CN112033419A - 用于港口自动驾驶车道线检测的方法、电子设备及介质 - Google Patents

用于港口自动驾驶车道线检测的方法、电子设备及介质 Download PDF

Info

Publication number
CN112033419A
CN112033419A CN202011062331.XA CN202011062331A CN112033419A CN 112033419 A CN112033419 A CN 112033419A CN 202011062331 A CN202011062331 A CN 202011062331A CN 112033419 A CN112033419 A CN 112033419A
Authority
CN
China
Prior art keywords
lane line
line
lane
width
gradient
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
Application number
CN202011062331.XA
Other languages
English (en)
Inventor
潘元承
侯学锋
邵志文
兰洪祥
施家河
方春兴
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.)
Fujian Zhongke Spruce Information Technology Co ltd
Original Assignee
Fujian Zhongke Spruce Information 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 Fujian Zhongke Spruce Information Technology Co ltd filed Critical Fujian Zhongke Spruce Information Technology Co ltd
Priority to CN202011062331.XA priority Critical patent/CN112033419A/zh
Publication of CN112033419A publication Critical patent/CN112033419A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种用于港口自动驾驶车道线检测的方法、电子设备及介质。其方法包括：S1、在港口地图中对车道线特征进行标注；S2、根据GNSS定位系统及地图信息，获取车辆当前位置车道线特征；S3、通过车载摄像头采集当前路面图像，对采集的当前路面图像进行图像处理，以车辆当前位置预标注的车道线宽度及车道线颜色为参照，提取车道线中心点，拟合输出左右车道线的中心线；S4、计算左右车道线的中心线间的距离，以车辆当前位置预标注的车道宽度为参照，进行车道宽度合理性判断，输出车道线曲线系数。本发明应用于封闭场景中，通过预设用于验证参照，对检测结果进行判定，计算效率高，准确率和精度提高，鲁棒性增强。

