CN111191619B - 车道线虚线段的检测方法、装置、设备和可读存储介质 - Google Patents
车道线虚线段的检测方法、装置、设备和可读存储介质 Download PDFInfo
- Publication number
- CN111191619B CN111191619B CN202010003248.9A CN202010003248A CN111191619B CN 111191619 B CN111191619 B CN 111191619B CN 202010003248 A CN202010003248 A CN 202010003248A CN 111191619 B CN111191619 B CN 111191619B
- Authority
- CN
- China
- Prior art keywords
- line segment
- virtual line
- detection
- candidate
- belonging
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Abstract
本申请公开了一种车道线虚线段的检测方法、装置、设备和可读存储介质,涉及智能驾驶领域。具体实现方案为:获取对车道线进行拍摄得到的待检测图像;从所述待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,所述相同区域包括虚线段;对所述多张候选图像进行尺寸调整;从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果;根据多个所述候选检测结果,得到所述虚线段的最终检测结果。本实施例对多个图像区域进行多尺度融合,提高虚线段的检出精度和召回率。
Description
技术领域
本申请涉及数据处理技术,尤其涉及智能驾驶领域。
背景技术
在无人车的行驶过程中,需要实时对无人车进行定位,保证无人车不偏离车道。
目前,在以视觉为主的综合定位方案中,车道线对于保障定位精度起到了重要作用。车道线的类型包括:实线、虚线段、路口停止线等。其中,虚线段的检测对无人车的纵向定位有影响,如果能够准确检测出虚线段,将有效提升无人车纵向定位的精度。
但是,由于视觉成像近大远小的特点,远处虚线段的尺寸比较短而较难检测到,导致降低无人车的纵向定位精度。
发明内容
本申请实施例提供了一种车道线虚线段的检测方法、装置、设备和可读存储介质,以提高虚线段的检测精度和召回率。
第一方面,本申请实施例提供了一种车道线虚线段的检测方法,包括:
获取对车道线进行拍摄得到的待检测图像;
从所述待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,相同区域包括虚线段;
对所述多张候选图像进行尺寸调整;
从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果;
根据多个所述候选检测结果,得到所述虚线段的最终检测结果。
本申请实施例通过从待检测图像中截取多张候选图像,并进行尺寸调整,从而提取出包括相同虚线段的图像,且通过尺寸调整改变相同虚线段包含的图像信息;通过对尺寸调整后的图像进行检测,得到不同尺度或不同图像信息下的虚线段检测结果;通过根据多个所述候选检测结果,得到所述虚线段的最终检测结果,从而综合不同尺度下的虚线段检测结果,提高最终检测结果的检测精度和虚线段的召回率。
可选的,每个所述候选检测结果包括至少两个虚线段的检测参数;
所述根据多个所述候选检测结果,得到所述虚线段的最终检测结果,包括:
将多个所述候选检测结果各自的检测参数进行融合;
根据融合后的检测参数,得到所述虚线段的最终检测结果。
上述申请中的一种可选实施方式,通过将多个候选检测结果各自的虚线段的检测参数进行融合,即对多尺度下的虚线段检测参数进行融合,有利于得到较精确的检测参数,进而根据融合后的检测参数,能够得到较精确的虚线段的最终检测结果。
可选的,将多个所述候选检测结果各自的检测参数进行融合,包括:
从多个所述候选检测结果中,确定属于同一虚线段的各检测参数;
根据属于同一虚线段的每个检测参数各自的置信度,对检测参数进行筛选;
将置信度满足设定条件的检测参数进行融合。
可选的,检测参数包括:起点位置和终点位置。
上述申请中的一种可选实施方式,通过采用置信度对检测参数进行筛选并将置信度满足设定条件的检测参数进行融合,提高融合后的检测参数的置信度,有利于提高最终检测结果的精度。进一步地,将检测参数细化为起点位置和终点位置,这两个参数能够简明、准确地标识一个完整的虚线段。
可选的,对所述多张候选图像进行尺寸调整,包括:
将所述多张候选图像的尺寸调整至设定统一尺寸,且在放大候选图像时进行像素点补偿恢复。
上述申请中的一种可选实施方式,通过将图像调整为统一尺寸,方便采用虚线段检测模型进行虚线段检测;通过像素点补偿恢复,将小尺寸的候选图像调整为大尺寸,虚线段的长度变长了,这样虚线段检测模型对大尺寸的候选图像进行多倍下采样后,能够保证输出图中虚线段仍然可见,有利于被检测到。
可选的,所述从多个所述候选检测结果中,确定属于同一虚线段的各检测参数,包括:
从多个所述候选检测结果中获取各虚线段的起点位置和终点位置;
根据不同候选图像中起点位置之间的距离和终点位置之间的距离,将距离在预设范围内的起点位置确定为属于同一虚线段的起点位置,将距离在预设范围内的终点位置确定为属于同一虚线段的终点位置。
上述申请中的一种可选实施方式,通过距离相近的起点位置和距离相近的终点位置,能够准确地确定其属于同一虚线段,方便后续对同一虚线段的起点和终点进行融合。
可选的,根据融合后的检测参数,得到所述虚线段的最终检测结果,包括:
从所述待检测图像中获取参考车道线的位置;
根据所述参考车道线与融合后的起点位置和终点位置之间的距离,确定属于同一条车道线的起点和终点;
将属于同一条车道线的起点和终点连接成虚线段,得到所述虚线段的最终检测结果。
上述申请中的一种可选实施方式,通过参考车道线对融合后的起点位置和终点位置进行归类,避免出现虚线段跨越车道的错误情况。
可选的,所述将属于同一条车道线的起点和终点连接成虚线段,得到所述虚线段的检测结果,包括:
将属于同一条车道线的起点和终点,按照距离拍摄位置的远近程度进行排序;
按照由近及远的顺序,将依次索引到的起点和终点连接成虚线段,得到所述虚线段的最终检测结果。
上述申请中的一种可选实施方式,通过按照距离拍摄位置的远近程度,依次连接起点和终点以构成虚线段,避免一个虚线段的起点或终点与另一个虚线段的起点或终点连接在一起,提高虚线段连接的准确性。
可选地,所述虚线段与拍摄位置的距离大于设定值。
上述申请中的一种可选实施方式能够提高对远处虚线段的检出率和召回率。
第二方面,本申请实施例还提供了一种车道线虚线段的检测装置,包括:
获取模块,用于获取对车道线进行拍摄得到的待检测图像;
截取模块,用于从所述待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,相同区域包括虚线段;
调整模块,用于对所述多张候选图像进行尺寸调整;
检测模块,用于从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果;
获得模块,用于根据多个所述候选检测结果,得到所述虚线段的最终检测结果。
第三方面,本申请实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面实施例所提供的一种车道线虚线段的检测方法。
第四方面,本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如第一方面实施例所提供的一种车道线虚线段的检测方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1a是本申请实施例一中的一种车道线虚线段的检测方法的流程图;
图1b是本申请实施例一中的待检测图像和候选图像的示意图;
图1c是本申请实施例一中的将图1b中的候选图像1进行放大后的效果图;
图1d是本申请实施例一中的将图1b中的候选图像2进行放大后的效果图;
图2是本申请实施例二中的一种车道线虚线段的检测方法的流程图;
图3a是本申请实施例三中的一种车道线虚线段的检测方法的流程图;
图3b是本申请实施例三中的参考车道线的示意图;
图3c是本申请实施例三中的连接成的虚线段以及对应的起点和终点的示意图;
图4是本申请实施例四中的一种车道线虚线段的检测装置的结构图;
图5是用来实现本申请实施例的车道线虚线段的检测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
图1a是本申请实施例一中的一种车道线虚线段的检测方法的流程图,本申请实施例适用于从待检测图像中检测车道线虚线段的情况,该方法通过车道线虚线段的检测装置执行,该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图1a所示的一种车道线虚线段的检测方法,包括:
S101、获取对车道线进行拍摄得到的待检测图像。
在一应用场景中,无人车在车道上进行行驶,安装在无人车上的相机实时对车道线进行拍摄得到待检测图像。如果车道上存在虚线段,则待检测图像包括虚线段。
基于虚线段较实线车道线不容易识别,则对相机拍摄的图像进行虚线段识别,如果检测到虚线段,则对该图像执行后续操作;如果未识别到虚线段,则结束本次操作。可选地,将待检测图像输入至虚线段检测模型,以检测虚线段,具体可以是虚线段的起点和/或终点。
S102、从待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,相同区域包括虚线段。
本实施例中,多张候选图像均包括待检测图像中的相同区域,且具有不同的尺寸,即不同的长和/或宽,而且,该相同区域包括虚线段。
图1b示出了待检测图像,该图像包括多个虚线段。从图1b中截取两张不同尺寸的候选图像,如虚线框所示。可见,两个虚线框包括相同的区域,即小虚线框包围的区域,且该区域包括虚线段。
可选地,如图1b所示,相同区域包括与拍摄位置的距离大于设定值的虚线段。拍摄位置为待检测图像的拍摄位置,也可以认为是相机的安装位置。设定值可以是人为规定的值,如200米,与拍摄位置的距离大于设定值的虚线段可称为远处虚线段。单纯在待检测图像中检测虚线段会导致远处虚线段的检出率低,召回率高。
在一可选实施方式中,根据相机坐标系、图像坐标系和世界坐标系之间的转换关系,将待检测图像投影到世界坐标系中,同时也将检测出来的虚线段也投影到世界坐标系中。之后,筛选与拍摄位置的距离大于设定值的远处虚线段,并将待检测图像中远处虚线段所在的区域以及上方区域作为该相同区域。其中,在相机正立拍摄的情况下,上方区域是更远的区域,大概率存在未被检测出的虚线段。
