第二图像的前一帧第三图像中每个车辆的第四中心点坐标，将所述第二中心点坐标和第四中心点坐标映射到所述第一图像中，得到第五中心点坐标；针对所述每个车辆，根据该车辆在所述第一图像中的第五中心点坐标，确定该车辆在所述第一图像中的行驶线；根据每条行驶线，确定每条目标行驶线；识别确定的目标行驶线的数量，判断所述数量与预设的数量是否一致，如果是，触发第二确定单元，如果否，触发第三确定单元；
第二确定单元，用于将每条目标行驶线与所述第一图像底边的交点作为特征点；根据每个特征点的坐标信息和预设的水平距离，确定每个目标特征点；针对每个目标特征点，确定该目标特征点到每条候选车道线的第一距离，将第一距离最小的候选车道线作为目标车道线；
第三确定单元，用于将所述第三图像作为第二图像，触发所述第一确定单元。
16.如权利要求9或15所述的装置，其特征在于，所述第三确定模块，具体用于针对任意两个相邻的特征点的坐标信息，确定该两个相邻的特征点之间的中点，将该中点作为目标特征点；针对最左侧的特征点的坐标信息，将该特征点向左移动预设的水平距离，得到最左侧的特征点对应的目标特征点；针对最右侧的特征点的坐标信息，将该特征点向右移动预设的水平距离，得到最右侧的特征点对应的目标特征点。
CN201810900902.9A 2018-08-09 2018-08-09 一种确定车道线的方法及装置 Active CN109284674B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810900902.9A CN109284674B (zh) 2018-08-09 2018-08-09 一种确定车道线的方法及装置
EP19848186.3A EP3821371B1 (en) 2018-08-09 2019-06-03 Methods and systems for lane line identification
PCT/CN2019/089760 WO2020029667A1 (en) 2018-08-09 2019-06-03 Methods and systems for lane line identification
US17/169,596 US11335102B2 (en) 2018-08-09 2021-02-08 Methods and systems for lane line identification

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810900902.9A CN109284674B (zh) 2018-08-09 2018-08-09 一种确定车道线的方法及装置

Publications (2)

Publication Number Publication Date
CN109284674A true CN109284674A (zh) 2019-01-29
CN109284674B CN109284674B (zh) 2020-12-08

Family

ID=65183053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810900902.9A Active CN109284674B (zh) 2018-08-09 2018-08-09 一种确定车道线的方法及装置

Country Status (4)

Country Link
US (1) US11335102B2 (zh)
EP (1) EP3821371B1 (zh)
CN (1) CN109284674B (zh)
WO (1) WO2020029667A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110008921A (zh) * 2019-04-12 2019-07-12 北京百度网讯科技有限公司 一种道路边界的生成方法、装置、电子设备及存储介质
CN111563463A (zh) * 2020-05-11 2020-08-21 上海眼控科技股份有限公司 路面车道线识别方法、装置、电子设备及存储介质
CN111595253A (zh) * 2020-05-13 2020-08-28 北京三快在线科技有限公司 车辆与车道线的距离确定方法、装置、设备及存储介质
CN111815742A (zh) * 2020-09-14 2020-10-23 蘑菇车联信息科技有限公司 一种车道线生成方法及系统
CN111914651A (zh) * 2020-07-01 2020-11-10 浙江大华技术股份有限公司 一种行车车道判定的方法、装置及存储介质
CN113538919A (zh) * 2019-03-11 2021-10-22 百度在线网络技术（北京）有限公司 车道偏离识别方法、装置、设备和存储介质