Description

用于港口自动驾驶车道线检测的方法、电子设备及介质
技术领域
本发明涉及自动驾驶技术领域，具体涉及一种用于港口自动驾驶车道线检测的方法、电子设备及介质。
背景技术
港口自动化作业场景，为提高效率，不同类型的车辆有特有的行驶路线。当后台管理中心下发任务到自动驾驶车辆时，自动驾驶车辆按下发的路径进行自动驾驶，当行驶在有车道线场景下，需要保持车道行驶。因此，需要实时进行车道线检测，系统根据识别的车道线进行规划控制。
现有的车道线检测方法主要分为两类：第一类，基于传统机器视觉算法，如边缘检测、二值化、霍夫变换等。第二类，基于深度学习语义分割的方法。不论哪种方法，主要考虑的是开放式场景。算法复杂，计算量大，依赖于强大的计算平台。
发明内容
本发明的目的在于提供一种用于港口自动驾驶车道线检测的方法、电子设备及介质。
为实现上述目的，本发明采用以下技术方案：
一种用于港口自动驾驶车道线检测的方法，包括：
S1、在港口地图中对车道线特征进行标注，车道线特征包括车道线宽度、车道线颜色及车道宽度；
S2、根据GNSS定位系统及地图信息，获取车辆当前位置车道线特征；
S3、通过车载摄像头采集当前路面图像，对采集的当前路面图像进行图像处理，以车辆当前位置预标注的车道线宽度及车道线颜色为参照，提取车道线中心点，拟合输出左右车道线的中心线；
S4、计算左右车道线的中心线间的距离，以车辆当前位置预标注的车道宽度为参照，进行车道宽度合理性判断，输出车道线曲线系数。
优选地，S3包括：
S31、车载摄像头采集当前路面图像；
S32、对采集的当前路面图像进行图像处理，依次获得俯视图、灰度图及梯度图；
S33、将灰度图划分为左右两个区域，左边区域从中间往左逐行扫描，右边区域从中间往右逐行扫描；对左右区域均执行步骤S34-38；
S34、在灰度图第一行遍历灰度值大于平均灰度值加阈值a1的像素点；
S35、在梯度图中搜索S34所获得的各像素点一定范围b1内的左右最大梯度值，根据左右最大梯度坐标计算宽度，判断宽度是否满足预设的车道线宽度，保留满足车道线宽度的像素点，舍弃不满足预设的车道线宽度的像素点；
S36、判断左右最大梯度范围内像素点颜色是否满足预设的车道线颜色，若不满足则舍弃该像素点，满足则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点；
S37、以车道线中心起始点为起点，搜索第二行，并设置左右搜素范围b2，依S34及S35搜索，若搜索到，则以新搜索到的坐标为基础搜索第三行，若搜索不到则以第一行为基础搜索第三行；以此类推，得到车道线的其它中心点；
S38、若搜素到中心点个数大于设定阈值a2，则认为这些点是车道线上的中心点，将中心点在图像坐标系投影到车身坐标系，并使用二次曲线进行拟合。
优选地，S35具体为：
将右侧梯度最大值对应的横坐标减去左侧梯度最大值对应的横坐标，得到左右梯度最大值处的距离，将该距离与预设的车道线宽度做差，若差值超出阈值a3，则放弃此坐标点；否则，保留该坐标点。
优选地，S36具体为：
计算灰度图上左右梯度最大值对应的坐标之间的灰度平均值avr，计算左侧梯度最大值坐标左侧一定范围b3内灰度平均值avr_left，计算右侧梯度最大值坐标右侧一定范围b3内灰度平均值avr_right，当avr与avr_left、avr_right差值不满足同时小于设定阈值a4时，则放弃此像素点；若满足条件时，计算俯视图上，左右梯度最大对应的坐标之间的颜色是否与车道线颜色一致，若不一致则丢弃此像素点，若满足条件，则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点。
据本发明实施方式再一个方面，提供一种电子设备，其包括：
GNSS定位系统，获取车辆当前位置信息；
车载摄像头，用于实时采集车辆当前路面图像；
存储器，用于存储计算机程序及预标注有车道线特征的港口地图；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述方法。
据本发明实施方式再一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述方法。
采用上述技术方案后，本发明与背景技术相比，具有如下优点：
本发明预先将港口中车道线的特征(颜色、车道线宽度、车道宽度等)标注到港口自动驾驶系统地图中，车辆作业过程中，根据GNSS系统获取车辆大致位置，根据实时采集的图像信息及地图信息，进行车道线检测，计算效率高，准确率和精度提高，鲁棒性增强。
附图说明
图1为本发明流程示意图；
图2为本发明车道线中心线提取流程示意图；
图3为本发明电子设备示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法以及设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
本申请实施例可以应用于车载终端设备、远程计算机系统及服务器等电子设备，通常，程序模块可以包括例程、程序、目标程序、组件、逻辑以及数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。
示范性实施例
请参考图1所示，本发明公开了一种用于港口自动驾驶车道线检测的方法，其包括：
S1、在港口地图中对车道线特征进行标注，车道线特征包括车道线宽度、车道线颜色及车道宽度；
S2、根据GNSS定位系统及地图信息，获取车辆当前位置车道线特征；
S3、通过车载摄像头采集当前路面图像，对采集的当前路面图像进行图像处理，以车辆当前位置预标注的车道线宽度及车道线颜色为参照，提取车道线中心点，拟合输出左右车道线的中心线；
S4、计算左右车道线的中心线间的距离，以车辆当前位置预标注的车道宽度为参照，进行车道宽度合理性判断，即将左右车道线的中心线间的距离与实际车道宽度做差，若差值的绝对值小于20像素，则检测到当前帧车道线，输出车道线曲线系数。
请参考图2所示，具体地，S3包括：
S31、车载摄像头实时采集当前路面图像。
S32、对采集的当前路面图像进行图像处理：
根据设置的ROI区域，通过透视变换将原图转化为俯视图Image1；
将上述俯视图进行灰度化处理转化为灰度图Image2；
对上述灰度图进行水平Sobel计算，获得梯度图Image3。
S33、逐行遍历灰度图Image2：将灰度图Image2划分为左右两个区域，左边区域从中间往左逐行扫描，右边区域从中间往右逐行扫描。
按S33扫描策略，对左右区域均执行步骤S34-38，以分别获得左右车道线或。
S34、在灰度图Image2第一行遍历灰度值大于平均灰度值加阈值a1的像素点。
若当前像素点灰度减去当前行像素点灰度平均值小于设定阈值a1，则放弃此像素点；若大于设定阈值，则进入S35。
本实施例中，阈值a1为20像素。
S35、在梯度图Image3中搜索S34所获得的各像素点一定范围b1内的左右最大梯度值，根据左右最大梯度坐标计算宽度，判断宽度是否满足预设的车道线宽度，保留满足车道线宽度的像素点，舍弃不满足预设的车道线宽度的像素点。
本实施例中，范围b1为40像素。
具体地，将右侧梯度最大值对应的横坐标减去左侧梯度最大值对应的横坐标，得到左右梯度最大值处的距离(即车道线宽度)，将该距离与实际距离(即预标注的车道线宽度，也即是车道线实际宽度)做差，若差值超出阈值a3，则放弃此像素点。若差值在阈值a3范围内，则进入S36。
本实施例中，阈值a3为10像素。
S36、判断左右最大梯度范围内像素点颜色是否满足预设的车道线颜色，若不满足则舍弃该像素点，满足则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点。
具体地，计算灰度图Image2上左右梯度最大值对应的坐标之间的灰度平均值avr，计算左侧梯度最大值坐标左侧一定范围b3内灰度平均值avr_left，计算右侧梯度最大值坐标右侧一定范围b3内灰度平均值avr_right，当avr与avr_left、avr_right差值不满足同时小于设定阈值a4时，则放弃此像素点；若满足条件时，计算俯视图Image1上，左右梯度最大对应的坐标之间的颜色是否与车道线颜色(实际颜色)一致，若不一致则丢弃此像素点，若满足条件，则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点。
本实施例中，范围b3为20像素，阈值a4为20像素。
若在阈值范围内，计算Image2上，上述左右梯度最大值对应的坐标之间的灰度平均值avr，计算左侧梯度最大值坐标左侧一定范围(20)内灰度平均值avr_left,计算右侧梯度最大值坐标右侧一定范围(20)内灰度平均值avr_right,当avr与avr_left、avr_right差值不满足同时小于设定阈值(20)时，则放弃此像素点；若满足条件时，计算Image1上，左右梯度最大对应的坐标之间的颜色是否与实际颜色(通过定位及地图信息获得)一致，若不一致则丢弃此像素点，若满足条件，则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点。
本实施例中，范围b3为20像素，阈值a4为20像素。
S37、以车道线中心起始点为起点，搜索第二行，并设置左右搜素范围b2，依S34及S35搜索，若搜索到，则以新搜索到的坐标为基础搜索第三行，若搜索不到则以第一行为基础搜索第三行；以此类推，得到车道线的其它中心点。
本实施例中，范围b2为20像素。
S38、若搜素到中心点个数大于设定阈值a2，则认为这些点是车道线上的中心点，将中心点在图像坐标系投影到车身坐标系，并使用二次曲线进行拟合。
本实施例中，阈值a2为200。
应当理解，可能以许多方式来实现本申请的方法和装置、电子设备以及计算机可读存储介质。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、电子设备以及计算机可读存储介质。用于方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施方式中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖用于实施本方法的电子设备及存储用于执行根据本申请的方法的程序的记录介质。
请参考图3所示，本发明公开了一种电子设备，其包括：
GNSS定位系统，获取车辆当前位置信息；
车载摄像头，用于实时采集车辆当前路面图像；
存储器，用于存储计算机程序及预标注有车道线特征的港口地图；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述方法。
以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，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该以权利要求的保护范围为准。

Claims (6)

1.用于港口自动驾驶车道线检测的方法，其特征在于，包括：
S1、在港口地图中对车道线特征进行标注，车道线特征包括车道线宽度、车道线颜色及车道宽度；
S2、根据GNSS定位系统及地图信息，获取车辆当前位置车道线特征；
S3、通过车载摄像头采集当前路面图像，对采集的当前路面图像进行图像处理，以车辆当前位置预标注的车道线宽度及车道线颜色为参照，提取车道线中心点，拟合输出左右车道线的中心线；
S4、计算左右车道线的中心线间的距离，以车辆当前位置预标注的车道宽度为参照，进行车道宽度合理性判断，输出车道线曲线系数。
2.如权利要求1所述的用于港口自动驾驶车道线检测的方法，其特征在于，S3包括：
S31、车载摄像头采集当前路面图像；
S32、对采集的当前路面图像进行图像处理，依次获得俯视图、灰度图及梯度图；
S33、将灰度图划分为左右两个区域，左边区域从中间往左逐行扫描，右边区域从中间往右逐行扫描；对左右区域均执行步骤S34-38；
S34、在灰度图第一行遍历灰度值大于平均灰度值加阈值a1的像素点；
S35、在梯度图中搜索S34所获得的各像素点一定范围b1内的左右最大梯度值，根据左右最大梯度坐标计算宽度，判断宽度是否满足预设的车道线宽度，保留满足车道线宽度的像素点，舍弃不满足预设的车道线宽度的像素点；
S36、判断左右最大梯度范围内像素点颜色是否满足预设的车道线颜色，若不满足则舍弃该像素点，满足则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点；
S37、以车道线中心起始点为起点，搜索第二行，并设置左右搜素范围b2，依S34及S35搜索，若搜索到，则以新搜索到的坐标为基础搜索第三行，若搜索不到则以第一行为基础搜索第三行；以此类推，得到车道线的其它中心点；
S38、若搜素到中心点个数大于设定阈值a2，则认为这些点是车道线上的中心点，将中心点在图像坐标系投影到车身坐标系，并使用二次曲线进行拟合。
3.如权利要求2所述的用于港口自动驾驶车道线检测的方法，其特征在于，S35具体为：
将右侧梯度最大值对应的横坐标减去左侧梯度最大值对应的横坐标，得到左右梯度最大值处的距离，将该距离与预设的车道线宽度做差，若差值超出阈值a3，则放弃此坐标点；否则，保留该坐标点。
4.如权利要求2所述的用于港口自动驾驶车道线检测的方法，其特征在于，S36具体为：
计算灰度图上左右梯度最大值对应的坐标之间的灰度平均值avr，计算左侧梯度最大值坐标左侧一定范围b3内灰度平均值avr_left，计算右侧梯度最大值坐标右侧一定范围b3内灰度平均值avr_right，当avr与avr_left、avr_right差值不满足同时小于设定阈值a4时，则放弃此像素点；若满足条件时，计算俯视图上，左右梯度最大对应的坐标之间的颜色是否与车道线颜色一致，若不一致则丢弃此像素点，若满足条件，则取左右梯度最大值对应的横坐标的平均值作为车道线中心起始点。
5.一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述权利要求1-4中任一项所述的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述权利要求1-4中任一项所述的方法。
CN202011062331.XA 2020-09-30 2020-09-30 用于港口自动驾驶车道线检测的方法、电子设备及介质 Pending CN112033419A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011062331.XA CN112033419A (zh) 2020-09-30 2020-09-30 用于港口自动驾驶车道线检测的方法、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011062331.XA CN112033419A (zh) 2020-09-30 2020-09-30 用于港口自动驾驶车道线检测的方法、电子设备及介质

Publications (1)

Publication Number Publication Date
CN112033419A true CN112033419A (zh) 2020-12-04

Family

ID=73572929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011062331.XA Pending CN112033419A (zh) 2020-09-30 2020-09-30 用于港口自动驾驶车道线检测的方法、电子设备及介质

Country Status (1)

Country Link
CN (1) CN112033419A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485717A (zh) * 2021-12-30 2022-05-13 中智行(苏州)科技有限公司 一种道路图像地面标线的标注方法
CN115311635A (zh) * 2022-07-26 2022-11-08 阿波罗智能技术(北京)有限公司 车道线处理方法、装置、设备及存储介质
CN118067113A (zh) * 2024-04-24 2024-05-24 合众新能源汽车股份有限公司 一种车道线匹配时的异常过滤方法、存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485717A (zh) * 2021-12-30 2022-05-13 中智行(苏州)科技有限公司 一种道路图像地面标线的标注方法
CN115311635A (zh) * 2022-07-26 2022-11-08 阿波罗智能技术(北京)有限公司 车道线处理方法、装置、设备及存储介质
CN118067113A (zh) * 2024-04-24 2024-05-24 合众新能源汽车股份有限公司 一种车道线匹配时的异常过滤方法、存储介质

Similar Documents

Publication Publication Date Title
US10970566B2 (en) Lane line detection method and apparatus
CN110287779B (zh) 车道线的检测方法、装置及设备
CN112033419A (zh) 用于港口自动驾驶车道线检测的方法、电子设备及介质
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
CN113370977B (zh) 一种基于视觉的智能车辆前向碰撞预警方法及系统
KR101067437B1 (ko) 차선검출방법 및 이를 이용한 차선이탈검출시스템
CN112597846B (zh) 车道线检测方法、装置、计算机设备和存储介质
CN116824516B (zh) 一种涉路施工安全监测及管理系统
CN112767358A (zh) 基于图像特征配准的铁路电力机车故障检测方法
CN111783722B (zh) 一种激光点云的车道线提取方法和电子设备
CN111027474B (zh) 人脸区域获取方法、装置、终端设备和存储介质
CN114693716A (zh) 一种面向复杂交通条件下的驾驶环境综合识别信息提取方法
CN117612128B (zh) 车道线生成方法、装置、计算机设备及存储介质
CN111488762A (zh) 一种车道级定位方法、装置及定位设备
CN112069924A (zh) 车道线检测方法、装置及计算机可读存储介质
CN112052859A (zh) 一种自由场景下的车牌精准定位方法及装置
KR101910256B1 (ko) 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템
CN105069410A (zh) 基于非结构化的道路识别方法及装置
CN113345087B (zh) 基于单目视觉的地表模型拟合方法和装置
CN115170657A (zh) 钢轨识别方法及装置
Chen et al. A new adaptive region of interest extraction method for two-lane detection
Yan et al. Lane Line Detection based on Machine Vision
CN114782447B (zh) 路面检测方法、装置、车辆、存储介质及芯片
US20240203133A1 (en) Lane line recognition method, electronic device and storage medium
CN118172423B (zh) 时序点云数据路面元素标注方法及装置、电子设备

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