CN109359632A - 道路边线检测方法及装置 - Google Patents

道路边线检测方法及装置 Download PDF

Info

Publication number
CN109359632A
CN109359632A CN201811460088.XA CN201811460088A CN109359632A CN 109359632 A CN109359632 A CN 109359632A CN 201811460088 A CN201811460088 A CN 201811460088A CN 109359632 A CN109359632 A CN 109359632A
Authority
CN
China
Prior art keywords
image
highway sideline
vehicle body
binary image
highway
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
CN201811460088.XA
Other languages
English (en)
Other versions
CN109359632B (zh
Inventor
冉云飞
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.)
Chongqing Zili Technology Co., Ltd.
Original Assignee
Chongqing Angburuila 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 Chongqing Angburuila Technology Co Ltd filed Critical Chongqing Angburuila Technology Co Ltd
Priority to CN201811460088.XA priority Critical patent/CN109359632B/zh
Publication of CN109359632A publication Critical patent/CN109359632A/zh
Application granted granted Critical
Publication of CN109359632B publication Critical patent/CN109359632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种道路边线检测方法及装置,涉及图像处理技术领域。道路边线检测方法应用于与相机通信连接的用户终端,相机固定安装于车身边缘,该方法包括:获得相机拍摄的包含车身边缘的道路的图像;将图像转换为灰度图像;将灰度图像转换为二值化图像;在二值化图像中识别出道路边线;基于道路边线在二值化图像中的位置,得到车身边缘与道路边线的距离。本发明提供的道路边线检测方法及装置能够有效减少道路边线检测的成本,且检测的准确性高,可广泛应用于机动车驾驶人考试系统和驾驶模拟系统。