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021036243A1 (zh) * 2019-08-28 2021-03-04 华为技术有限公司 识别车道的方法、装置及计算设备
CN112528807B (zh) * 2020-12-04 2023-12-19 深圳市优必选科技股份有限公司 行驶轨迹的预测方法、装置、电子设备及存储介质
CN112546643B (zh) * 2020-12-29 2022-04-29 深圳市创客工场科技有限公司 模型车巡线方法及装置
CN113011285B (zh) * 2021-03-02 2023-04-07 北京三快在线科技有限公司 车道线检测方法、装置、自动驾驶车辆及可读存储介质
CN113592903A (zh) * 2021-06-28 2021-11-02 北京百度网讯科技有限公司 车辆轨迹识别方法、装置、电子设备和存储介质
CN113963171B (zh) * 2021-09-09 2024-08-23 武汉长江航道救助打捞局 一种浅地层剖面声呐图像海底线自动识别的方法和系统
CN113656529B (zh) * 2021-09-16 2023-01-17 北京百度网讯科技有限公司 道路精度的确定方法、装置和电子设备
CN114353817B (zh) * 2021-12-28 2023-08-15 重庆长安汽车股份有限公司 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质
CN115147789B (zh) * 2022-06-16 2023-04-18 禾多科技（北京）有限公司 分合流道路信息检测方法、装置、设备和计算机可读介质
CN114913500B (zh) * 2022-07-12 2022-11-01 福思(杭州)智能科技有限公司 位姿确定方法、装置、计算机设备和存储介质
CN115525640B (zh) * 2022-11-25 2023-04-07 三亚海兰寰宇海洋信息科技有限公司 一种目标对象的轨迹处理方法、装置及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090167864A1 (en) * 2005-12-28 2009-07-02 Honda Motor Co., Ltd. Vehicle and Lane Mark Detection Device
US20140063252A1 (en) * 2012-08-29 2014-03-06 Delphi Technologies, Inc. Method for calibrating an image capture device
CN104063877A (zh) * 2014-07-16 2014-09-24 中电海康集团有限公司 一种候选车道线混合判断识别方法
CN105005771A (zh) * 2015-07-13 2015-10-28 西安理工大学 一种基于光流点轨迹统计的车道线实线的检测方法
CN105488485A (zh) * 2015-12-07 2016-04-13 北京航空航天大学 基于车辆轨迹的车道线自动提取方法
CN106570446A (zh) * 2015-10-12 2017-04-19 腾讯科技（深圳）有限公司 车道线提取的方法和装置
CN107480592A (zh) * 2017-07-13 2017-12-15 华域汽车系统股份有限公司 一种多车道检测方法及跟踪方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101042802A (zh) * 2006-03-23 2007-09-26 安捷伦科技有限公司 交通信息传感器、交通信息检测方法和系统
US20100033571A1 (en) * 2006-09-28 2010-02-11 Pioneer Corporation Traffic information detector, traffic information detecting method, traffic information detecting program, and recording medium
WO2009076182A1 (en) * 2007-12-13 2009-06-18 Clemson University Vision based real time traffic monitoring
EP2515739B1 (en) 2009-12-23 2013-10-02 Arçelik Anonim Sirketi A dishwasher comprising a single button
US8358808B2 (en) * 2010-01-08 2013-01-22 University Of Washington Video-based vehicle detection and tracking using spatio-temporal maps
US20110298988A1 (en) * 2010-06-04 2011-12-08 Toshiba Alpine Automotive Technology Corporation Moving object detection apparatus and moving object detection method
US9472097B2 (en) * 2010-11-15 2016-10-18 Image Sensing Systems, Inc. Roadway sensing systems
JP2013117515A (ja) * 2011-11-02 2013-06-13 Aisin Aw Co Ltd レーン案内表示システム、方法およびプログラム
EP2660624A1 (en) * 2012-04-30 2013-11-06 Traficon International N.V. A traffic monitoring device and a method for monitoring a traffic stream.
CN105468485A (zh) 2015-11-19 2016-04-06 英业达科技有限公司 面向字的内存测试方法
CN105893949B (zh) 2016-03-29 2019-07-12 西南交通大学 一种复杂路况场景下的车道线检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090167864A1 (en) * 2005-12-28 2009-07-02 Honda Motor Co., Ltd. Vehicle and Lane Mark Detection Device
US20140063252A1 (en) * 2012-08-29 2014-03-06 Delphi Technologies, Inc. Method for calibrating an image capture device
CN104063877A (zh) * 2014-07-16 2014-09-24 中电海康集团有限公司 一种候选车道线混合判断识别方法
CN105005771A (zh) * 2015-07-13 2015-10-28 西安理工大学 一种基于光流点轨迹统计的车道线实线的检测方法
CN106570446A (zh) * 2015-10-12 2017-04-19 腾讯科技（深圳）有限公司 车道线提取的方法和装置
CN105488485A (zh) * 2015-12-07 2016-04-13 北京航空航天大学 基于车辆轨迹的车道线自动提取方法
CN107480592A (zh) * 2017-07-13 2017-12-15 华域汽车系统股份有限公司 一种多车道检测方法及跟踪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JOSE MELO 等: "Detection and classification of highway lanes using vehicle motion trajectories", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
ZEZHI CHEN 等: "Lane Detection by Trajectory Clustering in Urban Environments", 《17TH INTERNATIONAL IEEE CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
张洁颖 等: "基于车辆轨迹的车道线检测与划分", 《图像图形技术与应用进展--第三届图像图形技术与应用技术会议论文集》 *
朱佳 等: "基于车辆平均轨迹的车道提取方法", 《计算机工程》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538919A (zh) * 2019-03-11 2021-10-22 百度在线网络技术（北京）有限公司 车道偏离识别方法、装置、设备和存储介质
CN113538919B (zh) * 2019-03-11 2022-10-28 百度在线网络技术（北京）有限公司 车道偏离识别方法、装置、设备和存储介质
CN110008921A (zh) * 2019-04-12 2019-07-12 北京百度网讯科技有限公司 一种道路边界的生成方法、装置、电子设备及存储介质
CN110008921B (zh) * 2019-04-12 2021-12-28 北京百度网讯科技有限公司 一种道路边界的生成方法、装置、电子设备及存储介质
CN111563463A (zh) * 2020-05-11 2020-08-21 上海眼控科技股份有限公司 路面车道线识别方法、装置、电子设备及存储介质
CN111595253A (zh) * 2020-05-13 2020-08-28 北京三快在线科技有限公司 车辆与车道线的距离确定方法、装置、设备及存储介质
CN111914651A (zh) * 2020-07-01 2020-11-10 浙江大华技术股份有限公司 一种行车车道判定的方法、装置及存储介质
CN111815742A (zh) * 2020-09-14 2020-10-23 蘑菇车联信息科技有限公司 一种车道线生成方法及系统

Also Published As

Publication number Publication date
EP3821371B1 (en) 2023-05-24
CN109284674B (zh) 2020-12-08
WO2020029667A1 (en) 2020-02-13
US11335102B2 (en) 2022-05-17
US20210174098A1 (en) 2021-06-10
EP3821371A4 (en) 2021-08-25
EP3821371A1 (en) 2021-05-19

Similar Documents

Publication Publication Date Title
CN109284674A (zh) 一种确定车道线的方法及装置
CN108898047B (zh) 基于分块遮挡感知的行人检测方法及系统
CN106919915B (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
CN104408460B (zh) 一种车道线检测及跟踪检测方法
US9070023B2 (en) System and method of alerting a driver that visual perception of pedestrian may be difficult
CN111856963B (zh) 一种基于车载环视系统的泊车仿真方法及装置
CN102073846B (zh) 基于航拍图像的交通信息获取方法
CN108182383B (zh) 一种车窗检测的方法及设备
US20060210116A1 (en) Lane recognition apparatus
CN103077526B (zh) 具有深度检测功能的列车异常检测方法及系统
CN109711264A (zh) 一种公交车道占道检测方法及装置
CN105426894B (zh) 铁道塞钉图像检测方法及装置
CN110245544A (zh) 一种确定停车状态的方法及装置
JP2016170708A (ja) 道路状態判定装置および道路状態判定方法
CN108229524A (zh) 一种基于遥感图像的烟囱和冷凝塔检测方法
CN106874913A (zh) 一种菜品检测方法
CN107264570A (zh) 钢轨光带分布检测装置与方法
CN104867128A (zh) 图像模糊检测方法和装置
CN111160132B (zh) 障碍物所在车道的确定方法、装置、电子设备和存储介质
CN104766330B (zh) 一种图像处理方法及电子设备
CN109523570A (zh) 运动参数计算方法及装置
CN106067020A (zh) 实时场景下快速获取有效图像的系统和方法
CN104238558B (zh) 一种基于单摄像头的循迹机器人直角转弯检测方法及装置
Li et al. On automatic and dynamic camera calibration based on traffic visual surveillance
CN116311205A (zh) 车牌识别方法、车牌识别装置、电子设备及存储介质

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