在另一可选实施方式中,考虑到相机的安装位置和待检测图像的尺寸几乎是不变的,可以根据经验,在待检测图像中选定该相同区域。
可选地,候选图像可以是待检测图像中的部分图像,也可以是全部图像。也就是,可以截取待检测图像中的部分区域得到候选图像,还可以进一步将待检测图像本身作为一张候选图像。
S103、对多张候选图像进行尺寸调整。
本步骤需要对每张候选图像均进行尺寸调整,以对各候选图像均赋予新的图像信息。其中,尺寸调整包括等比例放大、等比例缩小、不等比例放大和不等比例缩小。
可选地,为了解决因近大远小导致检测精度较低的技术问题,需要将多张候选图像的尺寸进行放大,例如拉伸。在放大候选图像时需要进行像素点补偿恢复。例如补偿的像素点的像素值为其周围4个像素点的像素平均值。补偿像素点后得到的放大的候选图像。
可选地,尺寸调整后的候选图像需要输入至虚线段检测模型中进行虚线段检测,而虚线段检测模型对输入图像有尺寸要求,则需要将多张候选图像调整至设定统一尺寸,以满足对输入图像的尺寸要求。例如虚线段检测模型需要输入图像的尺寸为A*B,则需要将多张候选图像调整至A*B。例如,图1c示出了将图1b中的候选图像1进行放大后的效果图,图1d示出了将图1b中的候选图像2进行放大后的效果图。2张候选图像均调整至设定统一尺寸。
其中,虚线段检测模型可以是快速卷积神经网络(faster Region ConvolutionalNeural Networks,Faster R-CNN)等。
S104、从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果。
可选地,将多张候选图像分别出入至虚线段检测模型中,得到虚线段检测模型对虚线段的多个候选检测结果。其中,候选检测结果可以是虚线段所在的区域位置,或者虚线段包括的各像素点的位置,或者虚线段的中点的位置。
S105、根据多个候选检测结果,得到虚线段的最终检测结果。
本步骤中,由于候选图像包括相同区域,那么多个候选检测结果必然包括相同虚线段的检测结果。基于此,在多个候选检测结果中,对针对同一虚线段的候选检测结果进行综合,得到该虚线段的最终检测结果。
本申请实施例通过从待检测图像中截取多张候选图像,并进行尺寸调整,从而提取出包括相同虚线段的图像,且通过尺寸调整改变相同虚线段包含的图像信息;通过对尺寸调整后的图像进行检测,得到不同尺度或不同图像信息下的虚线段检测结果;通过根据多个候选检测结果,得到虚线段的最终检测结果,从而综合不同尺度下的虚线段检测结果,提高最终检测结果的检测精度和虚线段的召回率。
进一步地,通过将图像调整为统一尺寸,方便采用虚线段检测模型进行虚线段检测;通过像素点补偿恢复,将小尺寸的候选图像调整为大尺寸,虚线段的长度变长了,这样虚线段检测模型对大尺寸的候选图像进行多倍下采样后,能够保证输出图中虚线段仍然可见,有利于被检测到。
进一步地,由于相同区域包括与拍摄位置的距离大于设定值的虚线段,使得本实施例能够提高对远处虚线段的检出率和召回率。
实施例二
图2是本申请实施例二中的一种车道线虚线段的检测方法的流程图,本申请实施例在上述各实施例的技术方案的基础上进行了优化改进。
进一步的,每个候选检测结果包括至少两个虚线段的检测参数;基于此,将“根据多个候选检测结果,得到虚线段的最终检测结果”细化为“将多个候选检测结果各自的检测参数进行融合;根据融合后的检测参数,得到虚线段的最终检测结果”。通过将多个候选检测结果各自的虚线段的检测参数进行融合,即对多尺度下的虚线段检测参数进行融合,有利于得到较精确的检测参数,进而根据融合后的检测参数,能够得到较精确的虚线段的最终检测结果。
进一步地,将“将多个候选检测结果各自的检测参数进行融合”细化为“从多个候选检测结果中,确定属于同一虚线段的各检测参数;根据属于同一虚线段的每个检测参数各自的置信度,对检测参数进行筛选;将置信度满足设定条件的检测参数进行融合”,从而进一步提高虚线段检测的精度。
如图2所示的一种车道线虚线段的检测方法,包括:
S201、获取对车道线进行拍摄得到的待检测图像。
S202、从待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,相同区域包括虚线段。
S203、对多张候选图像进行尺寸调整。
S204、从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果。
S201-S204详见上述描述,此处不再赘述。
S205、从多个候选检测结果中,确定属于同一虚线段的各检测参数。
检测参数能明确标识虚线段的位置信息,例如,虚线段包括的各像素点的位置,或者虚线段的中点的位置。优选地,检测参数包括:起点位置和终点位置。具体地,将距离拍摄位置较近的端点称为起点,将距离拍摄位置较远的端点称为终点。在候选图像中,可将虚线段的下侧端点称为起点,将虚线段的上侧端点称为终点。
通过将检测参数细化为起点位置和终点位置,这两个参数能够简明、准确地标识一个完整的虚线段。
可选地,从多个候选检测结果中获取各虚线段的起点位置和终点位置;根据不同候选图像中起点位置之间的距离和终点位置之间的距离,将距离在预设范围内的起点位置确定为属于同一虚线段的起点位置,将距离在预设范围内的终点位置确定为属于同一虚线段的终点位置。其中,预设范围可以人为设定,例如为0.5厘米。如果不同候选图像中起点/终点位置之间的距离在预设范围内,说明这些起点/终点属于同一虚线段。在实际操作中,可以
选定任一张候选图像为基准图像(该候选图像可以为待检测图像),并从基准图像中依次选择各个虚线段的起点和终点。对于每个起点或终点,判断其它候选图像中是否存在与其距离在预设范围内的起点或终点。如果存在,则认为这些起点与基准图像中的起点属于同一虚线段,以及这些终点与基准图像中的终点属于同一虚线段。
本实施例通过距离相近的起点位置和距离相近的终点位置,能够准确地确定其属于同一虚线段,方便后续对同一虚线段的起点和终点进行融合。
S206、根据属于同一虚线段的每个检测参数各自的置信度,对检测参数进行筛选。
S207、将置信度满足设定条件的检测参数进行融合。
其中,置信度为虚线段检测模型对虚线段进行检测时,对检测出的每个起点和每个终点提供的置信度,表征了检测的准确程度。基于此,可将置信度大于预设置信度阈值的起点位置或终点位置进行平均,或者保留置信度最高的起点位置和终点位置。
S208、根据融合后的检测参数,得到虚线段的最终检测结果。
本实施例中,通过采用置信度对检测参数进行筛选并将置信度满足设定条件的检测参数进行融合,提高融合后的检测参数的置信度,有利于提高最终检测结果的精度。
实施例三
图3a是本申请实施例三中的一种车道线虚线段的检测方法的流程图,本申请实施例在上述各实施例的技术方案的基础上,进行了优化改进。
进一步的,将操作“根据融合后的检测参数,得到虚线段的最终检测结果”细化为“从待检测图像中获取参考车道线的位置;根据参考车道线与融合后的起点位置和终点位置之间的距离,确定属于同一条车道线的起点和终点;将属于同一条车道线的起点和终点连接成虚线段,得到虚线段的最终检测结果”,将虚线段归类为一条车道线上。
如图3a所示的一种车道线虚线段的检测方法,包括:
S301、获取对车道线进行拍摄得到的待检测图像。
S302、从待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,相同区域包括虚线段。
S303、对多张候选图像进行尺寸调整。
S304、从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果,每个候选检测结果包括至少两个虚线段的检测参数。
S305、将多个候选检测结果各自的检测参数进行融合,检测参数包括:起点位置和终点位置。
S301至S305详见上述实施例的相关描述,此处不再赘述。
S306、从待检测图像中获取参考车道线的位置。
其中,参考车道线为待检测图像中显示的作为参考的一条车道线,可以是实线车道线也可以是虚线段所在的虚线车道线,如图3b所示。
可选地,将待检测图像输入至车道线检测模型中,得到各条车道线的位置,再从中选择一条车道线作为参考车道线即可。
值得说明的是,有些虚线段检测模型也能同时检测车道线,则可以一次性将待检测图像出入至虚线段检测模型中同时得到各虚线段的起点位置、终点位置和各车道线位置。
S307、根据参考车道线与融合后的起点位置和终点位置之间的距离,确定属于同一条车道线的起点和终点。
可选地,如果融合后的起点位置和终点位置与参考车道线的距离之差在预设距离范围内,则确定融合后的起点位置和终点位置属于同一条车道线。预设距离范围可以为-0.5厘米到0.5厘米。这样,可将融合后的起点和终点归类到一条车道线上。
S308、将属于同一条车道线的起点和终点连接成虚线段,得到虚线段的最终检测结果。
首先,将属于同一条车道线的起点和终点映射到待检测图像中。
接着,在待检测图像中将属于同一条车道线的起点和终点,按照距离拍摄位置的远近程度进行排序;按照由近及远的顺序,将依次索引到的起点和终点连接成虚线段,得到虚线段的最终检测结果。
其中,在待检测图像中搭建图像坐标系,原点位于图像的左下角,x轴与图像的水平边界平行,y轴与图像的竖直边界平行。起点和终点距离拍摄位置的远近程度可以通过起点和终点在待检测图像中的纵坐标的大小关系确定。纵坐标越大,该点在图像中越靠上,距离拍摄位置就越远。基于此,在一具体实施方式中,可按照纵坐标由小到大的顺序进行排序。如果按照排序索引到的第一个点为终点,说明对应起点未检测到;如果按照排序索引到的两个点中第一个点为起点,第二个点为终点,则二者组成一条虚线段;如果按照排序索引到的两个点中第一个点为终点,第二个点为起点,则分别索引到了两条虚线段的两个端点,二者不会组成虚线段。连接成的虚线段以及对应的起点和终点如图3c所示。
本实施例中,通过参考车道线对融合后的起点位置和终点位置进行归类,避免出现虚线段跨越车道的错误情况。进一步地,通过按照距离拍摄位置的远近程度,依次连接起点和终点以构成虚线段,避免一个虚线段的起点或终点与另一个虚线段的起点或终点连接在一起,提高虚线段连接的准确性。
实施例四
图4是本申请实施例四中的一种车道线虚线段的检测装置的结构图,本申请实施例适用于从待检测图像中检测车道线虚线段的情况,该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图4所示的一种车道线虚线段的检测装置400,包括:获取模块401,截取模块402,调整模块403,检测模块404和获得模块405;其中,
获取模块401,用于获取对车道线进行拍摄得到的待检测图像。
截取模块402,用于从待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,相同区域包括虚线段。
调整模块403,用于对多张候选图像进行尺寸调整。
检测模块404,用于从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果。
获得模块405,用于根据多个候选检测结果,得到虚线段的最终检测结果。
本申请实施例通过从待检测图像中截取多张候选图像,并进行尺寸调整,从而提取出包括相同虚线段的图像,且通过尺寸调整改变相同虚线段包含的图像信息;通过对尺寸调整后的图像进行检测,得到不同尺度或不同图像信息下的虚线段检测结果;通过根据多个候选检测结果,得到虚线段的最终检测结果,从而综合不同尺度下的虚线段检测结果,提高最终检测结果的检测精度和虚线段的召回率。
进一步地,每个候选检测结果包括至少两个虚线段的检测参数;获得模块405包括融合单元和得到单元。其中,融合单元用于将多个候选检测结果各自的检测参数进行融合;得到单元用于根据融合后的检测参数,得到虚线段的最终检测结果。
进一步地,融合单元具体用于从多个候选检测结果中,确定属于同一虚线段的各检测参数;根据属于同一虚线段的每个检测参数各自的置信度,对检测参数进行筛选;将置信度满足设定条件的检测参数进行融合。进一步地,检测参数包括:起点位置和终点位置。
进一步地,调整模块403具体用于将多张候选图像的尺寸调整至设定统一尺寸,且在放大候选图像时进行像素点补偿恢复。
进一步地,融合单元在从多个候选检测结果中,确定属于同一虚线段的各检测参数时,具体用于从多个候选检测结果中获取各虚线段的起点位置和终点位置;根据不同候选图像中起点位置之间的距离和终点位置之间的距离,将距离在预设范围内的起点位置确定为属于同一虚线段的起点位置,将距离在预设范围内的终点位置确定为属于同一虚线段的终点位置。
进一步地,得到单元具体用于从待检测图像中获取参考车道线的位置;根据参考车道线与融合后的起点位置和终点位置之间的距离,确定属于同一条车道线的起点和终点;将属于同一条车道线的起点和终点连接成虚线段,得到虚线段的最终检测结果。
进一步地,得到单元在将属于同一条车道线的起点和终点连接成虚线段,得到虚线段的检测结果时,具体用于将属于同一条车道线的起点和终点,按照距离拍摄位置的远近程度进行排序;按照由近及远的顺序,将依次索引到的起点和终点连接成虚线段,得到虚线段的最终检测结果。
进一步地,虚线段与拍摄位置的距离大于设定值。
上述车道线虚线段的检测装置可执行本申请任意实施例所提供的车道线虚线段的检测方法,具备执行车道线虚线段的检测方法相应的功能模块和有益效果。
实施例五
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是实现本申请实施例的车道线虚线段的检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的车道线虚线段的检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车道线虚线段的检测方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车道线虚线段的检测的方法对应的程序指令/模块(例如,附图4所示的包括获取模块401,截取模块402,调整模块403,检测模块404和获得模块405)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的车道线虚线段的检测的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储实现车道线虚线段的检测方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至执行车道线虚线段的检测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行车道线虚线段的检测方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与执行车道线虚线段的检测方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过从待检测图像中截取多张候选图像,并进行尺寸调整,从而提取出包括相同虚线段的图像,且通过尺寸调整改变相同虚线段包含的图像信息;通过对尺寸调整后的图像进行检测,得到不同尺度或不同图像信息下的虚线段检测结果;通过根据多个候选检测结果,得到虚线段的最终检测结果,从而综合不同尺度下的虚线段检测结果,提高最终检测结果的检测精度和虚线段的召回率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种车道线虚线段的检测方法,其特征在于,包括:
获取对车道线进行拍摄得到的待检测图像;
从所述待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,所述相同区域包括虚线段;
对所述多张候选图像进行尺寸调整;
从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果;
根据多个所述候选检测结果,得到所述虚线段的最终检测结果;
每个所述候选检测结果包括至少两个虚线段的检测参数;
所述根据多个所述候选检测结果,得到所述虚线段的最终检测结果,包括:
将多个所述候选检测结果各自的检测参数进行融合;
根据融合后的检测参数,得到所述虚线段的最终检测结果;
所述将多个所述候选检测结果各自的检测参数进行融合,包括:
从多个所述候选检测结果中,确定属于同一虚线段的各检测参数;
根据属于同一虚线段的每个检测参数各自的置信度,对检测参数进行筛选;
将置信度满足设定条件的检测参数进行融合;
所述检测参数包括:起点位置和终点位置。
2.根据权利要求1所述的方法,其特征在于,所述对所述多张候选图像进行尺寸调整,包括:
将所述多张候选图像的尺寸调整至设定统一尺寸,且在放大候选图像时进行像素点补偿恢复。
3.根据权利要求1所述的方法,其特征在于,所述从多个所述候选检测结果中,确定属于同一虚线段的各检测参数,包括:
从多个所述候选检测结果中获取各虚线段的起点位置和终点位置;
根据不同候选图像中起点位置之间的距离和终点位置之间的距离,将距离在预设范围内的起点位置确定为属于同一虚线段的起点位置,将距离在所述预设范围内的终点位置确定为属于同一虚线段的终点位置。
4.根据权利要求1所述的方法,其特征在于,所述根据融合后的检测参数,得到所述虚线段的最终检测结果,包括:
从所述待检测图像中获取参考车道线的位置;
根据所述参考车道线与融合后的起点位置和终点位置之间的距离,确定属于同一条车道线的起点和终点;
将属于同一条车道线的起点和终点连接成虚线段,得到所述虚线段的最终检测结果。
5.根据权利要求4所述的方法,其特征在于,所述将属于同一条车道线的起点和终点连接成虚线段,得到所述虚线段的检测结果,包括:
将属于同一条车道线的起点和终点,按照距离拍摄位置的远近程度进行排序;
按照由近及远的顺序,将依次索引到的起点和终点连接成虚线段,得到所述虚线段的最终检测结果。
6.根据权利要求1所述的方法,其特征在于,所述虚线段与拍摄位置的距离大于设定值。
7.一种车道线虚线段的检测装置,其特征在于,包括:
获取模块,用于获取对车道线进行拍摄得到的待检测图像;
截取模块,用于从所述待检测图像中,截取包括相同区域且不同尺寸的多张候选图像,所述相同区域包括虚线段;
调整模块,用于对所述多张候选图像进行尺寸调整;
检测模块,用于从尺寸调整后的多张候选图像中对虚线段进行检测,以获得多个候选检测结果;
获得模块,用于根据多个所述候选检测结果,得到所述虚线段的最终检测结果;
每个所述候选检测结果包括至少两个虚线段的检测参数;
所述获得模块包括融合单元和得到单元;
所述融合单元,用于:将多个所述候选检测结果各自的检测参数进行融合;
所述得到单元,用于:根据融合后的检测参数,得到所述虚线段的最终检测结果;
所述融合单元,具体用于:从多个所述候选检测结果中,确定属于同一虚线段的各检测参数;根据属于同一虚线段的每个检测参数各自的置信度,对检测参数进行筛选;将置信度满足设定条件的检测参数进行融合;
所述检测参数包括:起点位置和终点位置。
8.根据权利要求7所述的装置,其特征在于,
所述调整模块,具体用于:将所述多张候选图像的尺寸调整至设定统一尺寸,且在放大候选图像时进行像素点补偿恢复。
9.根据权利要求7所述的装置,其特征在于,
所述融合单元在从多个所述候选检测结果中,确定属于同一虚线段的各检测参数时,具体用于:从多个所述候选检测结果中获取各虚线段的起点位置和终点位置;根据不同候选图像中起点位置之间的距离和终点位置之间的距离,将距离在预设范围内的起点位置确定为属于同一虚线段的起点位置,将距离在所述预设范围内的终点位置确定为属于同一虚线段的终点位置。
10.根据权利要求7所述的装置,其特征在于,
所述得到单元,具体用于从所述待检测图像中获取参考车道线的位置;根据所述参考车道线与融合后的起点位置和终点位置之间的距离,确定属于同一条车道线的起点和终点;将属于同一条车道线的起点和终点连接成虚线段,得到所述虚线段的最终检测结果。
11.根据权利要求10所述的装置,其特征在于,
所述得到单元在将属于同一条车道线的起点和终点连接成虚线段,得到所述虚线段的最终检测结果时,具体用于:将属于同一条车道线的起点和终点,按照距离拍摄位置的远近程度进行排序;按照由近及远的顺序,将依次索引到的起点和终点连接成虚线段,得到所述虚线段的最终检测结果。
12.根据权利要求7所述的装置,其特征在于:所述虚线段与拍摄位置的距离大于设定值。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的一种车道线虚线段的检测方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的一种车道线虚线段的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010003248.9A CN111191619B (zh) | 2020-01-02 | 2020-01-02 | 车道线虚线段的检测方法、装置、设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010003248.9A CN111191619B (zh) | 2020-01-02 | 2020-01-02 | 车道线虚线段的检测方法、装置、设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191619A CN111191619A (zh) | 2020-05-22 |
CN111191619B true CN111191619B (zh) | 2023-09-05 |
Family
ID=70708365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010003248.9A Active CN111191619B (zh) | 2020-01-02 | 2020-01-02 | 车道线虚线段的检测方法、装置、设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191619B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528864A (zh) * | 2020-12-14 | 2021-03-19 | 北京百度网讯科技有限公司 | 模型生成方法、装置、电子设备和存储介质 |
CN114136327B (zh) * | 2021-11-22 | 2023-08-01 | 武汉中海庭数据技术有限公司 | 一种虚线段的查全率的自动化检查方法及系统 |
CN116612501A (zh) * | 2023-07-18 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 对象识别方法、装置、电子设备和计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663356A (zh) * | 2012-03-28 | 2012-09-12 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
CN105488454A (zh) * | 2015-11-17 | 2016-04-13 | 天津工业大学 | 基于单目视觉的前方车辆检测与测距 |
WO2017041396A1 (zh) * | 2015-09-10 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法、装置、存储介质及设备 |
CN107862290A (zh) * | 2017-11-10 | 2018-03-30 | 智车优行科技(北京)有限公司 | 车道线检测方法及系统 |
CN108470159A (zh) * | 2018-03-09 | 2018-08-31 | 腾讯科技(深圳)有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
CN108734105A (zh) * | 2018-04-20 | 2018-11-02 | 东软集团股份有限公司 | 车道线检测方法、装置、存储介质和电子设备 |
CN109117825A (zh) * | 2018-09-04 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 车道线处理方法和装置 |
CN109961013A (zh) * | 2019-02-21 | 2019-07-02 | 杭州飞步科技有限公司 | 车道线的识别方法、装置、设备及计算机可读存储介质 |
CN110084095A (zh) * | 2019-03-12 | 2019-08-02 | 浙江大华技术股份有限公司 | 车道线检测方法、车道线检测装置和计算机存储介质 |
CN110287779A (zh) * | 2019-05-17 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车道线的检测方法、装置及设备 |
CN110334634A (zh) * | 2019-06-28 | 2019-10-15 | 广州鹰瞰信息科技有限公司 | 一种车道线类别的检测方法和预警装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046235B (zh) * | 2015-08-03 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 车道线的识别建模方法和装置、识别方法和装置 |
JP6908439B2 (ja) * | 2017-06-05 | 2021-07-28 | 株式会社Soken | 区画線認識装置 |
CN107341478A (zh) * | 2017-07-11 | 2017-11-10 | 京东方科技集团股份有限公司 | 一种辅助驾驶系统的车辆检测方法及其装置 |
-
2020
- 2020-01-02 CN CN202010003248.9A patent/CN111191619B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663356A (zh) * | 2012-03-28 | 2012-09-12 | 柳州博实唯汽车科技有限公司 | 车道线提取及偏离预警方法 |
WO2017041396A1 (zh) * | 2015-09-10 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法、装置、存储介质及设备 |
CN105488454A (zh) * | 2015-11-17 | 2016-04-13 | 天津工业大学 | 基于单目视觉的前方车辆检测与测距 |
CN107862290A (zh) * | 2017-11-10 | 2018-03-30 | 智车优行科技(北京)有限公司 | 车道线检测方法及系统 |
CN108470159A (zh) * | 2018-03-09 | 2018-08-31 | 腾讯科技(深圳)有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
WO2019170012A1 (zh) * | 2018-03-09 | 2019-09-12 | 腾讯科技(深圳)有限公司 | 车道线数据处理方法、装置、计算机设备和存储介质 |
CN108734105A (zh) * | 2018-04-20 | 2018-11-02 | 东软集团股份有限公司 | 车道线检测方法、装置、存储介质和电子设备 |
CN109117825A (zh) * | 2018-09-04 | 2019-01-01 | 百度在线网络技术(北京)有限公司 | 车道线处理方法和装置 |
CN109961013A (zh) * | 2019-02-21 | 2019-07-02 | 杭州飞步科技有限公司 | 车道线的识别方法、装置、设备及计算机可读存储介质 |
CN110084095A (zh) * | 2019-03-12 | 2019-08-02 | 浙江大华技术股份有限公司 | 车道线检测方法、车道线检测装置和计算机存储介质 |
CN110287779A (zh) * | 2019-05-17 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车道线的检测方法、装置及设备 |
CN110334634A (zh) * | 2019-06-28 | 2019-10-15 | 广州鹰瞰信息科技有限公司 | 一种车道线类别的检测方法和预警装置 |
Non-Patent Citations (1)
Title |
---|
"基于多尺度重采样的车道线检测";李必军等;《技术与实现》;20171231;第43卷(第4期);第7-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111191619A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523468B (zh) | 人体关键点识别方法和装置 | |
CN111709878B (zh) | 人脸超分辨率实现方法、装置、电子设备及存储介质 | |
CN111191619B (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN110929639B (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
CN112150551B (zh) | 物体位姿的获取方法、装置和电子设备 | |
US20220270289A1 (en) | Method and apparatus for detecting vehicle pose | |
CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN111757098A (zh) | 智能人脸监控摄像机的调试方法、装置、摄像机和介质 | |
US11380035B2 (en) | Method and apparatus for generating map | |
CN111612852A (zh) | 用于验证相机参数的方法和装置 | |
US20220036731A1 (en) | Method for detecting vehicle lane change, roadside device, and cloud control platform | |
CN111539347B (zh) | 用于检测目标的方法和装置 | |
KR20210040305A (ko) | 이미지 생성 방법 및 장치 | |
CN112184837A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN111784757A (zh) | 深度估计模型的训练方法、深度估计方法、装置及设备 | |
CN112749701B (zh) | 车牌污损分类模型的生成方法和车牌污损分类方法 | |
KR102432561B1 (ko) | 에지를 기반으로 하는 증강현실 3차원 추적 등록 방법, 장치 및 전자 기기 | |
CN113628239A (zh) | 显示优化方法、相关装置及计算机程序产品 | |
CN112102417B (zh) | 确定世界坐标的方法和装置 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
CN111401248B (zh) | 一种天空区域的识别方法、装置、电子设备及存储介质 | |
CN110798681A (zh) | 成像设备的监测方法、装置和计算机设备 | |
CN113470103B (zh) | 车路协同中相机作用距离确定方法、装置和路侧设备 | |
CN112651983B (zh) | 拼接图识别方法、装置、电子设备和存储介质 |
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 |