Description

道路边线检测方法及装置
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种道路边线检测方法及装置。
背景技术
目前,在驾驶考试中的路考中,对道路边线的检测常采用差分GPS定位的方式来实现。
然而,采用这样的方式需要基站并提前采集边线坐标绘制虚拟图,进而导致造价成本过高。且检测精度受GPS定位精度及绘制的虚拟图的准确性影响,导致道路边线的检测容易存在较大的误差。
发明内容
有鉴于此,本发明实施例的目的在于提供一种道路边线检测方法及装置。
第一方面,本发明实施例提供了一种道路边线检测方法,应用于与相机通信连接的用户终端,所述相机固定安装于车身边缘,所述方法包括:
获得所述相机拍摄的包含车身边缘的道路的图像;
将所述图像转换为灰度图像;
将所述灰度图像转换为二值化图像;
在所述二值化图像中识别出道路边线;
基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离。
可选地,所述方法还包括:
对所述灰度图像进行滤波处理;
所述将所述灰度图像转换为二值化图像,包括:
将滤波处理后的所述灰度图像转换为二值化图像。
可选地,所述将所述灰度图像转换为二值化图像,包括:
将灰度图像进行边缘检测;
基于所述边缘检测的结果确定灰度阈值;
依据所述灰度阈值对所述灰度图像进行二值化处理,得到所述二值化图像。
可选地,所述在所述二值化图像中识别出道路边线,包括:
采用最小二乘法拟合直线;
筛选出两条符合道路边线特征的直线,得到所述道路边线。
可选地,所述基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离,包括:
依据所述道路边线在所述二值化图像中所对应的像素点位置和预先校准好的像素点与对应距离的计算公式,得到车身边缘与所述道路边线的距离。
第二方面,本发明实施例提供了一种道路边线检测装置,应用于与相机通信连接的用户终端,所述相机固定安装于车身边缘,所述道路边线检测装置包括:
获取模块,用于获得所述相机拍摄的包含车身边缘的道路的图像;
灰度转换模块,用于将所述图像转换为灰度图像;
二值化模块,用于将所述灰度图像转换为二值化图像;
识别模块,用于在所述二值化图像中识别出道路边线;
运算模块,用于基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离。
可选地,道路边线检测装置还包括:
滤波模块,用于对所述灰度图像进行滤波处理;
所述二值化模块用于将滤波处理后的所述灰度图像转换为二值化图像。
可选地,所述二值化模块包括:
边缘检测子模块,用于将灰度图像进行边缘检测;
确定子模块,用于基于所述边缘检测的结果确定灰度阈值;
二值化子模块,用于依据所述灰度阈值对所述灰度图像进行二值化处理,得到所述二值化图像。
可选地,所述识别模块包括:
拟合子模块,用于采用最小二乘法拟合直线;
筛选子模块,用于筛选出两条符合道路边线特征的直线,得到所述道路边线。
可选地,所述运算模块用于依据所述道路边线在所述二值化图像中所对应的像素点位置和预先校准好的像素点与对应距离的计算公式,得到车身边缘与所述道路边线的距离。
对于现有技术,本发明提供的道路边线检测方法及装置具有如下的有益效果:
本发明提供的道路边线检测方法及装置能够有效减少道路边线检测的成本,且检测的准确性高,可广泛应用于机动车驾驶人考试系统和驾驶模拟系统。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本发明较佳实施例提供的应用环境示意图。
图2为本发明较佳实施例提供的用户终端方框示意图。
图3为本发明较佳实施例提供的道路边线检测方法的流程图。
图4为本发明较佳实施例提供的道路边线检测装置的功能模块示意图。
图5为本发明较佳实施例提供的二值化模块功能模块示意图。
图6为本发明较佳实施例提供的识别模块功能模块示意图。
图标:100-用户终端;110-道路边线检测装置;111-获取模块;112-灰度转换模块;113-二值化模块;1131-边缘检测子模块;1132-确定子模块;1133-二值化子模块;114-识别模块;1141-拟合子模块;1142-筛选子模块;115-运算模块;116-滤波模块;120-存储器;130-存储控制器;140-处理器;150-外设接口;160-输入输出单元;170-显示单元;200-相机。
具体实施方式
下面将结合本发明实施例中附图,对本发明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发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是本发明较佳实施例提供的应用环境示意图。用户终端100与相机200通过有线或无线的方式通信连接,以进行数据通信或交互。所述用户终端100可以是车载终端、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)等。
如图2所示,是一种所述用户终端100的方框示意图,所述用户终端100包括有包括道路边线检测装置110、存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、显示单元170。
所述存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、显示单元170各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述道路边线检测装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述用户终端100的操作系统(operating system,OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块,例如所述道路边线检测装置110包括的软件功能模块或计算机程序。
其中,存储器120可以是,但不限于,随机存取存储器(RandomAccess Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。其中,存储器120用于存储程序,所述处理器140在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的用户终端100所执行的方法可以应用于处理器140中,或者由处理器140实现。
处理器140可能是一种集成电路芯片,具有信号的处理能力。上述的处理器140可以是通用处理器,包括中央处理器(CentralProcessing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口150将各种输入/输入装置耦合至处理器140以及存储器120。在一些实施例中,外设接口150,处理器140以及存储控制器130可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元160用于提供给用户输入数据实现用户与所述用户终端100的交互。所述输入输出单元160可以是,但不限于,鼠标和键盘等。
显示单元170在所述用户终端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元170可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器140进行计算和处理。
请参阅图3,是本发明较佳实施例提供的应用于图2所示的道路边线检测装置110的道路边线检测方法的流程图,所述方法用于道路边线检测,特别是在机动车驾驶人考试系统和驾驶模拟系统中的道路边线检测。下面将对图3所示的具体流程进行详细阐述。
步骤S101,获得相机拍摄的包含车身边缘的道路的图像。
所述相机200固定安装于车身边缘,相机200的视场方向朝向车身边缘的道路,用于在道路边线检测过程中拍摄图像,该图像中包含车身边缘的道路。较佳的,本发明实施例中,所述相机200固定安装于汽车反光镜下方的位置。
相机200与用户终端100通过有线或无线的方式通信接,相机200拍摄到包含车身边缘的道路的图像后,将该图像发送给所述用户终端100,所述用户终端100获得相机200拍摄的包含车身边缘的道路的图像。
步骤S102,将图像转换为灰度图像。
为减少计算时间,在获得相机200拍摄的包含车身边缘的道路的图像后,用户终端100将该图像转换为灰度图像。
步骤S103,对灰度图像进行滤波处理。
图像转换为灰度图像后,用户终端100对该灰度图像进行滤波处理,去除灰度图像中的噪点和干扰。
可以理解的,其其他的一些实施例中,也可以不执行对灰度图像滤波处理这一过程。
步骤S104,将滤波处理后的灰度图像转换为二值化图像。
对灰度图像进行滤波处理后,用户终端100将滤波处理后的灰度图像转换为二值化图像。
具体的,首先用户终端100对该滤波处理后的灰度图像进行边缘检测。由于道路白色或黄色边线的边缘像素灰度等级有较大差异,因此能够被检测出来。
所述边缘检测可以是以一阶导数为基础的边缘检测算子,通过计算图像的梯度值来检测图像的边缘,如差分边缘检测、Roberts算子、Sobel算子、Prewitt算子。或者是以二阶导数为基础的边缘检测算子,通过寻求二阶导数中的过零点来检测边缘,如Laplacian算子、LOG算子、Canny算子。
边缘检测后,用户终端根据边缘检测结果确定一用于二值化的灰度阈值。所述灰度阈值可以是像素的平均值,也可以是通过一维Means方法寻求的阈值,还可以是通过直方图方法确定的阈值,本发明实施例中不做具体限定。
确定出该灰度阈值后,用户终端100依据该灰度阈值,将灰度值大于该阈值的像素点设置白色(灰度值为255),灰度值小与或等于该阈值的像素点设置为黑色(灰度值为0),从而得到二值化图像。
步骤S105,在二值化图像中识别出道路边线。
得到二值化图像后,用户终端100通过hough变换找到所有直线,采用最小二乘法拟合直线,然后筛选出两条符合道路边线特征的直线,该两条符合道路边线特征的直线平行,且两者间的宽度符合常规道路边线的标准。该筛选出的两条直线之间的区域即为道路边线。
步骤S106,基于道路边线在二值化图像中的位置,得到车身边缘与道路边线的距离。
得到道路边线后,用户终端100依据道路边线在二值化图像中所对应的像素点位置和预先校准好的像素点与对应距离的计算公式,得到车身边缘与道路边线的距离。
本发明实施例中,在进行道路边线检测之前,已预先校准好像素点位置与对应距离(车身边缘与道路边线的距离)的计算公式。该计算公式的校准可以是这样的的:进行校准时,在车身边缘放置格子布,格子布上被均匀分割为黑白相间的多个正方形格子,格子的边长为已知固定值,相机200固定安装于车身边缘并拍摄车身边缘放置格子布,根据格子布上正方形格子在拍摄图像中的位置以及正方形格子的尺寸,即可得到像素点与对应距离的计算公式。
综上所述,本发明实施例提供的道路边线检测方法,通过将固定安装于车身边缘的相机200所拍摄的包含车身边缘的道路的图像转换为灰度图像,并将灰度图像转换为二值化图像,然后识别出二值化图像中的道路边线,并根据道路边线在所述二值化图像中的位置以及预先校准好的像素点与对应距离的计算公式,得到车身边缘与所述道路边线的距离。如此,通过简单的改进即可准确检测出车身边缘与道路边线的距离,有效减少道路边线检测的成本。本发明实施例提供的道路边线检测方法可广泛应用于机动车驾驶人考试系统和驾驶模拟系统。
请参阅图4,是本发明较佳实施例提供的图2所示的道路边线检测装置110的功能模块示意图。所述道路边线检测装置110包括获取模块111、灰度转换模块112、二值化模块113、识别模块114、运算模块115以及滤波模块116。
所述获取模块111用于获得所述相机200拍摄的包含车身边缘的道路的图像。
可以理解的,所述获取模块111可以用于执行上述的步骤S101。
所述灰度转换模块112用于将所述图像转换为灰度图像。
可以理解的,所述灰度转换模块112可以用于执行上述的步骤S102。
所述滤波模块116用于对所述灰度图像进行滤波处理。
可以理解的,所述滤波模块116可以用于执行上述的步骤S103。
所述二值化模块113用于将滤波处理后的所述灰度图像转换为二值化图像。
请参阅图5,所述二值化模块113包括边缘检测子模块1131、确定子模块1132和二值化子模块1133。
所述缘检测子模块1131用于将灰度图像进行边缘检测。
所述确定子模块1132用于基于所述边缘检测的结果确定灰度阈值。
所述二值化子模块1133用于依据所述灰度阈值对所述灰度图像进行二值化处理,得到所述二值化图像。
可以理解的,所述二值化模块113可以用于执行上述的步骤S104。
识别模块114用于在所述二值化图像中识别出道路边线。
请参阅图6,所述识别模块114包括拟合子模块1141和筛选子模块1142。
所述拟合子模块1141用于采用最小二乘法拟合直线。
所述筛选子模块1142用于筛选出两条符合道路边线特征的直线,得到所述道路边线。
可以理解的,所述识别模块114可以用于执行上述的步骤S105。
所述运算模块115用于基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离。
可以理解的,所述运算模块115可以用于执行上述的步骤S106。
综上所述,本发明实施例提供的道路边线检测装置110,可将固定安装于车身边缘的相机200所拍摄的包含车身边缘的道路的图像转换为灰度图像,并将灰度图像转换为二值化图像,然后识别出二值化图像中的道路边线,并根据道路边线在所述二值化图像中的位置以及预先校准好的像素点与对应距离的计算公式,得到车身边缘与所述道路边线的距离。如此,通过简单的改进即可准确检测出车身边缘与道路边线的距离,有效减少道路边线检测的成本。本发明实施例提供的道路边线检测装置110可广泛应用于机动车驾驶人考试系统和驾驶模拟系统。
进一步的,本发明实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的道路边线检测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种道路边线检测方法,应用于与相机通信连接的用户终端,所述相机固定安装于车身边缘,其特征在于,包括:
获得所述相机拍摄的包含车身边缘的道路的图像;
将所述图像转换为灰度图像;
将所述灰度图像转换为二值化图像;
在所述二值化图像中识别出道路边线;
基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离。
2.根据权利要求1所述的道路边线检测方法,其特征在于,所述方法还包括:
对所述灰度图像进行滤波处理;
所述将所述灰度图像转换为二值化图像,包括:
将滤波处理后的所述灰度图像转换为二值化图像。
3.根据权利要求1所述的道路边线检测方法,其特征在于,所述将所述灰度图像转换为二值化图像,包括:
将灰度图像进行边缘检测;
基于所述边缘检测的结果确定灰度阈值;
依据所述灰度阈值对所述灰度图像进行二值化处理,得到所述二值化图像。
4.根据权利要求1所述的道路边线检测方法,其特征在于,所述在所述二值化图像中识别出道路边线,包括:
采用最小二乘法拟合直线;
筛选出两条符合道路边线特征的直线,得到所述道路边线。
5.根据权利要求1所述的道路边线检测方法,其特征在于,所述基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离,包括:
依据所述道路边线在所述二值化图像中所对应的像素点位置和预先校准好的像素点与对应距离的计算公式,得到车身边缘与所述道路边线的距离。
6.一种道路边线检测装置,应用于与相机通信连接的用户终端,所述相机固定安装于车身边缘,其特征在于,所述道路边线检测装置包括:
获取模块,用于获得所述相机拍摄的包含车身边缘的道路的图像;
灰度转换模块,用于将所述图像转换为灰度图像;
二值化模块,用于将所述灰度图像转换为二值化图像;
识别模块,用于在所述二值化图像中识别出道路边线;
运算模块,用于基于所述道路边线在所述二值化图像中的位置,得到车身边缘与所述道路边线的距离。
7.根据权利要求6所述的道路边线检测装置,其特征在于,还包括:
滤波模块,用于对所述灰度图像进行滤波处理;
所述二值化模块用于将滤波处理后的所述灰度图像转换为二值化图像。
8.根据权利要求6所述的道路边线检测装置,其特征在于,所述二值化模块包括:
边缘检测子模块,用于将灰度图像进行边缘检测;
确定子模块,用于基于所述边缘检测的结果确定灰度阈值;
二值化子模块,用于依据所述灰度阈值对所述灰度图像进行二值化处理,得到所述二值化图像。
9.根据权利要求6所述的道路边线检测装置,其特征在于,所述识别模块包括:
拟合子模块,用于采用最小二乘法拟合直线;
筛选子模块,用于筛选出两条符合道路边线特征的直线,得到所述道路边线。
10.根据权利要求6所述的道路边线检测装置,其特征在于,所述运算模块用于依据所述道路边线在所述二值化图像中所对应的像素点位置和预先校准好的像素点与对应距离的计算公式,得到车身边缘与所述道路边线的距离。
CN201811460088.XA 2018-11-30 2018-11-30 道路边线检测方法及装置 Active CN109359632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811460088.XA CN109359632B (zh) 2018-11-30 2018-11-30 道路边线检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811460088.XA CN109359632B (zh) 2018-11-30 2018-11-30 道路边线检测方法及装置

Publications (2)

Publication Number Publication Date
CN109359632A true CN109359632A (zh) 2019-02-19
CN109359632B CN109359632B (zh) 2021-08-10

Family

ID=65330567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811460088.XA Active CN109359632B (zh) 2018-11-30 2018-11-30 道路边线检测方法及装置

Country Status (1)

Country Link
CN (1) CN109359632B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299028A (zh) * 2019-07-31 2019-10-01 深圳市捷顺科技实业股份有限公司 一种停车越线检测的方法、装置、设备以及可读存储介质
CN112419371A (zh) * 2019-08-20 2021-02-26 中移物联网有限公司 一种信件检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592114A (zh) * 2011-12-26 2012-07-18 河南工业大学 复杂路况的车道线特征提取、识别方法
CN105868696A (zh) * 2016-03-23 2016-08-17 奇瑞汽车股份有限公司 一种检测多车道车道线的方法和装置
CN106529505A (zh) * 2016-12-05 2017-03-22 惠州华阳通用电子有限公司 一种基于图像视觉的车道线检测方法
CN106874842A (zh) * 2016-12-30 2017-06-20 长安大学 一种基于数字图像的汽车与路沿石距离检测方法
CN108805065A (zh) * 2018-05-31 2018-11-13 华南理工大学 一种基于几何特征改进的车道线检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592114A (zh) * 2011-12-26 2012-07-18 河南工业大学 复杂路况的车道线特征提取、识别方法
CN105868696A (zh) * 2016-03-23 2016-08-17 奇瑞汽车股份有限公司 一种检测多车道车道线的方法和装置
CN106529505A (zh) * 2016-12-05 2017-03-22 惠州华阳通用电子有限公司 一种基于图像视觉的车道线检测方法
CN106874842A (zh) * 2016-12-30 2017-06-20 长安大学 一种基于数字图像的汽车与路沿石距离检测方法
CN108805065A (zh) * 2018-05-31 2018-11-13 华南理工大学 一种基于几何特征改进的车道线检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余太武: "基于机器视觉的车道偏离预警研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
郭宇: "基于双目视觉的智能车道路识别预警系统", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299028A (zh) * 2019-07-31 2019-10-01 深圳市捷顺科技实业股份有限公司 一种停车越线检测的方法、装置、设备以及可读存储介质
CN110299028B (zh) * 2019-07-31 2022-06-14 深圳市捷顺科技实业股份有限公司 一种停车越线检测的方法、装置、设备以及可读存储介质
CN112419371A (zh) * 2019-08-20 2021-02-26 中移物联网有限公司 一种信件检测方法及系统

Also Published As

Publication number Publication date
CN109359632B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN108629292B (zh) 弯曲车道线检测方法、装置及终端
CN110502982B (zh) 一种检测高速公路中障碍物的方法、装置及计算机设备
CN110490839B (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
JP4714749B2 (ja) 偏光データを用いるリアルタイム画像検出
CN108182383B (zh) 一种车窗检测的方法及设备
CN105849774B (zh) 图像对照装置、图像传感器、处理系统、图像对照方法
CN110443212B (zh) 用于目标检测的正样本获取方法、装置、设备及存储介质
CN110428416B (zh) 一种液位视觉检测方法及装置
CN108955901B (zh) 一种红外测温方法、系统及终端设备
CN111860060A (zh) 目标检测方法、装置、终端设备及计算机可读存储介质
CN108986125B (zh) 物体边缘提取方法、装置及电子设备
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
CN108229406A (zh) 一种车道线检测方法、装置及终端
CN110163039B (zh) 判定车辆行驶状态的方法、设备、存储介质以及处理器
CN102929438A (zh) 光学式触控装置及其检测触控点坐标的方法
CN110910445B (zh) 一种物件尺寸检测方法、装置、检测设备及存储介质
US20190138840A1 (en) Automatic ruler detection
CN109685764B (zh) 产品定位方法、装置及终端设备
CN105761256B (zh) 图像的亚像素边缘直线获取方法及装置
CN107545254A (zh) 路面洁净度的检测方法及装置
CN112763993A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
CN109359632A (zh) 道路边线检测方法及装置
CN107230212B (zh) 一种基于视觉的手机尺寸的测量方法及系统
CN107748882B (zh) 一种车道线检测方法及装置
CN114519714A (zh) 一种显示屏脏污缺陷判定的方法和系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190708

Address after: 400 000 No. 6 Xiyuan North Street, Shapingba District, Chongqing City, with No. 10, 13-5

Applicant after: Chongqing Zili Technology Co., Ltd.

Address before: 400 000 No. 6 Xiyuan North Street, Shapingba District, Chongqing City, with No. 10, 13-3

Applicant before: Chongqing Angburuila Technology Co. Ltd.

GR01 Patent grant
GR01 Patent grant