CN109919144A - 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 - Google Patents
可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 Download PDFInfo
- Publication number
- CN109919144A CN109919144A CN201910408121.2A CN201910408121A CN109919144A CN 109919144 A CN109919144 A CN 109919144A CN 201910408121 A CN201910408121 A CN 201910408121A CN 109919144 A CN109919144 A CN 109919144A
- Authority
- CN
- China
- Prior art keywords
- region
- area
- interest
- image
- baseline set
- 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
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种可行驶区域检测方法、装置、计算机存储介质及路测视觉设备，包括：获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种可行驶区域检测方法、装置、计算机存储介质及路测视觉设备。
背景技术
车辆的可行驶区域包括结构化的路面和非结构化的路面，结构化的路面是指有道路边缘线、车道线的路面，主要包括城市道路、高速公路等。非结构化道路是指没有明显标志线的道路，主要包括乡村道路、城市非主干道以及矿区等。可行驶区域的检测是车辆实现无人驾驶的重要功能之一，它为无人驾驶提供路径规划，引导车辆行驶。
目前，基本上都是根据车载视觉设备和结构化道路来进行可行驶区域检测，对算法实时性要求高，并且在非结构化道路上失效。特别对于矿区无人驾驶环境，由于矿卡行驶会扬起大量的尘沙严重影响车载视觉感知效果。此外，矿卡行驶道路属于非结构化道路，恶劣天气会带来道路结构的变化，存在可行驶区域动态变化的可能性。
发明内容
有鉴于此，本发明的主要目的在于提供一种可行驶区域检测方法、装置、计算机存储介质及路测视觉设备，实现对非结构化道路，包括曲线型道路在内的各种复杂场景下的非结构化道路的可行驶区域的自动、准确检测。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供了一种可行驶区域检测方法，包括：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；
基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
其中，所述获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域，包括：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；
根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域。
其中，所述根据所述路面图像确定所述路面的可行驶区域对应的候选区域，包括：
根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块，将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块，对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域。
其中，所述根据所述图像匹配值确定所述候选区域，包括：
当图像匹配值满足设置的阈值时，确定所述图像匹配值对应的图像块为所述路面的可行驶区域对应的候选区域的边界图像块，所述参考图像块至所述边界图像所包含的区域为所述候选区域。
其中，所述根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域，包括：
基于所述候选区域确定所述路面的第一感兴趣区域；
以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的多个包含可行驶区域信息的感兴趣区域。
其中，所述基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集，包括：
对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息；
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点；
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线，分别得到对应每一所述感兴趣区域的第一路基线和第二路基线；
根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
其中，所述分别得到对应每一所述感兴趣区域的第一路基线和第二路基线，包括：
确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一，根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域；
基于每一所述感兴趣区域对应的裁剪后的感兴趣区域得到第一路基线和第二路基线的其中另一。
其中，所述针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域，包括：
确定所述第一路基线集对应的第一参考路基线和所述第二路基线集对应的第二参考路基线；
基于所述第一路基线集与所述第一参考路基线以及所述第二路基线集与所述第二参考路基线分别确定对应所述第一路基线集的第一待融合数据以及对应所述第二路基线集的第二待融合数据；
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域。
其中，所述针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域之后，还包括：
将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标，基于所述坐标构建所述当前可行驶区域的地图。
本发明实施例提供了一种可行驶区域检测装置，所述装置包括：
获取模块，用于获取包含当前路面信息的路面图像，根据所述路面图像确定多个包含可行驶区域信息的感兴趣区域；
检测模块，用于基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
确定模块，用于针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
本发明实施例提供了一种计算机存储介质，所述计算机存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明任一实施例所提供的可行驶区域检测方法。
本发明实施例提供了一种路测视觉设备，所述路测视觉设备用于实现本发明任一实施例所述的可行驶区域检测方法，并发送当前可行驶区域的地图。
本发明实施例提供的一种可行驶区域检测方法、装置、计算机存储介质及路测视觉设备，包括：获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；；基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域，如此，增加了路基线冗余信息，并分别对第一路基线集和所述第二路基线集进行处理，使得路基线的定位更准确，鲁棒性更强，且适用于包括曲线型可行驶区域等在内的多种复杂场景。
附图说明
图1为本发明一实施例提供的可行驶区域检测方法的流程示意图；
图2为本发明一实施例提供的确定候选区域的示意图；
图3为本发明一实施例提供的路面图像划分的示意图；
图4为本发明一实施例提供的可行驶区域检测装置的结构示意图；
图5为本发明另一实施例提供的可行驶区域检测系统的示意图；
图6为本发明另一实施例提供的可行驶区域检测系统的道路部署示意图；
图7本发明另一实施例提供的可行驶区域检测装置的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明技术方案做进一步的详细阐述。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和／或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本发明一实施例提供了一种可行驶区域检测方法，该方法包括如下步骤：
步骤101：获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；；
路面图像一般采用路测设备的摄像头对路面区域进行拍摄，得到一幅图像，然后通过视觉处理器来获取路面图像包含的当前路面信息。这里，当前路面信息可以包括所述路面图像的每个像素点的灰度值、RGB值、颜色特征、纹理特征、形状特征和空间关系特征等，同时还包括位置特征信息，可以在某一坐标系下反映其位置。
这里，假定路面图像的大小为h(高)*w(宽)，y为图像的行，x为图像的列，图像起点在图像左上角，水平方向为图像的列方向，竖直方向为图像的行方向，设置固定的长度，例如a，每移动a，则获取另一个包含可行驶区域信息的感兴趣区域，直到达到设置的长度停止，如此多的多个包含可行驶区域信息的感兴趣区域。
步骤102：基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
基于每一所述感兴趣区域中的可行驶区域信息是指提取可行驶区域信息中包含的各种图像特征，可以采用算法或图像处理方法，这里不作限制，其可以是各种特征提取方法，例如，尺度不变特征转换等。作为一实施方式，提取感兴趣区域中的每个像素点的纹理方向以及每个像素点的RGB值计算，确定第一路基线，这里，第一路基线一般指左侧路基线，进一步地，当确定第一路基线后，对该感兴趣区域以第一路基线裁剪，右侧区域采用同样方法确定第二路基线，即右侧路基线。依次采用相同方式获取每一感兴趣区域对应的第一路基线和第二路基线，从而得到第一路基线集和第二路基线集。
步骤103：针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
针对所述第一路基线集和所述第二路基线集进行处理是指分别对第一路基线集中包含的多条第一路基线进行数据处理，这里可以采用数据融合方法、聚类等传统机器学习算法，也可以采用深度学习算法，这里不作限制。
通过上述方法，分别将第一路基线集和第二路基线集的多条曲线拟合得到由左右两条路基线形成的当前可行驶区域。
在本申请上述实施方式中，获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；；基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域，如此，增加了路基线冗余信息，并分别对第一路基线集和所述第二路基线集进行处理，使得路基线的定位更准确，鲁棒性更强，且适用于包括曲线型可行驶区域等在内的多种复杂场景。
在一实施方式中，所述获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域，包括：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；
根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域。
根据所述路面图像确定所述路面的可行驶区域对应的候选区域可以是通过路面图像所包含的当前路面信息确定相似度极高的部分所述路面图像的区域作为路面的可行驶区域对应的候选区域。作为一实施方式，可以采用图像匹配、图像相似度求解等方式获得可行驶区域对应的候选区域。
根据所述候选区域对实时获取的路面图像进行划分实际上是对路面图像中的候选区域进行划分，作为一实施方式，可以按照设置的划分方式对路面图像进行多次图像获取，这里，假定路面图像的大小为h(高)*w(宽)，y为图像的行，x为图像的列，图像起点在图像左上角，水平方向为图像的列方向，竖直方向为图像的行方向。对候选区域，作为第一个包含可行驶区域信息的感兴趣区域，从候选区域的图像底边移动，设置固定的长度，例如a，每移动a，则获取另一个包含可行驶区域信息的感兴趣区域，直到达到设置的长度停止，如此多的多个包含可行驶区域信息的感兴趣区域。
可行驶区域信息包括对应的感兴趣区域中每个像素点的灰度值、RGB值、颜色特征、纹理特征、形状特征和空间关系特征等，同时还包括位置特征信息，可以在某一坐标系下反映其位置。
在本申请上述实施方式中，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；再根据所述候选区域对所述路面图像进行划分，如此，有效的减少了路基线检测时的计算耗时，一定程度上消除了天空等的干扰。
在一实施方式中，所述根据所述路面图像确定所述路面的可行驶区域对应的候选区域，包括：
根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块，将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块，对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域。
根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块是指获取路面图像后，路面宽度为基准侧对应为图像的列，路面长度方向为图像的行，例如，假定图像的大小为：h(高)*w(宽)，y为图像的行，x为图像的列，图像起点在图像左上角，水平方向为图像的列方向，竖直方向为图像的行方向。参见图2，其中，参考图像块为k*w大小的图像块Iref，作为参考模板。
将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块是指除参考图像块Iref以外的一个k*w大小的图像块，例如，以Iref为基准，以固定步长(20个像素)，从图像底边(y值最大)依次往图像上方(y值小)滑动，从而获取与参考图像块大小相同的图像块I2，利用标准平方偏差算法进行图像匹配，其计算公式如公式（1）；
（1）
这里，R为参考图像块Iref与I2的图像匹配值，Iref与I2分别代表图像的各个像素点的灰度值，进行相似度求解，获得R。对每一图像块分别与所述参考图像块相邻的两图像块进行图像匹配得到对应的图像匹配值，从而确定对应的候选区域。
在本申请上述实施方式中，通过对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域，如此，图像匹配的方式来确定图像中可行驶区域的候选区域，有效的减少了路基线检测算法的耗时，也一定程度上消除了天空等背景的干扰，有利于后续的路基线检测。
在一实施方式中，所述根据所述图像匹配值确定所述候选区域，包括：
当图像匹配值满足设置的阈值时，确定所述图像匹配值对应的图像块为所述路面的可行驶区域对应的候选区域的边界图像块，所述参考图像块至所述边界图像所包含的区域为所述候选区域。
当图像匹配值满足设置的阈值时，确定所述图像匹配值对应的图像块为所述路面的可行驶区域对应的候选区域的边界图像块是指，依次采用公式（1）获得每一图像块与所述参考图像块的图像匹配值，如R1、R2、R3、R4，这里，一般由于图像参考图像块为可行驶区域内部的区域，因此，后面的图像块与参考图像块的相似度越来越低，因此设置一阈值，如R4满足阈值，则确定该图像块为边界图像块，请再次参阅图2，所述参考图像块至所述边界图像所包含的区域为所述候选区域。
通过本申请上述实施方式，当图像匹配值满足设置的阈值时，该图像块确定为边界图像块，其对应的边界确定为图像中道路的水平消失线，水平消失线以下的部分为可行驶区域的候选区域。如此，为后续的图像计算中涉及路基线等处理时减少了计算时长，提高了系统的工作效率。
在一实施方式中，所述根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域，包括：
基于所述候选区域确定所述路面的第一感兴趣区域；
以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的多个包含可行驶区域信息的感兴趣区域。
基于所述候选区域确定所述路面的第一感兴趣区域是指所述候选区域作为路面的第一感兴趣区域，并以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，如图3所示，假定图像的大小为：h(高)*w(宽)，y为图像的行，x为图像的列，图像起点在图像左上角，水平方向为图像的列方向，竖直方向为图像的行方向，例如，以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧即以y值较小的边为底边。
根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的目标感兴趣区域是指以图像底边为基准边，例如设置步长为a*h，其中0<a<1，则向下移动a*h，该底边以下的区域为目标感兴趣区域1。例如，以固定步长(0.05*h)依次从基准侧向y值更大的方向移动，每移动一次，则将基准侧线以下的图像部分作为一个目标感兴趣区域，这里，可以一直到0.85*h处，依次获得感兴趣区域1、感兴趣区域2等。
这里，由第一感兴趣区域、感兴趣区域1、感兴趣区域2等构成多个包含可行驶区域信息的感兴趣区域。
本申请上述实施方式中，以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，得到与每一所述步长对应的目标感兴趣区域，如此，获得了多个包含可行驶区域信息的感兴趣区域，确保了路基线计算时定位更准确，鲁棒性更强。
在一实施方式中，所述基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集，包括：
对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息；
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点；
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线，分别得到对应每一所述感兴趣区域的第一路基线和第二路基线；
根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息是指对感兴趣区域中提取各像素点的特征信息，可以采用算法或图像处理方法，这里不作限制，其可以是各种特征提取方法，例如，尺度不变特征转换等。作为一实施例，可以采用5个尺度、36个方向的Gabor滤波器对所述感兴趣区域进行滤波，最终得到感兴趣区域中各个像素点的纹理方向以及对应的置信度值，这里特征值可以是各个像素点的置信度值、RGB值等。
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点是指基于特征值筛选掉一部分像素点，例如这里可以是丢弃置信度小于0.3的像素点，剩余像素点作为投票点。这里可以根据一种软投票策略投票得出第一像素点，例如，确定每个像素点的纹理方向，将该方向延伸取得的交点，其中像素点的延伸线最多的交点即为第一像素点，第一像素点确定为路基线上点。
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线是指在感兴趣区域中构造一定数量的虚线，如构造29条虚线，设虚线上的像素点用来表示，如果点的纹理方向与 的夹角小于一定的阈值，这里可以设置为40°，则认为点与虚线的方向一致，虚线的OCR(Orientation Consistency Ratio,方向一致性比率)定义为与虚线方向一致的点的个数除以虚线上的点的总个数；设每条虚线两侧区域用20°的楔形角来表示，分别计算两侧区域R、G、B的颜色差异，则三者中的最大值就是两侧区域的颜色差异，具体计算参见公式（2）。
（2）
其中，表示虚线两侧的楔形区域，表示虚线两侧区域的颜色差异。表示第i条虚线与其相邻两条虚线的OCR之和。通过上述公式（2）计算。具有最大
值的虚线就是要求的第一路基线或第二路基线，进一步地，为了防止检测错误，路基线的最
小长度设置为图像高度的1/3。
这里，第一路基线为左路基线，第二路基线为右路基线，根据第一条路基线的斜率来区分左右路基线，具体地，若斜率大于90°，则为左路基线；反之，则为右路基线。通过上述方式依次获得每一感兴趣区域对应的第一路基线和第二路基线，分别得到根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
在本申请上述实施方式中，根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集，如此通过采用增加路基线冗余信息，使得最终再确定当前可行驶区域时数据量更丰富，路基线的定位更准确，且适用于包括曲线型可行驶区域等在内的多种复杂场景。
在一实施方式中，所述分别得到对应每一所述感兴趣区域的第一路基线和第二路基线，包括：
确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一，根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域；
基于每一所述感兴趣区域对应的裁剪后的感兴趣区域得到第一路基线和第二路基线的其中另一。
确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一可以是根据第一条路基线的斜率来区分左右路基线：若斜率大于90°，则为左路基线；反之，则为右路基线；根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域是指根据确定的其为左右路基线进行对应裁剪，如若第一条路基线为左路基线，则将图像的右半部分作为剪后的感兴趣区域输入，利用相应的算法来提取第二条路基线，反之亦然。
在本申请上述实施方式中，分别确定对应于一感兴趣区域的第一路基线和第二路基线的其中之一，然后得到另一路基线，如此，分别得到第一路基线和第二路基线，从而确保了将每一感兴趣区域的第一路基线和第二路基线放入相应的第一路基线集和第二路基线集。
在一实施方式中，所述针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域，包括：
确定所述第一路基线集对应的第一参考路基线和所述第二路基线集对应的第二参考路基线；
基于所述第一路基线集与所述第一参考路基线以及所述第二路基线集与所述第二参考路基线分别确定对应所述第一路基线集的第一待融合数据以及对应所述第二路基线集的第二待融合数据；
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域。
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域，以第一路基线集为例，具体可参照如下步骤：
S1：找第一路基线集中路基线的起始端点（两个端点中y值最小的称为起始端点，另一个端点则称为末端端点）中y值最小的，则将那条路基线作为第一参考路基线；
S2：计算第一路基线集中剩余第一路基线的起始端点到参考路基线的垂直距离，并进行升序排列，保存为DistSet；
S3：取DistSet中最多前10个参与数据融合，并保证其中相邻路基线的起始端点的y值是降序排列的，将DistSet中的第一个元素所对应的末端端点先保存至PointSet中，再将这些起始端点依次保存至PointSet中；
S4：将第一参考路基线的起始端点也放入PointSet中作为第一待融合数据；
S5：利用最小二乘算法对PointSet中的点进行曲线拟合，得到的曲线则为对应的路基线。
采用上述S1至S5的步骤处理第二路基线集获得对应的路基线，上述两条路基线所确定的区域为车辆可行驶区域。
在本申请上述实施方式中，对第一路基线集和第二路基线集进行数据融合的方式以及最终的曲线拟合方法，使得路基线的定位更准确，鲁棒性更强，且适用于包括曲线型可行驶区域等在内的多种复杂场景。
在一实施方式中，所述针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域之后，还包括：
将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标，基于所述坐标构建所述当前可行驶区域的地图。
将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标是指在获取通过路面图像中携带的参数对应于可行驶区域的各个像素点的参数，采用对应的坐标转换方式最终获得当前可行驶区域对应的坐标。例如采用世界坐标系进行坐标转换，具体步骤如下:
S11：获取摄像机的内参数模型，参见公式（3），
（3）
其中，和分别是X轴和Y轴方向的放大系数，是光轴中心点的图像坐标，是点在相机坐标系中的坐标。
S12：世界坐标系通过外参矩阵转换到相机坐标系，转换公式参见公式（4），
（4）
其中，、、分别是轴在相机
坐标系中的方向矢量，是世界坐标系的坐标原点在摄像机坐标系中的位
置矢量，是点在世界坐标系中的坐标。
S13：对于世界坐标系中n个坐标已知的点，可得公式（5），
（5）
其中， ，，是世界坐标系与
图像坐标系的转换关系，是第i个点在世界坐标系的坐标，是其图
像像素坐标。利用最小二乘法可以求解获得，参见公式（6），
（6）
步骤S14：标定得到参数后，根据图像像素坐标求出路基线的世界坐标；
步骤S15：根据步骤S14得到的路基线的世界坐标来构建所述当前可行驶区域的地图。
在本申请上述实施方式中，计算出可行驶区域的坐标系与图像像素坐标系的转换关系，利用该转换关系来得出可行驶区域的坐标，并根据坐标得到可行驶区域的地图，如此，车辆根据地图做出相应的判断，引导车辆行驶在正确的方向上。
在另一实施方式中， 如图4所示，还提供了一种可行驶区域检测装置，包括：获取模块21，检测模块22，确定模块23；其中，
所述获取模块21，用于获取包含当前路面信息的路面图像，根据所述路面图像确定多个包含可行驶区域信息的感兴趣区域；
所述检测模块22，用于基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
所述确定模块23，用于针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
在本申请上述实施方式中，获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域，如此，增加了路基线冗余信息，并分别对第一路基线集和所述第二路基线集进行处理，使得路基线的定位更准确，鲁棒性更强，且适用于包括曲线型可行驶区域等在内的多种复杂场景。
可选地，所述划分模块21，还用于获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域。
可选地，所述划分模块21，还用于根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块，将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块，对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域。
可选地，所述划分模块21，还用于基于所述候选区域确定所述路面的第一感兴趣区域；
以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的多个包含可行驶区域信息的感兴趣区域。
可选地，所述检测模块22，还用于对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息；
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点；
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线，分别得到对应每一所述感兴趣区域的第一路基线和第二路基线；
根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
可选地，所述检测模块22，还用于确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一，根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域；
基于每一所述感兴趣区域对应的裁剪后的感兴趣区域得到第一路基线和第二路基线的其中另一。
可选地，所述确定模块23，还用于确定所述第一路基线集对应的第一参考路基线和所述第二路基线集对应的第二参考路基线；
基于所述第一路基线集与所述第一参考路基线以及所述第二路基线集与所述第二参考路基线分别确定对应所述第一路基线集的第一待融合数据以及对应所述第二路基线集的第二待融合数据；
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域。
可选地，所述确定模块23，还用于将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标，基于所述坐标构建所述当前可行驶区域的地图。
在一实施方式中，请参阅图5至图6，还提供了一种路测视觉设备，其中，路侧视觉设备由摄像头、视觉处理器、无线通信设备三部分组成，摄像头对周围区域进行拍摄，得到包含当前路面信息的路面图像，然后视觉处理器检测路面图像中的可行驶区域并构建可行驶区域的地图，并发送当前可行驶区域的地图，例如，将当前可行驶区域的地图通过无线通信设备传递给矿卡中的无线通信设备。无线通信方式可以为IEEE规范802.11（wifi）、专用短程通信（DSRC）、Zigbee、4G/5G通信等通信方式。
车辆由无线通信设备和自动驾驶感知层两部分组成，其中无线通信设备接收路侧视觉设备传递来的信息，也就是车辆的可行驶区域的地图，然后自动驾驶感知层根据该信息做出相应的判断，并引导车辆行驶。
在另一实施方式中，如图7所示，还提供了一种可行驶区域检测装置，包括：至少一个处理器210和用于存储能够在处理器210上运行的计算机程序的存储器211；其中，图7中示意的处理器210并非用于指代处理器的个数为一个，而是仅用于指代处理器相对其他器件的位置关系，在实际应用中，处理器的个数可以为一个或多个；同样，图7中示意的存储器211也是同样的含义，即仅用于指代存储器相对其他器件的位置关系，在实际应用中，存储器的个数可以为一个或多个。
其中，所述处理器210用于运行所述计算机程序时，执行如下步骤：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；
根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块，将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块，对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
当图像匹配值满足设置的阈值时，确定所述图像匹配值对应的图像块为所述路面的可行驶区域对应的候选区域的边界图像块，所述参考图像块至所述边界图像所包含的区域为所述候选区域。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
基于所述候选区域确定所述路面的第一感兴趣区域；
以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的多个包含可行驶区域信息的感兴趣区域。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息；
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点；
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线，分别得到对应每一所述感兴趣区域的第一路基线和第二路基线；
根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一，根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域；
基于每一所述感兴趣区域对应的裁剪后的感兴趣区域得到第一路基线和第二路基线的其中另一。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
确定所述第一路基线集对应的第一参考路基线和所述第二路基线集对应的第二参考路基线；
基于所述第一路基线集与所述第一参考路基线以及所述第二路基线集与所述第二参考路基线分别确定对应所述第一路基线集的第一待融合数据以及对应所述第二路基线集的第二待融合数据；
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域。
在一个可选的实施例中，所述处理器210还用于运行所述计算机程序时，执行如下步骤：
将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标，基于所述坐标构建所述当前可行驶区域的地图。
该可行驶区域检测装置还包括：至少一个网络接口212。发送端中的各个组件通过总线系统213耦合在一起。可理解，总线系统213用于实现这些组件之间的连接通信。总线系统213除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统213。
其中，存储器211可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（ROM，Read Only Memory）、可编程只读存储器（PROM，Programmable Read-Only Memory）、可擦除可编程只读存储器（EPROM，Erasable Programmable Read-Only Memory）、电可擦除可编程只读存储器（EEPROM，Electrically Erasable Programmable Read-Only Memory）、磁性随机存取存储器（FRAM，ferromagnetic random access memory）、快闪存储器（Flash Memory）、磁表面存储器、光盘、或只读光盘（CD-ROM，Compact Disc Read-Only Memory）；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器（RAM，Random AccessMemory），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（SRAM，Static Random Access Memory）、同步静态随机存取存储器（SSRAM，Synchronous Static Random Access Memory）、动态随机存取存储器（DRAM，Dynamic Random Access Memory）、同步动态随机存取存储器（SDRAM，SynchronousDynamic Random Access Memory）、双倍数据速率同步动态随机存取存储器（DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory）、增强型同步动态随机存取存储器（ESDRAM，Enhanced Synchronous Dynamic Random Access Memory）、同步连接动态随机存取存储器（SLDRAM，SyncLink Dynamic Random Access Memory）、直接内存总线随机存取存储器（DRRAM，Direct Rambus Random Access Memory）。本发明实施例描述的存储器211旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的存储器211用于存储各种类型的数据以支持发送端的操作。这些数据的示例包括：用于在发送端上操作的任何计算机程序，如操作系统和应用程序。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序，用于实现各种应用业务。这里，实现本发明实施例方法的程序可以包含在应用程序中。
本实施例还提供了一种计算机存储介质，例如包括存储有计算机程序的存储器211，上述计算机程序可由发送端中的处理器210执行，以完成前述方法所述步骤。计算机存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如智能手机、平板电脑、笔记本电脑等。一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程被处理器运行时，执行如下步骤：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；
根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块，将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块，对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
当图像匹配值满足设置的阈值时，确定所述图像匹配值对应的图像块为所述路面的可行驶区域对应的候选区域的边界图像块，所述参考图像块至所述边界图像所包含的区域为所述候选区域。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
基于所述候选区域确定所述路面的第一感兴趣区域；
以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的多个包含可行驶区域信息的感兴趣区域。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息；
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点；
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线，分别得到对应每一所述感兴趣区域的第一路基线和第二路基线；
根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一，根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域；
基于每一所述感兴趣区域对应的裁剪后的感兴趣区域得到第一路基线和第二路基线的其中另一。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
确定所述第一路基线集对应的第一参考路基线和所述第二路基线集对应的第二参考路基线；
基于所述第一路基线集与所述第一参考路基线以及所述第二路基线集与所述第二参考路基线分别确定对应所述第一路基线集的第一待融合数据以及对应所述第二路基线集的第二待融合数据；
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域。
在一个可选的实施例中，所述计算机程序被处理器运行时，还执行如下步骤：
将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标，基于所述坐标构建所述当前可行驶区域的地图。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (12)
1.一种可行驶区域检测方法，其特征在于，包括：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域；
基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
2.如权利要求1所述的可行驶区域检测方法，其特征在于，所述获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的多个包含可行驶区域信息的感兴趣区域，包括：
获取包含当前路面信息的路面图像，根据所述路面图像确定所述路面的可行驶区域对应的候选区域；
根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域。
3.如权利要求2所述的可行驶区域检测方法，其特征在于，所述根据所述路面图像确定所述路面的可行驶区域对应的候选区域，包括：
根据所述路面图像确定以路面宽度为基准侧的设置大小的参考图像块，将所述路面图像沿路面长度方向以所述图像块为起点，依次划分为与参考图像块大小相同的多个图像块，对每一图像块分别与所述参考图像块进行图像匹配得到对应的图像匹配值，根据所述图像匹配值确定所述候选区域。
4.如权利要求3所述的可行驶区域检测方法，其特征在于，所述根据所述图像匹配值确定所述候选区域，包括：
当图像匹配值满足设置的阈值时，确定所述图像匹配值对应的图像块为所述路面的可行驶区域对应的候选区域的边界图像块，所述参考图像块至所述边界图像所包含的区域为所述候选区域。
5.如权利要求2所述的可行驶区域检测方法，其特征在于，所述根据所述候选区域对所述路面图像进行划分，得到多个包含可行驶区域信息的感兴趣区域，包括：
基于所述候选区域确定所述路面的第一感兴趣区域；
以第一感兴趣区域顺沿路面宽度方向的图像底边为基准侧，根据设置的步长对实时获取路面图像进行划分，分别得到与每一所述步长对应的多个包含可行驶区域信息的感兴趣区域。
6.如权利要求1所述的可行驶区域检测方法，其特征在于，所述基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集，包括：
对所述感兴趣区域进行扫描，得到所述感兴趣区域中各像素点的特征信息；
根据所述像素点的特征信息确定像素点的纹理方向以及对应的特征值，根据所述像素点的纹理方向以及对应的特征值确定第一像素点；
基于所述第一像素点、像素点的纹理方向以及对应的特征值确定满足设置条件的像素点构成的线，分别得到对应每一所述感兴趣区域的第一路基线和第二路基线；
根据所述感兴趣区域分别对应的第一路基线得到第一路基线集、以及根据所述感兴趣区域分别对应的第二路基线得到第二路基线集。
7.如权利要求6所述的可行驶区域检测方法，其特征在于，所述分别得到对应每一所述感兴趣区域的第一路基线和第二路基线，包括：
确定每一所述感兴趣区域的第一路基线和第二路基线的其中之一，根据所述第一路基线和所述第二路基线的其中之一对每一所述感兴趣区域进行裁剪得到与每一所述感兴趣区域对应的裁剪后的感兴趣区域；
基于每一所述感兴趣区域对应的裁剪后的感兴趣区域得到第一路基线和第二路基线的其中另一。
8.如权利要求1所述的可行驶区域检测方法，其特征在于，所述针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域，包括：
确定所述第一路基线集对应的第一参考路基线和所述第二路基线集对应的第二参考路基线；
基于所述第一路基线集与所述第一参考路基线以及所述第二路基线集与所述第二参考路基线分别确定对应所述第一路基线集的第一待融合数据以及对应所述第二路基线集的第二待融合数据；
利用最小二乘法分别对所述第一待融合数据和所述第二待融合数据进行曲线拟合，确定当前可行驶区域。
9.如权利要求1所述的可行驶区域检测方法，其特征在于，所述针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域之后，还包括：
将所述当前可行驶区域通过坐标转换，得到与所述当前可行驶区域对应的坐标，基于所述坐标构建所述当前可行驶区域的地图。
10.一种可行驶区域检测装置，其特征在于，所述装置包括：
获取模块，用于获取包含当前路面信息的路面图像，根据所述路面图像确定多个包含可行驶区域信息的感兴趣区域；
检测模块，用于基于每一所述感兴趣区域中的可行驶区域信息，分别检测所述路面两侧的路基线得到第一路基线集和第二路基线集；
确定模块，用于针对所述第一路基线集和所述第二路基线集进行处理，确定当前可行驶区域。
11.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述可行驶区域检测方法。
12.一种路测视觉设备，其特征在于，所述路测视觉设备用于实现权利要求1至7任一项所述的可行驶区域检测方法，并发送当前可行驶区域的地图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910408121.2A CN109919144B (zh) | 2019-05-15 | 2019-05-15 | 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910408121.2A CN109919144B (zh) | 2019-05-15 | 2019-05-15 | 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109919144A true CN109919144A (zh) | 2019-06-21 |
| CN109919144B CN109919144B (zh) | 2019-08-16 |
Family
ID=66979089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910408121.2A Active CN109919144B (zh) | 2019-05-15 | 2019-05-15 | 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109919144B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178215A (zh) * | 2019-12-23 | 2020-05-19 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
| WO2021000800A1 (zh) * | 2019-06-29 | 2021-01-07 | 华为技术有限公司 | 道路可行驶区域推理方法及装置 |
| CN112381889A (zh) * | 2020-11-19 | 2021-02-19 | 北京百度网讯科技有限公司 | 相机检验方法、装置、设备及存储介质 |
| CN112541464A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 关联道路对象的确定方法、装置、路侧设备和云控平台 |
| CN112824198A (zh) * | 2019-11-21 | 2021-05-21 | 北京京东乾石科技有限公司 | 一种轨迹决策方法、装置、设备和存储介质 |
| CN113673403A (zh) * | 2021-08-12 | 2021-11-19 | 深圳普捷利科技有限公司 | 行驶环境检测方法、系统、装置、计算机设备、计算机可读存储介质及汽车 |
| WO2021233154A1 (zh) * | 2020-05-20 | 2021-11-25 | 华为技术有限公司 | 可行驶区域检测方法、装置、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090041337A1 (en) * | 2007-08-07 | 2009-02-12 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
| CN102915441A (zh) * | 2012-08-30 | 2013-02-06 | 杭州电子科技大学 | 基于Haar纹理的非结构化道路检测方法 |
| CN106599760A (zh) * | 2015-10-14 | 2017-04-26 | 山东鲁能智能技术有限公司 | 一种变电站巡检机器人行驶区域计算方法 |
| CN107729814A (zh) * | 2017-09-19 | 2018-02-23 | 浙江大华技术股份有限公司 | 一种检测车道线的方法及装置 |
| CN108932472A (zh) * | 2018-05-23 | 2018-12-04 | 中国汽车技术研究中心有限公司 | 一种基于车道线检测的自动驾驶行驶区域判别方法 |
| CN109002795A (zh) * | 2018-07-13 | 2018-12-14 | 清华大学 | 车道线检测方法、装置及电子设备 |
| CN109087332A (zh) * | 2018-06-11 | 2018-12-25 | 西安电子科技大学 | 一种基于分块相关的遮挡检测方法 |
-
2019
- 2019-05-15 CN CN201910408121.2A patent/CN109919144B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090041337A1 (en) * | 2007-08-07 | 2009-02-12 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
| CN102915441A (zh) * | 2012-08-30 | 2013-02-06 | 杭州电子科技大学 | 基于Haar纹理的非结构化道路检测方法 |
| CN106599760A (zh) * | 2015-10-14 | 2017-04-26 | 山东鲁能智能技术有限公司 | 一种变电站巡检机器人行驶区域计算方法 |
| CN107729814A (zh) * | 2017-09-19 | 2018-02-23 | 浙江大华技术股份有限公司 | 一种检测车道线的方法及装置 |
| CN108932472A (zh) * | 2018-05-23 | 2018-12-04 | 中国汽车技术研究中心有限公司 | 一种基于车道线检测的自动驾驶行驶区域判别方法 |
| CN109087332A (zh) * | 2018-06-11 | 2018-12-25 | 西安电子科技大学 | 一种基于分块相关的遮挡检测方法 |
| CN109002795A (zh) * | 2018-07-13 | 2018-12-14 | 清华大学 | 车道线检测方法、装置及电子设备 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021000800A1 (zh) * | 2019-06-29 | 2021-01-07 | 华为技术有限公司 | 道路可行驶区域推理方法及装置 |
| CN112230642A (zh) * | 2019-06-29 | 2021-01-15 | 华为技术有限公司 | 道路可行驶区域推理方法及装置 |
| CN112230642B (zh) * | 2019-06-29 | 2022-01-11 | 华为技术有限公司 | 道路可行驶区域推理方法及装置 |
| CN112824198A (zh) * | 2019-11-21 | 2021-05-21 | 北京京东乾石科技有限公司 | 一种轨迹决策方法、装置、设备和存储介质 |
| CN111178215A (zh) * | 2019-12-23 | 2020-05-19 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
| CN111178215B (zh) * | 2019-12-23 | 2024-03-08 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
| WO2021233154A1 (zh) * | 2020-05-20 | 2021-11-25 | 华为技术有限公司 | 可行驶区域检测方法、装置、设备及存储介质 |
| CN112381889A (zh) * | 2020-11-19 | 2021-02-19 | 北京百度网讯科技有限公司 | 相机检验方法、装置、设备及存储介质 |
| CN112381889B (zh) * | 2020-11-19 | 2024-05-07 | 阿波罗智联(北京)科技有限公司 | 相机检验方法、装置、设备及存储介质 |
| CN112541464A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 关联道路对象的确定方法、装置、路侧设备和云控平台 |
| CN113673403A (zh) * | 2021-08-12 | 2021-11-19 | 深圳普捷利科技有限公司 | 行驶环境检测方法、系统、装置、计算机设备、计算机可读存储介质及汽车 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109919144B (zh) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919144B (zh) | 可行驶区域检测方法、装置、计算机存储介质及路测视觉设备 | |
| CN112184818B (zh) | 基于视觉的车辆定位方法及应用其方法的停车场管理系统 | |
| Benenson et al. | Stixels estimation without depth map computation | |
| Toulminet et al. | Vehicle detection by means of stereo vision-based obstacles features extraction and monocular pattern analysis | |
| Pfeiffer et al. | Efficient representation of traffic scenes by means of dynamic stixels | |
| CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
| CN110155053A (zh) | 提供用于驾驶车辆的信息的方法和设备 | |
| CN105160309A (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
| CN104899590A (zh) | 一种无人机视觉目标跟随方法及系统 | |
| CN111169468A (zh) | 一种自动泊车的系统及方法 | |
| CN111681259B (zh) | 基于无Anchor机制检测网络的车辆跟踪模型建立方法 | |
| CN104239867A (zh) | 车牌定位方法及系统 | |
| CN110458050B (zh) | 基于车载视频的车辆切入检测方法及装置 | |
| CN105608417A (zh) | 交通信号灯检测方法及装置 | |
| CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
| CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
| Panev et al. | Road curb detection and localization with monocular forward-view vehicle camera | |
| CN109961013A (zh) | 车道线的识别方法、装置、设备及计算机可读存储介质 | |
| CN111738033B (zh) | 基于平面分割的车辆行驶信息确定方法及装置、车载终端 | |
| CN106446785A (zh) | 基于双目视觉的可行道路检测方法 | |
| CN104636724A (zh) | 一种基于目标一致性的车载相机快速行人车辆检测方法 | |
| CN113759391A (zh) | 一种基于激光雷达的可通行区域检测方法 | |
| Ma et al. | Boundarynet: extraction and completion of road boundaries with deep learning using mobile laser scanning point clouds and satellite imagery | |
| CN109115232B (zh) | 导航的方法和装置 | |
| Yang et al. | Vehicle counting method based on attention mechanism SSD and state detection |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Driving area detection method, device, computer storage medium and road test vision equipment Effective date of registration: 20220303 Granted publication date: 20190816 Pledgee: China Minsheng Bank Co.,Ltd. Xiangtan sub branch Pledgor: CHANGSHA INTELLIGENT DRIVING RESEARCH INSTITUTE Co.,Ltd. Registration number: Y2022430000015 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230601 Granted publication date: 20190816 Pledgee: China Minsheng Bank Co.,Ltd. Xiangtan sub branch Pledgor: CHANGSHA INTELLIGENT DRIVING RESEARCH INSTITUTE Co.,Ltd. Registration number: Y2022430000015 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |