CN112329553A - 一种车道线标注方法及装置 - Google Patents
一种车道线标注方法及装置 Download PDFInfo
- Publication number
- CN112329553A CN112329553A CN202011112514.8A CN202011112514A CN112329553A CN 112329553 A CN112329553 A CN 112329553A CN 202011112514 A CN202011112514 A CN 202011112514A CN 112329553 A CN112329553 A CN 112329553A
- Authority
- CN
- China
- Prior art keywords
- lane
- line
- boundary
- lane line
- determining
- 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
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及样本图像标注技术领域,具体是一种车道线标注方法及装置,所述方法包括:获取待标注图像,所述待标注图像包括至少一条车道线;针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆;获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线;根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线;根据所述车道边界线对所述车道线进行标注。本发明的标注方法,通过利用相切圆先拟合出所述车道线的车道中心线,然后将所述车道中心线进行扩展得到所述车道线两侧边界的车道边界线,能够提高车道线标注效率,保证车道线标注宽度均匀变化。
Description
技术领域
本发明涉及样本图像标注技术领域,特别涉及一种车道线标注方法及装置。
背景技术
智能驾驶技术是指在特殊情况下机器代替驾驶员接管车辆控制权进行驾驶的技术。车道线检测是智能驾驶的关键技术之一,车道线对于智能驾驶中的路径规划、车道偏离预警以及判断可行驶区域都具有重大意义。
目前,车道线检测主要是通过神经网络对车载摄像头拍摄的路面图像进行语义分割,从而识别出车道线在图像中的位置区域。由于道路中车道线受其他因素影响较大,如受树阴等影响车道线的亮度变化较大、雨后的路面污染严重难以辨认出车道线、以及白天和夜晚车道线可见度相差较大,因此需要大量不同场景的车道线标注样本训练语义分割网络以提高语义分割网络的性能。
现有的车道线标注方法主要有两种:一是人工标注,主要依靠标注员人眼判断车道线边界,通常是分别拟合车道线两侧边界,由于一条车道线两侧边界标注是相互独立,容易造成宽度变化不均的问题,并且人机交互次数多,导致车道线标注效率较低;二是自动标注,主要是使用训练好的图像语义分割网络,对车道线进行预处理,然后进行车道线拟合。但对于雨天、夜晚和车道线不清晰等复杂场景,以及远处的道路,其标注精度不高,后期需要人工进行调整,人工成本较高。
发明内容
针对现有技术的上述问题,本发明的目的在于提供一种车道线标注方法及装置,能够提高车道线标注效率,同时保证车道线标注宽度均匀变化。
为了解决上述问题,本发明提供一种车道线标注方法,包括:
获取待标注图像,所述待标注图像包括至少一条车道线;
针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆;
获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线;
根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线;
根据所述车道边界线对所述车道线进行标注。
进一步地,所述针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆包括:
从所述待标注图像中获取预设大小的两个目标图像,其中一个目标图像包括所述车道线的一端,另一个目标图像包括所述车道线的另一端;
针对每个所述目标图像,通过图像处理方法确定所述目标图像内的车道线两侧边界的边界线;
生成一个与所述目标图像内的车道线两侧边界的边界线均相切的相切圆。
具体地,所述针对每个所述目标图像,通过图像处理方法确定所述目标图像内的车道线两侧边界的边界线包括:
对所述目标图像进行二值化处理,得到所述目标图像的二值化图像;
在所述二值化图像中分别确定车道线两侧边界的多个采样点,生成两个第一采样点集合;
针对每个所述第一采样点集合,利用所述第一采样点集合中的采样点进行曲线拟合,得到所述目标图像内的车道线一侧边界的边界线。
进一步地,所述车道线拟合参数包括二阶贝塞尔曲线的调节点;
所述获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线包括:
根据所述相切圆的圆心和所述调节点确定二阶贝塞尔曲线的控制点;
以所述相切圆的圆心为锚点,根据所述相切圆的圆心和所述控制点进行二阶贝塞尔曲线拟合,得到所述车道线的车道中心线。
进一步地,所述根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线包括:
从所述车道中心线上确定预设数量的采样点,生成第二采样点集合;
基于所述相切圆、所述车道中心线以及所述第二采样点集合中的采样点,分别确定所述车道线两侧边界的多个边界点,生成两个边界点集合;
针对每个所述边界点集合,利用所述边界点集合中的边界点进行曲线拟合,得到所述车道线一侧边界的车道边界线。
具体地,述基于所述相切圆、所述车道中心线以及所述第二采样点集合中的采样点,分别确定所述车道线两侧边界的多个边界点,生成两个边界点集合包括:
根据所述相切圆的半径确定所述第二采样点集合中每个采样点对应的目标距离;
根据所述车道中心线确定所述第二采样点集合中每个采样点的内法线方向和外法线方向;
将所述第二采样点集合中的每个采样点沿其内法线方向移动与之对应的目标距离,得到所述车道线一侧边界的多个边界点,生成一个边界点集合;
将所述第二采样点集合中的每个采样点沿其外法线方向移动与之对应的目标距离,得到所述车道线另一侧边界的多个边界点,生成另一个边界点集合。
进一步地,所述根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线之后,还包括:
当所述车道边界线的端点与所述车道线的实际端点不一致时,对所述车道边界线进行延伸,得到延伸后的车道边界线。
进一步地,所述根据所述车道边界线对所述车道线进行标注包括:
根据所述车道边界线确定所述车道线的类型信息;
获取所述车道线的颜色信息;
根据所述车道线的类型信息和颜色信息,对所述车道线进行标注。
本发明另一方面保护一种车道线标注装置,包括:
获取模块,用于获取待标注图像,所述待标注图像包括至少一条车道线;
第一确定模块,用于针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆;
拟合模块,用于获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线;
第二确定模块,用于根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线;
标注模块,用于根据所述车道边界线对所述车道线进行标注。
进一步地,所述装置还包括:
调节模块,用于当所述车道边界线的端点与所述车道线的实际端点不一致时,对所述车道边界线进行延伸,得到延伸后的车道边界线。
由于上述技术方案,本发明具有以下有益效果:
(1)本发明的车道线标注方法,通过在车道线的两端生成相切圆,并利用生成的相切圆先拟合出所述车道线的车道中心线,然后将所述车道中心线进行扩展得到所述车道线两侧边界的车道边界线,可以使得所述车道线两侧边界的车道边界线一次性生成,减少了人工确定的标注点,提高了车道线标注效率,同时能够保证车道线标注宽度均匀变化。
(2)本发明的车道线标注方法,引入图像处理方法自动搜索车道线边界并生成相切圆,能够减少车道线标注人员的工作量,降低车道线标注的人工成本。另外,车道线标注人员通过调节相切圆的直径即可修改车道线的标注宽度,且可以在车道中心线任意位置调整曲率,车道线标注数据修改的灵活性较高。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1是本发明一个实施例提供的车道线标注方法的流程图;
图2是本发明一个实施例提供的相切圆生成示意图;
图3是本发明一个实施例提供的车道中心线生成示意图;
图4是本发明一个实施例提供的贝塞尔曲线坐标转换示意图;
图5是本发明一个实施例提供的车道边界线生成示意图;
图6是本发明一个实施例提供的车道边界线端点延伸示意图;
图7是本发明一个实施例提供的车道边界线标注示意图;
图8是本发明一个实施例提供的车道线标注装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通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。
参考说明书附图1,其示出了本发明一个实施例提供的车道线标注方法的流程。所述方法可以应用在对用于训练车道线检测的神经网络模型的训练样本的车道线标注的场景中,所述方法可以应用于电子设备上的车道线标注装置,车道线标注人员通过操作电子设备,能够在该电子设备上加载并展示待标注图像。如图1所示,所述方法可以包括以下步骤:
S110:获取待标注图像,所述待标注图像包括至少一条车道线。
本发明实施例中,所述待标注图像可以为不同场景下设置于车辆上的图像采集设备(例如车载摄像头)采集的路面样本图像,所述待标注图像可以包括至少一条待标注的车道线,所述待标注图像还可以包括路面上的其他物体,例如车辆、行人、交通信号灯,等等。本发明实施例所提及的车道线标注,实质上是对待标注图像中的车道线的边界、类型和颜色等信息进行标注。
