CN110796084A - 车道线识别方法、装置、设备和计算机可读存储介质 - Google Patents
车道线识别方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110796084A CN110796084A CN201911039994.7A CN201911039994A CN110796084A CN 110796084 A CN110796084 A CN 110796084A CN 201911039994 A CN201911039994 A CN 201911039994A CN 110796084 A CN110796084 A CN 110796084A
- Authority
- CN
- China
- Prior art keywords
- image
- lane line
- sub
- line image
- position information
- 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.)
- Pending
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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种车道线识别方法、装置、设备和计算机可读存储介质。该方法包括获取车道线图像;从车道线图像中获取第一子图像和第二子图像,第一子图像对应的实景感兴趣区域大于第二子图像对应的实景感兴趣区域;将第一子图像和第二子图像输入图像识别模型,识别车道线图像中的车道线。本申请实施例可以使图像识别模型能够识别完整的车道线,并且,可以提高识别远处车道线的准确度。
Description
技术领域
本申请涉及一种图像识别领域,尤其涉及一种车道线识别方法、装置、设备和计算机可读存储介质。
背景技术
在智能驾驶领域,车道线信息是一项重要的环境感知信息。在拍摄车道线图像后,可以利用图像识别模型来识别出图像中的车道线,从而获取车道线信息。例如,使用深度学习神经网络模型识别图像中的车道线。图像识别模型受图像分辨率影响,往往对图像中细微之处识别不准,因此,图像识别模型对远处的车道线的识别准确度不高。
发明内容
本申请实施例提供一种车道线识别方法、装置、设备和计算机可读存储介质,以解决相关技术存在的问题,技术方案如下:
第一方面,本申请实施例提供了一种车道线识别方法,包括:
获取车道线图像;
从车道线图像中获取第一子图像和第二子图像,第一子图像对应的实景感兴趣区域大于第二子图像对应的实景感兴趣区域;
将第一子图像和第二子图像输入图像识别模型,识别车道线图像中的车道线。
在一种实施方式中,从车道线图像中获取第一子图像和第二子图像,包括:
从当前帧车道线图像中获取对应的第一子图像;
根据已识别的车道线图像中识别出的车道线,确定已识别的车道线图像中的车道线消失位置;
根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息;
根据第二子图像的位置信息和预定的第一尺寸信息,从当前帧车道线图像中获取当前帧车道线图像对应的第二子图像。
在一种实施方式中,根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息,包括:
以已识别的车道线图像中的车道线消失位置,作为当前帧车道线图像对应的第二子图像的中心位置。
在一种实施方式中,车道线图像是通过车辆上的摄像头获取的;
根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息,包括:
获取车辆当前的方向盘转向角;
根据已识别的车道线图像中的车道线消失位置和车辆当前的方向盘转向角,确定当前帧车道线图像对应的第二子图像的位置信息。
在一种实施方式中,从当前帧车道线图像中获取对应的第一子图像,包括:
根据预定的第二尺寸信息和预定的位置信息,从当前帧车道线图像中获取对应的第一子图像。
在一种实施方式中,第一帧车道线图像对应的第二子图像的位置信息是根据第一帧车道线图像中的地平线的位置信息确定的。
在一种实施方式中,将第一子图像和第二子图像输入图像识别模型,包括:
调整第一子图像和/或第二子图像的分辨率,以使第一子图像和第二子图像的长或宽相等;
将第一子图像和第二子图像沿相等的长或宽拼接为待识别图像;
将待识别图像输入图像识别模型。
第二方面,本申请实施例提供一种车道线识别装置,包括:
第一获取模块,用于获取车道线图像;
第二获取模块,用于从车道线图像中获取第一子图像和第二子图像,第一子图像对应的实景感兴趣区域大于第二子图像对应的实景感兴趣区域;
识别模块,用于将第一子图像和第二子图像输入图像识别模型,识别车道线图像中的车道线。
在一种实施方式中,第二获取模块包括:
第一获取单元,用于从当前帧车道线图像中获取对应的第一子图像;
第一确定单元,用于根据已识别的车道线图像中识别出的车道线,确定已识别的车道线图像中的车道线消失位置;
第二确定单元,用于根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息;
第二获取单元,用于根据第二子图像的位置信息和预定的第一尺寸信息,从当前帧车道线图像中获取当前帧车道线图像对应的第二子图像。
第三方面,本申请实施例提供了一种车道线识别设备,该设备包括:存储器和处理器。其中,该存储器和该处理器通过内部连接通路互相通信,该存储器用于存储指令,该处理器用于执行该存储器存储的指令,并且当该处理器执行该存储器存储的指令时,使得该处理器执行上述各方面任一种实施方式中的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储计算机程序,当计算机程序在计算机上运行时,上述各方面任一种实施方式中的方法被执行。
上述技术方案中的优点或有益效果至少包括:
图像识别模型的输入信息包括从车道线图像中获取的第一子图像,第一子图像对应较大实景感兴趣区域,可以使图像识别模型能够识别完整的车道线。并且,图像识别模型的输入信息还包括从车道线图像中获取的第二子图像,第二子图像对应较小的实景感兴趣区域,因此在输入图像识别模型时分辨率可以得到较好的保留。通过上述技术方案,可以提高识别远处车道线的准确度。
上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本申请进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据本申请公开的一些实施方式,而不应将其视为是对本申请范围的限制。
图1为本申请一实施例的车道线识别方法的流程图;
图2为本申请一实施例的第一子图像和第二子图像的示意图;
图3为本申请一实施例的车道线识别方法的流程图;
图4为本申请一实施例的车道线识别方法的流程图;
图5为本申请一实施例的车道线识别装置的结构示意图;
图6为本申请一实施例的车道线识别装置的结构示意图;
图7为本发明一实施例的车道线识别设备的结构框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本申请的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。
利用图像识别模型(例如深度学习神经网络模型)识别车道线,可以包括:对拍摄到的车道线图像进行预处理以得到符合模型输入要求的图像,将预处理后的图像输入到图像识别模型,可以识别出车道线并获取车道线的像素坐标,根据车道线的像素坐标还可以得到车道线的曲线方程。其中的模型输入要求可以包括图像的分辨率,在这种情况下,将车道线图像输入图像识别模型前,需要调整分辨率,调整分辨率后远处的车道线可能不清晰,因此无法准确识别出远处的车道线。
图1示出根据本申请一实施例的车道线识别方法的流程图。如图1所示,该车道线识别方法可以包括:
步骤S101、获取车道线图像。
车道线图像可以通过摄像头拍摄获取。例如,可以通过车辆上的摄像头获取。在智能驾驶领域,可以在车辆前方设置摄像头,以拍摄前方道路的图像,从而得到车道线图像,进而获得可以用于指示驾驶操作的车道线信息。
步骤S102、从车道线图像中获取第一子图像和第二子图像,第一子图像对应的实景感兴趣区域大于第二子图像对应的实景感兴趣区域。
请参考图2,图2是从车道线图像201中获取的第一子图像202和第二子图像203的示意图。第一子图像202和第二子图像203对应不同大小的实景感兴趣区域(Region ofinterest,ROI)。示例性地,如图2所示,第一子图像201对应的实景范围大,ROI可以包括整个车道线,第二子图像202对应的实景范围小,ROI可以包括部分车道线,例如包括车道线消失位置。
从车道线图像中获取第一子图像和第二子图像,可以有多种实施方式。
作为一种示例,可以预先设定位置信息和尺寸信息,在车道线图像上进行图像截取,就可以获取到第一子图像和第二子图像。例如,设定好第一子图像和第二子图像的中心位置,然后根据不同的长度和宽度在车道线图像上进行图像截取,就可以获得对应不同的实景感兴趣区域的第一子图像和第二子图像。通过设定第一子图像的尺寸大于第二子图像的尺寸,可以使第一子图像对应的实景ROI大于第二子图像对应的实景ROI。
作为另一种示例,还可以设置算法,通过计算得到第一子图像和第二子图像的位置信息和/或尺寸信息,以获取第一子图像和第二子图像。例如,在智能驾驶过程中,可以获取连续的多帧车道线图像,可以根据上一帧车道线图像中的车道线位置信息,确定当前帧车道线图像中第一子图像和第二子图像的中心位置,并通过预先设定的尺寸信息确定第一子图像和第二子图像的大小。
步骤S103、将第一子图像和第二子图像输入图像识别模型,识别车道线图像中的车道线。
第一子图像和第二子图像可以分别输入图像识别模型,也可以拼接在一起输入图像识别模型。示例性地,步骤S103包括调整第一子图像和/或第二子图像的分辨率,以使第一子图像和第二子图像的长或宽相等;将第一子图像和第二子图像沿相等的长或宽拼接为待识别图像;将待识别图像输入图像识别模型。第一子图像和第二子图像的长或宽相等,则可以在不改变长宽比例的情况下,将两个图像拼接在一起,这样,图像识别模型接收一张待输入图像,以便于将第一子图像和第二子图像关联起来。
图像识别模型可以通过识别第一子图像和/或第二子图像中的车道线,然后根据第一子图像与车道线图像的比例关系、第二子图像与车道线图像的比例关系,确定车道线图像中的车道线信息。
这样,图像识别模型的输入信息包括从车道线图像中获取的第一子图像,第一子图像对应较大实景感兴趣区域,可以使图像识别模型能够识别完整的车道线。并且,图像识别模型的输入信息还包括从车道线图像中获取的第二子图像,第二子图像对应较小的实景感兴趣区域,因此在输入图像识别模型时分辨率可以得到较好的保留。通过上述技术方案,可以提高识别远处车道线的准确度。
作为一种示例性实施方式,如图3所示,步骤S102可以包括:
步骤S301、从当前帧车道线图像中获取对应的第一子图像;
步骤S302、根据已识别的车道线图像中识别出的车道线,确定已识别的车道线图像中的车道线消失位置;
步骤S303、根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息;
步骤S304、根据第二子图像的位置信息和预定的第一尺寸信息,从当前帧车道线图像中获取当前帧车道线图像对应的第二子图像。
在示例性实施方式中,根据已识别的车道线图像中的车道线消失位置确定第二子图像的位置信息,然后结合该位置信息和预定的第一尺寸信息,获取当前帧车道线图像对应的第二子图像。这样,对于连续多帧车道线图像中的每一帧车道线图像,对应的第二子图像的位置信息可以保持与车道线消失位置相关,使得第二子图像对应的实景ROI可以包括远处的车道线,实现提高远处车道线的识别准确度的效果。
示例性地,已识别的车道线图像可以包括当前帧之前的任意帧的车道线图像。例如,已识别的车道线图像可以是最新被识别出车道线的车道线图像。基于图像识别模型的处理速度和图像获取的速度,最新被识别出车道线的车道线图像可以是上一帧车道线图像,也可以是若干帧之前的车道线图像。
在示例性实施方式中,还可以包括确定第一帧车道线图像对应的第二子图像的位置信息的步骤。对于第一帧车道线图像,不存在上一帧车道线图像,其对应的第二子图像的位置信息的确定步骤可以有如下示例方式:
示例一、可以采用预定的初始位置信息作为第一帧车道线图像对应的第二子图像的位置信息。本领域技术人员可以根据经验预先设定初始位置信息,作为第一帧车道线图像对应的第二子图像的位置信息。
示例二、根据第一帧车道线图像中的地平线的位置信息,确定第一帧车道线图像对应的第二子图像的位置信息。地平线的位置信息可以通过相机标定获取。在一些实施方式中,在对车道线图像进行处理之前,要设置图像中的坐标系,可以根据图像中的地平线确定坐标系纵轴的零点。因此,在设置图像中的坐标系的过程中,可以确定地平线的位置信息。本示例中,可以在地平线上选取一个位置点作为第二子图像的中心位置。例如选取地平线的中心点作为第二子图像的中心位置。
其中,步骤S303可以有多种实施方式。
例如,以已识别的车道线图像中的车道线消失位置,作为当前帧车道线图像对应的第二子图像的中心位置。
又如,结合已识别的车道线图像中的车道线消失位置和车辆转向角确定第二子图像的位置信息。车道线图像可以是通过车辆上的摄像头获取的。如图4所示,步骤S303、根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息,可以包括:
步骤S401、获取车辆当前的方向盘转向角;
步骤S402、根据已识别的车道线图像中的车道线消失位置和车辆当前的方向盘转向角,确定当前帧车道线图像对应的第二子图像的位置信息。
示例性地,这里的第二子图像的位置信息包括第二子图像的中心位置或第二子图像的左上顶点位置等可以用于确定第二子图像位置的基准点。步骤S402可以是以已识别的车道线图像中的车道线消失位置为基准位置,车辆当前的方向盘转向角指示的车辆行驶方向为偏移方向,将第二子图像的中心位置设置为基准位置向偏移方向移动一定距离的位置。或者,可以建立以已识别的车道线图像的车道线消失位置和车辆方向盘转角为输入,以第二子图像的中心位置为输出的函数,步骤S402可以是通过该函数计算第二子图像的位置信息。通过上述技术方案,可以结合车辆的行驶方向,使第二子图像对应的实景ROI始终包括远处的车道线,实现提高远处车道线的识别准确度的效果。
作为一种示例性实施方式,步骤301、从当前帧车道线图像中获取对应的第一子图像,可以包括:根据预定的第二尺寸信息和预定的位置信息,从当前帧车道线图像中获取对应的第一子图像。第一子图像对应的实景ROI可以包括整个车道线,占据车道线图像中较大的画面,在对连续多帧车道线进行处理的过程中,第一子图像在车道线图像中的相对位置不会有太大的变化,通过预先设定第一子图像的尺寸信息和位置信息,可以提高处理速度。应当理解,也可以根据已识别的图像的识别结果自适应调整第一子图像的位置和尺寸,以获取第一子图像。
需要说明的是,尽管以多种实施方式作为示例介绍了车道线识别方法如上,但本领域技术人员能够理解,本申请应不限于此。事实上,用户完全可根据个人喜好和/或实际应用场景灵活设定车道线识别方法。
图5示出根据本发明一实施例的车道线识别装置的结构框图。如图5所示,车道线识别装置500可以包括:
第一获取模块501,用于获取车道线图像;
第二获取模块502,用于从车道线图像中获取第一子图像和第二子图像,第一子图像对应的实景感兴趣区域大于第二子图像对应的实景感兴趣区域;
识别模块503,用于将第一子图像和第二子图像输入图像识别模型,识别车道线图像中的车道线。
作为一种示例性实施方式,如图6所示,第二获取模块502包括:
第一获取单元601,用于从当前帧车道线图像中获取对应的第一子图像;
第一确定单元602,用于根据已识别的车道线图像中识别出的车道线,确定已识别的车道线图像中的车道线消失位置;
第二确定单元603,用于根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息;
第二获取单元604,用于根据第二子图像的位置信息和预定的第一尺寸信息,从当前帧车道线图像中获取当前帧车道线图像对应的第二子图像。
作为一种示例性实施方式,第二确定单元603包括:
中心确定子单元,用于以已识别的车道线图像中的车道线消失位置,作为当前帧车道线图像对应的第二子图像的中心位置。
作为一种示例性实施方式,车道线图像是通过车辆上的摄像头获取的;第二确定单元603包括:
转向角获取子单元,用于获取车辆当前的方向盘转向角;
位置确定子单元,用于根据已识别的车道线图像中的车道线消失位置和车辆当前的方向盘转向角,确定当前帧车道线图像对应的第二子图像的位置信息。
作为一种示例性实施方式,第一获取单元601包括:
获取子单元,用于根据预定的第二尺寸信息和预定的位置信息,从当前帧车道线图像中获取对应的第一子图像。
作为一种示例性实施方式,第一帧车道线图像对应的第二子图像的位置信息是根据第一帧车道线图像中的地平线的位置信息确定的。
作为一种示例性实施方式,识别模块503包括:
调整单元,用于调整第一子图像和/或第二子图像的分辨率,以使第一子图像和第二子图像的长或宽相等;
拼接单元,用于将第一子图像和第二子图像沿相等的长或宽拼接为待识别图像;
输入单元,用于将待识别图像输入图像识别模型。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
图7示出根据本发明一实施例的车道线识别设备的结构框图。如图7所示,该车道线识别设备包括:存储器910和处理器920,存储器910内存储有可在处理器920上运行的计算机程序。处理器920执行该计算机程序时实现上述实施例中的车道线识别方法。存储器910和处理器920的数量可以为一个或多个。
该车道线识别设备还包括:
通信接口930,用于与外界设备进行通信,进行数据交互传输。
如果存储器910、处理器920和通信接口930独立实现,则存储器910、处理器920和通信接口930可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(PeripheralComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器910、处理器920及通信接口930集成在一块芯片上,则存储器910、处理器920及通信接口930可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片,该芯片包括,包括处理器,用于从存储器中调用并运行存储器中存储的指令,使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片,包括:输入接口、输出接口、处理器和存储器,输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连,处理器用于执行存储器中的代码,当代码被执行时,处理器用于执行申请实施例提供的方法。
应理解的是,上述处理器可以是中央处理器(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(fieldprogrammablegate array,FPGA)、图形处理器(Graphics Processing Unit,GPU)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(advanced RISC machines,ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机存取存储器,还可以包括非易失性随机存取存储器。该存储器可以是易失性存储器或非易失性存储器,或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包括只读存储器(read-onlymemory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以包括随机存取存储器(random access memory,RAM),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(static RAM,SRAM)、动态随机存取存储器(dynamic random access memory,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data dateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(directrambus RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块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,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
以上,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种车道线识别方法,其特征在于,包括:
获取车道线图像;
从所述车道线图像中获取第一子图像和第二子图像,所述第一子图像对应的实景感兴趣区域大于所述第二子图像对应的实景感兴趣区域;
将所述第一子图像和第二子图像输入图像识别模型,识别所述车道线图像中的车道线。
2.根据权利要求1所述的方法,其特征在于,从所述车道线图像中获取第一子图像和第二子图像,包括:
从当前帧车道线图像中获取对应的第一子图像;
根据已识别的车道线图像中识别出的车道线,确定已识别的车道线图像中的车道线消失位置;
根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息;
根据所述第二子图像的位置信息和预定的第一尺寸信息,从当前帧车道线图像中获取当前帧车道线图像对应的第二子图像。
3.根据权利要求2所述的方法,其特征在于,根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息,包括:
以已识别的车道线图像中的车道线消失位置,作为当前帧车道线图像对应的第二子图像的中心位置。
4.根据权利要求2所述的方法,其特征在于,所述车道线图像是通过车辆上的摄像头获取的;
根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息,包括:
获取所述车辆当前的方向盘转向角;
根据已识别的车道线图像中的车道线消失位置和所述车辆当前的方向盘转向角,确定当前帧车道线图像对应的第二子图像的位置信息。
5.根据权利要求2所述的方法,其特征在于,从当前帧车道线图像中获取对应的第一子图像,包括:
根据预定的第二尺寸信息和预定的位置信息,从当前帧车道线图像中获取对应的第一子图像。
6.根据权利要求2所述的方法,其特征在于,第一帧车道线图像对应的第二子图像的位置信息是根据第一帧车道线图像中的地平线的位置信息确定的。
7.根据权利要求1至6中任一项所述的方法,其特征在于,将所述第一子图像和第二子图像输入图像识别模型,包括:
调整所述第一子图像和/或第二子图像的分辨率,以使第一子图像和第二子图像的长或宽相等;
将所述第一子图像和第二子图像沿相等的长或宽拼接为待识别图像;
将所述待识别图像输入图像识别模型。
8.一种车道线识别装置,其特征在于,包括:
第一获取模块,用于获取车道线图像;
第二获取模块,用于从所述车道线图像中获取第一子图像和第二子图像,所述第一子图像对应的实景感兴趣区域大于所述第二子图像对应的实景感兴趣区域;
识别模块,用于将所述第一子图像和第二子图像输入图像识别模型,识别所述车道线图像中的车道线。
9.根据权利要求8所述的装置,其特征在于,所述第二获取模块包括:
第一获取单元,用于从当前帧车道线图像中获取对应的第一子图像;
第一确定单元,用于根据已识别的车道线图像中识别出的车道线,确定已识别的车道线图像中的车道线消失位置;
第二确定单元,用于根据已识别的车道线图像中的车道线消失位置,确定当前帧车道线图像对应的第二子图像的位置信息;
第二获取单元,用于根据所述第二子图像的位置信息和预定的第一尺寸信息,从当前帧车道线图像中获取当前帧车道线图像对应的第二子图像。
10.一种车道线识别设备,其特征在于,包括:包括处理器和存储器,所述存储器中存储指令,所述指令由处理器加载并执行,以实现如权利要求1至7任一项所述的方法。
11.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039994.7A CN110796084A (zh) | 2019-10-29 | 2019-10-29 | 车道线识别方法、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039994.7A CN110796084A (zh) | 2019-10-29 | 2019-10-29 | 车道线识别方法、装置、设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110796084A true CN110796084A (zh) | 2020-02-14 |
Family
ID=69442029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039994.7A Pending CN110796084A (zh) | 2019-10-29 | 2019-10-29 | 车道线识别方法、装置、设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796084A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807236A (zh) * | 2021-09-15 | 2021-12-17 | 北京百度网讯科技有限公司 | 车道线检测的方法、装置、设备、存储介质及程序产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657832A (zh) * | 2017-11-15 | 2018-02-02 | 吉林大学 | 一种车位引导方法及系统 |
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 |
CN109389026A (zh) * | 2017-08-09 | 2019-02-26 | 三星电子株式会社 | 车道检测方法和设备 |
CN109409202A (zh) * | 2018-09-06 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 基于动态感兴趣区域的鲁棒性车道线检测方法 |
CN109886175A (zh) * | 2019-02-13 | 2019-06-14 | 合肥思艾汽车科技有限公司 | 一种直线与圆弧相结合的车道线检测方法 |
CN110088766A (zh) * | 2019-01-14 | 2019-08-02 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
CN110147698A (zh) * | 2018-02-13 | 2019-08-20 | Kpit技术有限责任公司 | 用于车道检测的系统和方法 |
CN110164163A (zh) * | 2018-02-13 | 2019-08-23 | 福特全球技术公司 | 便于环境能见度确定的方法和设备 |
-
2019
- 2019-10-29 CN CN201911039994.7A patent/CN110796084A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389026A (zh) * | 2017-08-09 | 2019-02-26 | 三星电子株式会社 | 车道检测方法和设备 |
CN107657832A (zh) * | 2017-11-15 | 2018-02-02 | 吉林大学 | 一种车位引导方法及系统 |
CN110147698A (zh) * | 2018-02-13 | 2019-08-20 | Kpit技术有限责任公司 | 用于车道检测的系统和方法 |
CN110164163A (zh) * | 2018-02-13 | 2019-08-23 | 福特全球技术公司 | 便于环境能见度确定的方法和设备 |
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 |
CN109409202A (zh) * | 2018-09-06 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 基于动态感兴趣区域的鲁棒性车道线检测方法 |
CN110088766A (zh) * | 2019-01-14 | 2019-08-02 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
CN109886175A (zh) * | 2019-02-13 | 2019-06-14 | 合肥思艾汽车科技有限公司 | 一种直线与圆弧相结合的车道线检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807236A (zh) * | 2021-09-15 | 2021-12-17 | 北京百度网讯科技有限公司 | 车道线检测的方法、装置、设备、存储介质及程序产品 |
CN113807236B (zh) * | 2021-09-15 | 2024-05-17 | 北京百度网讯科技有限公司 | 车道线检测的方法、装置、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107409166B (zh) | 摇摄镜头的自动生成 | |
CN107945105B (zh) | 背景虚化处理方法、装置及设备 | |
WO2016171050A1 (ja) | 画像処理装置 | |
US10890966B2 (en) | Graphics processing systems | |
CN110796201A (zh) | 一种标注框的修正方法、电子设备及存储介质 | |
CN108182666B (zh) | 一种视差校正方法、装置和终端 | |
CN110728644A (zh) | 图像生成方法、装置、电子设备和可读存储介质 | |
CN110650288B (zh) | 对焦控制方法和装置、电子设备、计算机可读存储介质 | |
CN113610865B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
KR20220136196A (ko) | 화상 처리 장치, 화상 처리 방법, 이동 장치, 및 저장 매체 | |
CN112634628B (zh) | 一种车辆速度确定方法、终端及存储介质 | |
CN110796084A (zh) | 车道线识别方法、装置、设备和计算机可读存储介质 | |
CN110832851B (zh) | 图像处理装置、图像变换方法 | |
EP3866110A1 (en) | Target detection method, target detection apparatus and unmanned aerial vehicle | |
CN112634298B (zh) | 图像处理方法及装置、存储介质、终端 | |
CN113240582B (zh) | 一种图像拼接方法及装置 | |
CN113610884A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
US11107197B2 (en) | Apparatus for processing image blurring and method thereof | |
US11227166B2 (en) | Method and device for evaluating images, operating assistance method, and operating device | |
JP6266340B2 (ja) | 車線識別装置および車線識別方法 | |
CN115131273A (zh) | 信息处理方法、测距方法及装置 | |
CN113395434A (zh) | 一种预览图像虚化方法、存储介质及终端设备 | |
CN111428707A (zh) | 图形识别码的识别方法、装置、存储介质及电子设备 | |
KR20190092155A (ko) | 단말기에서 실시간 글자 인식시 영상을 안정화하는 방법 | |
KR102590863B1 (ko) | 차량의 조향각 계산 방법 및 장치 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200214 |