S120:针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆。
本发明实施例中,由于所述待标注图像中可以包括多条车道线,可以对每条车道线分别进行标注。由于在局部区域内车道线的两侧边界平行,因此可以在所述车道线两端的局部区域内确定与所述车道线两侧边界均相切的相切圆。
在一个可能的实施例中,所述针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆可以包括:
从所述待标注图像中获取预设大小的两个目标图像,其中一个目标图像包括所述车道线的一端,另一个目标图像包括所述车道线的另一端;
针对每个所述目标图像,通过图像处理方法确定所述目标图像内的车道线两侧边界的边界线;
生成一个与所述目标图像内的车道线两侧边界的边界线均相切的相切圆。
具体地,所述预设大小可以根据实际情况进行预先设置,可以通过图像处理方法提取分别包含所述车道线两端的两个目标图像。
具体地,结合参考说明书附图2,所述针对每个所述目标图像,通过图像处理方法确定所述目标图像内的车道线两侧边界的边界线可以包括:
对所述目标图像进行二值化处理,得到所述目标图像的二值化图像;
在所述二值化图像中分别确定车道线两侧边界的多个采样点,生成两个第一采样点集合;
针对每个所述第一采样点集合,利用所述第一采样点集合中的采样点进行曲线拟合,得到所述目标图像内的车道线一侧边界的边界线。
需要说明的是,通过引入图像处理方法自动搜索目标图像中的车道线边界,能够减少车道线标注人员人工识别车道线边界的步骤,从而减少车道线标注人员的工作量,降低标注成本。
示例性地,结合参考说明书附图2,可以在车道线一侧边界上的一点作垂线,交于另一侧边界上的一点,以两点之间的中点为圆心、以两点之间的距离为直径绘制圆,则该圆与车道线两侧边界的边界线均相切。
S130:获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线。
本发明实施例中,可以通过用户确定的车道线拟合参数确定二阶贝塞尔曲线的控制点,以所述相切圆的圆心为所述车道中心线的起止点(即二阶贝塞尔曲线的锚点),利用所述控制点和所述起止点绘制二阶贝塞尔曲线,使其与车道线的中心线贴合,得到车道中心线。具体地,可以通过用户界面获取所述车道线拟合参数,示例性地,结合参考说明书附图3,可以获取用户界面中鼠标的位置信息作为车道线拟合参数。
在一个可能的实施例中,所述车道线拟合参数包括二阶贝塞尔曲线的调节点;
所述获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线可以包括:
根据所述相切圆的圆心和所述调节点确定二阶贝塞尔曲线的控制点;
以所述相切圆的圆心为锚点,根据所述相切圆的圆心和所述控制点进行二阶贝塞尔曲线拟合,得到所述车道线的车道中心线。
具体地,结合参考说明书附图4,二阶贝塞尔曲线公式如下:
B(t)=(1-t2)P0+2t(1-t)P1+t2P2, t∈[0,1] (1)
其中,P0和P2为二阶贝塞尔曲线的锚点,P1为二阶贝塞尔曲线的控制点。
实际应用中,可以将鼠标的位置P1′作为二阶贝塞尔曲线的调节点,由于二阶贝塞尔曲线的弯曲程度由P1的位置控制,而P1点又不在曲线上,标注不够直观,因此可以将鼠标的位置设为t取0.5时的P1′点,则P1点的坐标可以由P1′、P0和P2得到,具体地,P1点的坐标公式如下:
P1=2P1′-1.5P0-0.5P2 (2)
其中,所述P0和P2为相切圆的圆心坐标,用户可以通过移动鼠标位置来改变P1点的坐标,从而调节曲线的曲率,使得所述二阶贝塞尔曲线与所述车道线的中心相贴合。
在一个可能的实施例中,车道线标注人员可以通过鼠标任意调节所述车道中心线各个位置的曲率,以使得所述车道中心线与所述车道线的中心更加贴合。
S140:根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线。
本发明实施例中,可以将所述车道中心线向两侧进行外扩,使得扩展后的曲线与车道线的两侧边界重合,扩展的距离和方向由车道线两端的宽度(即相切圆的半径)和车道中心线的斜率确定。
在一个可能的实施例中,所述根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线可以包括:
从所述车道中心线上确定预设数量的采样点,生成第二采样点集合;
基于所述相切圆、所述车道中心线以及所述第二采样点集合中的采样点,分别确定所述车道线两侧边界的多个边界点,生成两个边界点集合;
针对每个所述边界点集合,利用所述边界点集合中的边界点进行曲线拟合,得到所述车道线一侧边界的车道边界线。
示例性地,可以在所述车道中心线(即二阶贝塞尔曲线)上,利用参数t按一定的步长从0增加到1,带入公式(1)生成一组采样点,组成第二采样点集合。例如t的取值从0开始按0.01递增到1,则可以产生100个采样点,第一个采样点和最后一个采样点即所述车道线两端的相切圆的圆心位置。
具体地,所述基于所述相切圆、所述车道中心线以及所述第二采样点集合中的采样点,分别确定所述车道线两侧边界的多个边界点,生成两个边界点集合可以包括:
根据所述相切圆的半径确定所述第二采样点集合中每个采样点对应的目标距离;
根据所述车道中心线确定所述第二采样点集合中每个采样点的内法线方向和外法线方向;
将所述第二采样点集合中的每个采样点沿其内法线方向移动与之对应的目标距离,得到所述车道线一侧边界的多个边界点,生成一个边界点集合;
将所述第二采样点集合中的每个采样点沿其外法线方向移动与之对应的目标距离,得到所述车道线另一侧边界的多个边界点,生成另一个边界点集合。
示例性地,结合参考说明书附图5,其中过相切圆的圆心的曲线为车道中心线,w1和w2为相切圆的半径(即车道线两端的宽度),第一个采样点和最后一个采样点扩展的目标距离可以分别为车道线两端相切圆的半径(w1,w2),其他采样点扩展的目标距离随t的变化从w1到w2逐渐变化,计算公式如下:
w(ti)=w1-ti(w1-w2) (3)
其中,w(ti)为第i个采样点在ti处的目标距离。
示例性地,可以通过二阶贝塞尔曲线的参数方程求得各采样点的内法线方向和外法线方向,公式如下:
其中,F(ti)为第i个采样点在ti处的内法线方向,-F(ti)为外法线方向,(x0,y0)、(x1,y1)、(x2,y2)分别为P0、P1和P2点的x坐标和y坐标。
示例性地,在计算得到各采样点的扩展方向和目标距离后,可以将车道中心线上的各采样点按其扩展方向和目标距离移动到中心线两侧,得到两个边界点集合,然后可以在车道线的每一侧分别将移动后的采样点依次连接,产生车道边界线。其中,所述采样点的采集密度决定车道边界线的拟合程度。
需要说明的是,在一些可能的实施例中,还可以采用其他方法进行曲线拟合得到车道边界线,例如最小二乘法等,本发明实施例对此不作限定。采用先拟合车道中心线,再扩展车道边界线的方法,能够减少标注点数量,减少人机交互的次数,提高车道线标注效率。
在一个可能的实施例中,所述根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线之后,还可以包括:
当所述车道边界线的端点与所述车道线的实际端点不一致时,对所述车道边界线进行延伸,得到延伸后的车道边界线。
具体地,结合参考说明书附图6,当所述车道边界线的端点不能严格与所述车道线的实际端点对齐时,需要调节端点的位置,可以使得所述车道边界线按当前曲线曲率进行延伸。示例性地,用户可以通过鼠标选中所述车道边界线的端点,然后移动鼠标对所述车道边界线进行延伸,完成车道边界线端点处的拟合。如图6所示,右侧框中的车道边界线进行了适当延伸。
S150:根据所述车道边界线对所述车道线进行标注。
本发明实施例中,对所述车道线进行标注可以包括对待标注图像中的车道线的车道边界线进行标注,对车道线类型进行标注和对车道线颜色进行标注等。
在一个可能的实施例中,所述根据所述车道边界线对所述车道线进行标注可以包括:
根据所述车道边界线确定所述车道线的类型信息;
获取所述车道线的颜色信息;
根据所述车道线的类型信息和颜色信息,对所述车道线进行标注。
具体地,结合参考说明书附图7,所述车道线的类型可以为实线、虚线或者人行横道线,所述车道线的颜色可以为白色或者黄色。实际应用中,车道线标注人员可以通过生成的车道边界线来判断待标注图像中的车道线的类型,并确定车道线的颜色,从而对不同的车道线进行标注。
综上所述,本发明的车道线标注方法具有以下有益效果:
(1)本发明的车道线标注方法,通过在车道线的两端生成相切圆,并利用生成的相切圆先拟合出所述车道线的车道中心线,然后将所述车道中心线进行扩展得到所述车道线两侧边界的车道边界线,可以使得所述车道线两侧边界的车道边界线一次性生成,减少了人工确定的标注点,提高了车道线标注效率,同时能够保证车道线标注宽度均匀变化。
(2)本发明的车道线标注方法,引入图像处理方法自动搜索车道线边界并生成相切圆,能够减少车道线标注人员的工作量,降低车道线标注的人工成本。另外,车道线标注人员通过调节相切圆的直径即可修改车道线的标注宽度,且可以在车道中心线任意位置调整曲率,车道线标注数据修改的灵活性较高。
结合参考说明书附图8,其示出了本发明一个实施例提供的车道线标注装置的结构,所述装置可以设置于电子设备中。如图8所示,所述装置可以包括:
获取模块810,用于获取待标注图像,所述待标注图像包括至少一条车道线;
第一确定模块820,用于针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆;
拟合模块830,用于获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线;
第二确定模块840,用于根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线;
标注模块850,用于根据所述车道边界线对所述车道线进行标注。
在一个可能的实施例中,所述装置还可以包括:调节模块860,用于当所述车道边界线的端点与所述车道线的实际端点不一致时,对所述车道边界线进行延伸,得到延伸后的车道边界线。
需要说明的是,本发明实施例提供的装置实施例与上述方法实施例基于相同的发明构思。上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (10)
1.一种车道线标注方法,其特征在于,包括:
获取待标注图像,所述待标注图像包括至少一条车道线;
针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆;
获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线;
根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线;
根据所述车道边界线对所述车道线进行标注。
2.根据权利要求1所述的方法,其特征在于,所述针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆包括:
从所述待标注图像中获取预设大小的两个目标图像,其中一个目标图像包括所述车道线的一端,另一个目标图像包括所述车道线的另一端;
针对每个所述目标图像,通过图像处理方法确定所述目标图像内的车道线两侧边界的边界线;
生成一个与所述目标图像内的车道线两侧边界的边界线均相切的相切圆。
3.根据权利要求2所述的方法,其特征在于,所述针对每个所述目标图像,通过图像处理方法确定所述目标图像内的车道线两侧边界的边界线包括:
对所述目标图像进行二值化处理,得到所述目标图像的二值化图像;
在所述二值化图像中分别确定车道线两侧边界的多个采样点,生成两个第一采样点集合;
针对每个所述第一采样点集合,利用所述第一采样点集合中的采样点进行曲线拟合,得到所述目标图像内的车道线一侧边界的边界线。
4.根据权利要求1或2所述的方法,其特征在于,所述车道线拟合参数包括二阶贝塞尔曲线的调节点;
所述获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线包括:
根据所述相切圆的圆心和所述调节点确定二阶贝塞尔曲线的控制点;
以所述相切圆的圆心为锚点,根据所述相切圆的圆心和所述控制点进行二阶贝塞尔曲线拟合,得到所述车道线的车道中心线。
5.根据权利要求1或2所述的方法,其特征在于,所述根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线包括:
从所述车道中心线上确定预设数量的采样点,生成第二采样点集合;
基于所述相切圆、所述车道中心线以及所述第二采样点集合中的采样点,分别确定所述车道线两侧边界的多个边界点,生成两个边界点集合;
针对每个所述边界点集合,利用所述边界点集合中的边界点进行曲线拟合,得到所述车道线一侧边界的车道边界线。
6.根据权利要求5所述的方法,其特征在于,所述基于所述相切圆、所述车道中心线以及所述第二采样点集合中的采样点,分别确定所述车道线两侧边界的多个边界点,生成两个边界点集合包括:
根据所述相切圆的半径确定所述第二采样点集合中每个采样点对应的目标距离;
根据所述车道中心线确定所述第二采样点集合中每个采样点的内法线方向和外法线方向;
将所述第二采样点集合中的每个采样点沿其内法线方向移动与之对应的目标距离,得到所述车道线一侧边界的多个边界点,生成一个边界点集合;
将所述第二采样点集合中的每个采样点沿其外法线方向移动与之对应的目标距离,得到所述车道线另一侧边界的多个边界点,生成另一个边界点集合。
7.根据权利要求1或2所述的方法,其特征在于,所述根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线之后,还包括:
当所述车道边界线的端点与所述车道线的实际端点不一致时,对所述车道边界线进行延伸,得到延伸后的车道边界线。
8.根据权利要求1或2所述的方法,其特征在于,所述根据所述车道边界线对所述车道线进行标注包括:
根据所述车道边界线确定所述车道线的类型信息;
获取所述车道线的颜色信息;
根据所述车道线的类型信息和颜色信息,对所述车道线进行标注。
9.一种车道线标注装置,其特征在于,包括:
获取模块,用于获取待标注图像,所述待标注图像包括至少一条车道线;
第一确定模块,用于针对每条车道线,在所述车道线的两端分别确定一个与所述车道线两侧边界均相切的相切圆;
拟合模块,用于获取车道线拟合参数,基于所述相切圆的圆心和所述车道线拟合参数进行曲线拟合,得到所述车道线的车道中心线;
第二确定模块,用于根据所述相切圆和所述车道中心线确定所述车道线两侧边界的车道边界线;
标注模块,用于根据所述车道边界线对所述车道线进行标注。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
调节模块,用于当所述车道边界线的端点与所述车道线的实际端点不一致时,对所述车道边界线进行延伸,得到延伸后的车道边界线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112514.8A CN112329553B (zh) | 2020-10-16 | 2020-10-16 | 一种车道线标注方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112514.8A CN112329553B (zh) | 2020-10-16 | 2020-10-16 | 一种车道线标注方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329553A true CN112329553A (zh) | 2021-02-05 |
CN112329553B CN112329553B (zh) | 2022-10-28 |
Family
ID=74313589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011112514.8A Active CN112329553B (zh) | 2020-10-16 | 2020-10-16 | 一种车道线标注方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329553B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113178079A (zh) * | 2021-04-06 | 2021-07-27 | 青岛以萨数据技术有限公司 | 一种用于信号灯和车道线的标注系统、方法及存储介质 |
CN113837313A (zh) * | 2021-09-30 | 2021-12-24 | 广州文远知行科技有限公司 | 车道线标注模型的训练方法、装置、设备及可读存储介质 |
CN114092913A (zh) * | 2021-11-24 | 2022-02-25 | 上海安亭地平线智能交通技术有限公司 | 车道线的确定方法和装置、电子设备和存储介质 |
CN114820357A (zh) * | 2022-04-11 | 2022-07-29 | 深圳明锐理想科技有限公司 | 一种x射线图像处理方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013089111A (ja) * | 2011-10-20 | 2013-05-13 | Alpine Electronics Inc | 車線監視システム及び車線監視方法 |
US20180204073A1 (en) * | 2017-01-16 | 2018-07-19 | Denso Corporation | Lane detection apparatus |
CN110174113A (zh) * | 2019-04-28 | 2019-08-27 | 福瑞泰克智能系统有限公司 | 一种车辆行驶车道的定位方法、装置及终端 |
CN110210298A (zh) * | 2019-04-25 | 2019-09-06 | 南开大学 | 一种基于空中视野的曲折道路信息提取与表示方法 |
US20200265245A1 (en) * | 2019-02-19 | 2020-08-20 | Chongqing Jinkang New Energy Automobile Co., Ltd. | Method and system for automatic generation of lane centerline |
CN111563412A (zh) * | 2020-03-31 | 2020-08-21 | 武汉大学 | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 |
-
2020
- 2020-10-16 CN CN202011112514.8A patent/CN112329553B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013089111A (ja) * | 2011-10-20 | 2013-05-13 | Alpine Electronics Inc | 車線監視システム及び車線監視方法 |
US20180204073A1 (en) * | 2017-01-16 | 2018-07-19 | Denso Corporation | Lane detection apparatus |
US20200265245A1 (en) * | 2019-02-19 | 2020-08-20 | Chongqing Jinkang New Energy Automobile Co., Ltd. | Method and system for automatic generation of lane centerline |
CN110210298A (zh) * | 2019-04-25 | 2019-09-06 | 南开大学 | 一种基于空中视野的曲折道路信息提取与表示方法 |
CN110174113A (zh) * | 2019-04-28 | 2019-08-27 | 福瑞泰克智能系统有限公司 | 一种车辆行驶车道的定位方法、装置及终端 |
CN111563412A (zh) * | 2020-03-31 | 2020-08-21 | 武汉大学 | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 |
Non-Patent Citations (1)
Title |
---|
韩浩等: "基于混合贝塞尔曲线模型的车道检测算法", 《计算机工程与设计》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113178079A (zh) * | 2021-04-06 | 2021-07-27 | 青岛以萨数据技术有限公司 | 一种用于信号灯和车道线的标注系统、方法及存储介质 |
CN113178079B (zh) * | 2021-04-06 | 2022-08-23 | 青岛以萨数据技术有限公司 | 一种用于信号灯和车道线的标注系统、方法及存储介质 |
CN113837313A (zh) * | 2021-09-30 | 2021-12-24 | 广州文远知行科技有限公司 | 车道线标注模型的训练方法、装置、设备及可读存储介质 |
CN114092913A (zh) * | 2021-11-24 | 2022-02-25 | 上海安亭地平线智能交通技术有限公司 | 车道线的确定方法和装置、电子设备和存储介质 |
CN114820357A (zh) * | 2022-04-11 | 2022-07-29 | 深圳明锐理想科技有限公司 | 一种x射线图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112329553B (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112329553B (zh) | 一种车道线标注方法及装置 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
CN102903239B (zh) | 交通路口车辆左右违章转向检测方法和系统 | |
CN105718870A (zh) | 自动驾驶中基于前向摄像头的道路标线提取方法 | |
CN100414561C (zh) | 一种基于投影法和数学形态学的车牌提取方法 | |
CN110619279B (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
US20140236463A1 (en) | Enhanced clear path detection in the presence of traffic infrastructure indicator | |
CN110210451B (zh) | 一种斑马线检测方法 | |
JP2010515135A (ja) | カメラからのカメラ画像に基づいて位置を判定する装置、方法およびコンピュータ・プログラム | |
CN105260699A (zh) | 一种车道线数据的处理方法及装置 | |
CN111666805A (zh) | 用于自动驾驶的类别标记系统 | |
CN109190483B (zh) | 一种基于视觉的车道线检测方法 | |
CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 | |
CN106778548A (zh) | 用于检测障碍物的方法和装置 | |
CN110379168A (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
CN114898296A (zh) | 基于毫米波雷达与视觉融合的公交车道占用检测方法 | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN113851017A (zh) | 一种基于路侧rsu的行人车辆识别预警多功能系统 | |
CN109903574A (zh) | 路口交通信息的获取方法和装置 | |
CN112149595A (zh) | 一种利用无人机检测车道线及车辆违规的方法 | |
CN107909012A (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN116597690B (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
CN112633722A (zh) | 车载道路安全风险评估系统及方法 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |