CN112528859B - 车道线检测方法、装置、设备及存储介质 - Google Patents
车道线检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112528859B CN112528859B CN202011458963.8A CN202011458963A CN112528859B CN 112528859 B CN112528859 B CN 112528859B CN 202011458963 A CN202011458963 A CN 202011458963A CN 112528859 B CN112528859 B CN 112528859B
- Authority
- CN
- China
- Prior art keywords
- lane line
- line information
- sub
- candidate
- point
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种车道线检测方法、装置、设备及存储介质。包括:提取当前图像中梯度大于第一阈值的像素点,作为候选点集;对候选点集进行连通域搜索,获得多组第一子点集;对多组第一子点集分别进行车道线特征提取,获得第一车道线信息;对多组第一子点集进行聚类,获得多组第二子点集,并更新第二车道线信息;根据缓存中的设定车道线信息和第二车道线信息确定候选车道线信息;将候选车道线信息与缓存中的第三车道线信息进行匹配,根据匹配结果确定可显示车道线;从候选点集或备选点集中确定可选取点,将可选取点添加至可显示车道线对应的点集中,获得目标点集;对目标点集进行曲线拟合,获得目标车道线。可以降低计算资源量及成本。
Description
技术领域
本发明实施例涉及辅助驾驶技术领域,尤其涉及一种车道线检测方法、装置、设备及存储介质。
背景技术
随着时代的快速发展,汽车安全已经成为了现在生活必不可少的一部分,因此越来越多的高级驾驶辅助系统功能应用于车辆上,其中车道线检测更是最基本的一个功能。
目前大部分的车道线检测方法使用逆透视变换、边缘检测、霍夫变换等步骤进行检测,或者使用深度学习的方法利用分割加聚类的方式进行车道线检测,这两种方式对计算资源的需求较多,很难在轻量级的嵌入式平台达到实时检测的目的,若更换为计算能力更强的平台,则会增加整体成本。
发明内容
本发明实施例提供一种车道线检测方法、装置、设备及存储介质,可以降低车道线检测的计算资源量,从而降低成本。
第一方面,本发明实施例提供了一种车道线检测方法,包括:
提取当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;其中,所述第一阈值大于所述第二阈值;
对所述候选点集进行连通域搜索,获得多组第一子点集;
对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;
根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;
获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;
获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;
根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;
对所述目标点集进行曲线拟合,获得目标车道线。
进一步地,对所述多组第一子点集分别进行车道线特征提取,获得各第一子点集分别对应的第一车道线信息,包括:
对于每组第一子点集,采用最小二乘法对所述第一子点集进行直线拟合,获得直线斜率和斜距;
统计所述第一子点集包含的点数量;所述点数量、所述直线斜率和斜距构成第一车道线信息。
进一步地,根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,包括:
根据各所述第一子点集对应的直线斜率和斜距确定两两点集间的相对距离;
将所述相对距离小于第三阈值的两个第一子点集进行合并,获得多组第二子点集。
进一步地,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息,包括:
将点数量超过第四阈值的第二车道线信息或者与所述设定车道线的相对距离小于第五阈值的第二车道线信息进行保留,获得候选车道线信息。
进一步地,若未在缓存中获取到添加设定标记的设定车道线信息,则根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息,包括:
保留点数量超过所述第四阈值的第二车道线信息;
对保留的第二车道线信息进行非极大值抑制处理,获得候选车道线信息。
进一步地,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线,包括:
若所述候选车道线信息与所述第三车道线信息匹配成功,则将所述第三车道线的第一计数值累加1,第二计数值归0;其中,第一计数值表征车道线的连续检测次数,第二计数值表征车道线未被检测次数;
对于与所述第三车道线信息未匹配成功的候选车道线信息,将所述候选车道线信息进行缓存,并将所述候选车道线的第一计数值记为1,第二计数值记为0;
对于对所述候选车道线信息未匹配成功的第三车道线信息,将所述第三车道线信息的第一计数值减1,第二计数值加1;
统计缓存中的候选车道线信息和第三车道线信息的第一计数值和第二计数值;
将第一计数值超过第六阈值,或者,添加设定标记且第二计数值小于第七阈值的车道线确定为可显示车道线,并且将第二计数值超过第八阈值的车道线从缓存中删除;其中设定标记用于表征车道线为可显示车道线。
进一步地,根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,包括:
若所述可显示车道线包含的点的数量大于第九阈值,则从所述候选点集中选择距离所述可显示车道线小于第十阈值的点,确定为可选取点;
若所述可显示车道线包含的点的数量小于所述第九阈值,则从所述备选点集中选择距离所述可显示车道线小于所述第十阈值的点,确定为可选取点。
第二方面,本发明实施例还提供了一种车道线检测装置,包括:
点集确定模块,用于当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;其中,所述第一阈值大于所述第二阈值;
第一子点集获取模块,用于对所述候选点集进行连通域搜索,获得多组第一子点集;
第一车道线信息获取模块,用于对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;
第二车道线信息获取模块,用于根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;
候选车道线信息确定模块,用于获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;
可显示车道线确定模块,用于获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;
目标点集获取模块,用于根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;
目标车道线获取模块,用于对所述目标点集进行曲线拟合,获得目标车道线。
第三方面,本发明实施例还提供了一种计算机设备,所述设备包括:包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例所述的车道线检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理装置执行时实现如本发明实施例所述的车道线检测方法。
本发明实施例公开了一种车道线检测方法、装置、设备及存储介质。提取当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;对所述候选点集进行连通域搜索,获得多组第一子点集;对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;对所述目标点集进行曲线拟合,获得目标车道线。本发明实施例提供的车道线检测方法,可以降低车道线检测的计算资源量,从而降低成本。
附图说明
图1是本发明实施例一中的一种车道线检测方法的流程图;
图2是本发明实施例二中的一种车道线检测装置的结构示意图;
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车道线检测方法的流程图,本实施例可适用于对车道线进行检测的情况,该方法可以由车道线检测装置来执行,如图1所示,该方法具体包括如下步骤:
步骤110,提取当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集。
其中,第一阈值大于第二阈值。当前图像可以是设置在车辆上的摄像头采集的车辆周围的图像。
具体的,在获得当前图像后,首先对当前图像进行灰度化处理,然后逐行遍历灰度化图像中的像素点,计算遍历到的像素点的梯度值,将梯度值大于第一阈值的像素点计入候选点集,梯度值大于第二阈值的像素点计入备选点集。本实施例中,由于第一阈值大于第二阈值,因此,候选点集是备选点集的子集。
步骤120,对候选点集进行连通域搜索,获得多组第一子点集。
其中,连通域搜索的方式可以是:取出点集中的一个点记为种子点,并将在其周围八邻域的像素点连接为一组,同时在候选点图设置该点为已读,遍历所有候选点,将其想分成多组子点集。
本实施例中,在获得多组第一子点集后,可以将包含像素点的数量少于设定阈值的点集剔除。
步骤130,对多组第一子点集分别进行车道线特征提取,获得各第一子点集分别对应的第一车道线信息。
其中,车道线信息可以包括车道线对应的直线斜率和斜距,点集包含的像素点数量,点集中左下点,右下点,左上点以及右上点的位置信息。
具体的,对多组第一子点集分别进行车道线特征提取,获得各第一子点集分别对应的第一车道线信息的方式可以是:对于每组第一子点集,采用最小二乘法对第一子点集进行直线拟合,获得直线斜率和斜距;统计第一子点集包含的点数量;点数量、直线斜率和斜距构成第一车道线信息。
步骤140,根据第一车道线信息对多组第一子点集进行聚类,获得多组第二子点集,并更新第二子点集的第二车道线信息。
具体的,根据第一车道线信息对多组第一子点集进行聚类,获得多组第二子点集的方式可以是:根据各第一子点集对应的直线斜率和斜距确定两两点集间的相对距离;将相对距离小于第三阈值的两个第一子点集进行合并,获得多组第二子点集。
其中,相对距离可以理解为两个第一子点集分别拟合的直线间的距离。本实施例中,在获得合并后的多组第二子点集后,需要再次采用最小二乘法拟合拟合第二子点集对应的直线,并获取直线斜率和斜距,同时重新统计第二子点集包含的像素点数量。具体的,可以根据第一子点集的第一车道线信息对第二子点集的第二车道线进行更新,可以节省计算量。
步骤150,获取缓存中添加设定标记的设定车道线信息,根据设定车道线信息和第二车道线信息确定候选车道线信息。
其中,设定标记用于表征车道线为可显示车道线。
可选的的,根据设定车道线信息和第二车道线信息确定候选车道线信息的过程可以是:将点数量超过第四阈值的第二车道线信息或者与设定车道线的相对距离小于第五阈值的第二车道线信息进行保留,获得候选车道线信息。
可选的,若未在缓存中获取到添加设定标记的设定车道线信息,则根据设定车道线信息和第二车道线信息确定候选车道线信息的方式可以是:保留点数量超过第四阈值的第二车道线信息;对保留的第二车道线信息进行非极大值抑制处理,获得候选车道线信息。
步骤160,获取缓存中的第三车道线信息,将候选车道线信息与第三车道线信息进行匹配,根据匹配结果确定可显示车道线。
其中,将候选车道线信息与第三车道线信息进行匹配的过程可以是,将每个候选车道线信息与缓存中的第三车道线信息一一进行匹配,获得匹配结果。假设候选车道线信息包括4个,第三车道线信息包括3个,则需要匹配12次。
具体的,将候选车道线信息与第三车道线信息进行匹配,根据匹配结果确定可显示车道线的过程可以是:若候选车道线信息与第三车道线信息匹配成功,则将第三车道线的第一计数值累加1,第二计数值归0;对于与第三车道线信息未匹配成功的候选车道线信息,将候选车道线信息进行缓存,并将候选车道线的第一计数值记为1,第二计数值记为0;对于对候选车道线信息未匹配成功的第三车道线信息,将第三车道线信息的第一计数值减1,第二计数值加1;统计缓存中的候选车道线信息和第三车道线信息的第一计数值和第二计数值;将第一计数值超过第六阈值,或者,添加设定标记且第二计数值小于第七阈值的车道线确定为可显示车道线,并且将第二计数值超过第八阈值的车道线从缓存中删除。
其中,第一计数值表征车道线的连续检测次数,第二计数值表征车道线未被检测次数。本实施例中,当缓存中的车道线信息被确定为可显示车道线后,为该车道线添加设定标记。
步骤170,根据可显示车道线包含的点的数量从候选点集或备选点集中确定可选取点,并将可选取点添加至可显示车道线对应的点集中,获得目标点集。
其中,根据可显示车道线包含的点的数量从候选点集或备选点集中确定可选取点的方式可以是:根据候选点集或者备选点集中的点到可显示车道线的距离确定,或者通过连通域搜索的方式确定。
具体的,根据可显示车道线包含的点的数量从候选点集或备选点集中确定可选取点的方式可以是:若可显示车道线包含的点的数量大于第九阈值,则从候选点集中选择距离可显示车道线小于第十阈值的点,确定为可选取点;若可显示车道线包含的点的数量小于第九阈值,则从备选点集中选择距离可显示车道线小于第十阈值的点,确定为可选取点。
步骤180,对目标点集进行曲线拟合,获得目标车道线。
本实施例的技术方案,提取当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;对所述候选点集进行连通域搜索,获得多组第一子点集;对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;对所述目标点集进行曲线拟合,获得目标车道线。本发明实施例提供的车道线检测方法,可以降低车道线检测的计算资源量,从而降低成本。
实施例二
图2是本发明实施例二提供的一种车道线检测装置的结构示意图。如图2所示,该装置包括:
点集确定模块210,用于当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;其中,第一阈值大于第二阈值;
第一子点集获取模块220,用于对候选点集进行连通域搜索,获得多组第一子点集;
第一车道线信息获取模块230,用于对多组第一子点集分别进行车道线特征提取,获得各第一子点集分别对应的第一车道线信息;
第二车道线信息获取模块240,用于根据第一车道线信息对多组第一子点集进行聚类,获得多组第二子点集,并更新第二子点集的第二车道线信息;
候选车道线信息确定模块250,用于获取缓存中添加设定标记的设定车道线信息,根据设定车道线信息和第二车道线信息确定候选车道线信息;
可显示车道线确定模块260,用于获取缓存中的第三车道线信息,将候选车道线信息与第三车道线信息进行匹配,根据匹配结果确定可显示车道线;
目标点集获取模块270,用于根据可显示车道线包含的点的数量从候选点集或备选点集中确定可选取点,并将可选取点添加至可显示车道线对应的点集中,获得目标点集;
目标车道线获取模块280,用于对目标点集进行曲线拟合,获得目标车道线。
可选的,第一车道线信息获取模块230,还用于:
对于每组第一子点集,采用最小二乘法对第一子点集进行直线拟合,获得直线斜率和斜距;
统计第一子点集包含的点数量;点数量、直线斜率和斜距构成第一车道线信息。
可选的,第二车道线信息获取模块240,还用于:
根据各第一子点集对应的直线斜率和斜距确定两两点集间的相对距离;
将相对距离小于第三阈值的两个第一子点集进行合并,获得多组第二子点集。
可选的,候选车道线信息确定模块250,还用于:
将点数量超过第四阈值的第二车道线信息或者与设定车道线的相对距离小于第五阈值的第二车道线信息进行保留,获得候选车道线信息。
可选的,若未在缓存中获取到添加设定标记的设定车道线信息,候选车道线信息确定模块250,还用于:
保留点数量超过第四阈值的第二车道线信息;
对保留的第二车道线信息进行非极大值抑制处理,获得候选车道线信息。
可选的,可显示车道线确定模块260,还用于:
若候选车道线信息与第三车道线信息匹配成功,则将第三车道线的第一计数值累加1,第二计数值归0;其中,第一计数值表征车道线的连续检测次数,第二计数值表征车道线未被检测次数;
对于与第三车道线信息未匹配成功的候选车道线信息,将候选车道线信息进行缓存,并将候选车道线的第一计数值记为1,第二计数值记为0;
对于对候选车道线信息未匹配成功的第三车道线信息,将第三车道线信息的第一计数值减1,第二计数值加1;
统计缓存中的候选车道线信息和第三车道线信息的第一计数值和第二计数值;
将第一计数值超过第六阈值,或者,添加设定标记且第二计数值小于第七阈值的车道线确定为可显示车道线,并且将第二计数值超过第八阈值的车道线从缓存中删除;其中设定标记用于表征车道线为可显示车道线。
可选的,目标点集获取模块270,还用于:
若可显示车道线包含的点的数量大于第九阈值,则从候选点集中选择距离可显示车道线小于第十阈值的点,确定为可选取点;
若可显示车道线包含的点的数量小于第九阈值,则从备选点集中选择距离可显示车道线小于第十阈值的点,确定为可选取点。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例三
图3为本发明实施例三提供的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的计算机设备312的框图。图3显示的计算机设备312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的车道线检测功能的计算设备。
如图3所示,计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于:一个或者多个处理器316,存储装置328,连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统334可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336,可以存储在例如存储装置328中,这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备312交互的设备通信,和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且,计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的车道线检测方法。
实施例四
本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理装置执行时实现如本发明实施例中的车道线检测方法。
本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:提取当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;其中,所述第一阈值大于所述第二阈值;对所述候选点集进行连通域搜索,获得多组第一子点集;对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;对所述目标点集进行曲线拟合,获得目标车道线。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种车道线检测方法,其特征在于,包括:
提取当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;其中,所述第一阈值大于所述第二阈值;
对所述候选点集进行连通域搜索,获得多组第一子点集;
对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;
根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;
获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;
获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;
根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;
对所述目标点集进行曲线拟合,获得目标车道线;
所述根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,包括:
根据各第一子点集对应的直线斜率和斜距确定两两点集间的相对距离;
将所述相对距离小于第三阈值的两个第一子点集进行合并,获得多组第二子点集;
所述更新所述第二子点集的第二车道线信息,包括:
根据第一子点集的第一车道线信息对第二子点集的第二车道线进行更新;
所述根据可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,包括:
若所述可显示车道线包含的点的数量大于第九阈值,则从所述候选点集中选择距离所述可显示车道线小于第十阈值的点,确定为可选取点;
若所述可显示车道线包含的点的数量小于所述第九阈值,则从所述备选点集中选择距离所述可显示车道线小于所述第十阈值的点,确定为可选取点。
2.根据权利要求1所述的方法,其特征在于,对所述多组第一子点集分别进行车道线特征提取,获得各第一子点集分别对应的第一车道线信息,包括:
对于每组第一子点集,采用最小二乘法对所述第一子点集进行直线拟合,获得直线斜率和斜距;
统计所述第一子点集包含的点数量;所述点数量、所述直线斜率和斜距构成第一车道线信息。
3.根据权利要求1所述的方法,其特征在于,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息,包括:
将点数量超过第四阈值的第二车道线信息或者与所述设定车道线的相对距离小于第五阈值的第二车道线信息进行保留,获得候选车道线信息。
4.根据权利要求3所述的方法,其特征在于,若未在缓存中获取到添加设定标记的设定车道线信息,则根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息,包括:
保留点数量超过所述第四阈值的第二车道线信息;
对保留的第二车道线信息进行非极大值抑制处理,获得候选车道线信息。
5.根据权利要求1所述的方法,其特征在于,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线,包括:
若所述候选车道线信息与所述第三车道线信息匹配成功,则将所述第三车道线的第一计数值累加1,第二计数值归0;其中,第一计数值表征车道线的连续检测次数,第二计数值表征车道线未被检测次数;
对于与所述第三车道线信息未匹配成功的候选车道线信息,将所述候选车道线信息进行缓存,并将所述候选车道线的第一计数值记为1,第二计数值记为0;
对于对所述候选车道线信息未匹配成功的第三车道线信息,将所述第三车道线信息的第一计数值减1,第二计数值加1;
统计缓存中的候选车道线信息和第三车道线信息的第一计数值和第二计数值;
将第一计数值超过第六阈值,或者,添加设定标记且第二计数值小于第七阈值的车道线确定为可显示车道线,并且将第二计数值超过第八阈值的车道线从缓存中删除;其中设定标记用于表征车道线为可显示车道线。
6.一种车道线检测装置,其特征在于,包括:
点集确定模块,用于当前图像中梯度大于第一阈值的像素点,作为候选点集;提取当前图像中梯度大于第二阈值的像素点,作为备选点集;其中,所述第一阈值大于所述第二阈值;
第一子点集获取模块,用于对所述候选点集进行连通域搜索,获得多组第一子点集;
第一车道线信息获取模块,用于对所述多组第一子点集分别进行车道线特征提取,获得各所述第一子点集分别对应的第一车道线信息;
第二车道线信息获取模块,用于根据所述第一车道线信息对所述多组第一子点集进行聚类,获得多组第二子点集,并更新所述第二子点集的第二车道线信息;
候选车道线信息确定模块,用于获取缓存中添加设定标记的设定车道线信息,根据所述设定车道线信息和所述第二车道线信息确定候选车道线信息;
可显示车道线确定模块,用于获取缓存中的第三车道线信息,将所述候选车道线信息与所述第三车道线信息进行匹配,根据匹配结果确定可显示车道线;
目标点集获取模块,用于根据所述可显示车道线包含的点的数量从所述候选点集或所述备选点集中确定可选取点,并将所述可选取点添加至所述可显示车道线对应的点集中,获得目标点集;
目标车道线获取模块,用于对所述目标点集进行曲线拟合,获得目标车道线;
所述第二车道线信息获取模块,还用于:
根据各第一子点集对应的直线斜率和斜距确定两两点集间的相对距离;
将相对距离小于第三阈值的两个第一子点集进行合并,获得多组第二子点集;
所述更新所述第二子点集的第二车道线信息,包括:
根据第一子点集的第一车道线信息对第二子点集的第二车道线进行更新;
所述目标点集获取模块,还用于若所述可显示车道线包含的点的数量大于第九阈值,则从所述候选点集中选择距离所述可显示车道线小于第十阈值的点,确定为可选取点;
若所述可显示车道线包含的点的数量小于所述第九阈值,则从所述备选点集中选择距离所述可显示车道线小于所述第十阈值的点,确定为可选取点。
7.一种计算机设备,其特征在于,所述设备包括:包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-5任一所述的车道线检测方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-5中任一所述的车道线检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458963.8A CN112528859B (zh) | 2020-12-11 | 2020-12-11 | 车道线检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458963.8A CN112528859B (zh) | 2020-12-11 | 2020-12-11 | 车道线检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528859A CN112528859A (zh) | 2021-03-19 |
CN112528859B true CN112528859B (zh) | 2023-04-07 |
Family
ID=74999121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011458963.8A Active CN112528859B (zh) | 2020-12-11 | 2020-12-11 | 车道线检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528859B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113104046B (zh) * | 2021-04-28 | 2022-11-11 | 中国第一汽车股份有限公司 | 一种基于云服务器的开门预警方法及装置 |
CN113903016B (zh) * | 2021-12-09 | 2022-05-13 | 深圳佑驾创新科技有限公司 | 分岔点检测方法、装置、计算机设备和存储介质 |
CN116563814A (zh) * | 2022-01-28 | 2023-08-08 | 灵动科技(北京)有限公司 | 自主移动机器人及利用其进行车道线检测的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620732A (zh) * | 2009-07-17 | 2010-01-06 | 南京航空航天大学 | 道路行驶线的视觉检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100403332C (zh) * | 2006-11-02 | 2008-07-16 | 东南大学 | 用于车道偏离报警的车道线鲁棒识别方法 |
CN110688876A (zh) * | 2018-07-05 | 2020-01-14 | 苏州天瞳威视电子科技有限公司 | 一种基于视觉的车道线检测方法及装置 |
US10423840B1 (en) * | 2019-01-31 | 2019-09-24 | StradVision, Inc. | Post-processing method and device for detecting lanes to plan the drive path of autonomous vehicle by using segmentation score map and clustering map |
CN109977776B (zh) * | 2019-02-25 | 2023-06-23 | 驭势(上海)汽车科技有限公司 | 一种车道线检测方法、装置及车载设备 |
CN111784722A (zh) * | 2020-07-15 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种改进Canny车道线边缘检测算法 |
-
2020
- 2020-12-11 CN CN202011458963.8A patent/CN112528859B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620732A (zh) * | 2009-07-17 | 2010-01-06 | 南京航空航天大学 | 道路行驶线的视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112528859A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528859B (zh) | 车道线检测方法、装置、设备及存储介质 | |
CN109188438B (zh) | 偏航角确定方法、装置、设备和介质 | |
CN110689804B (zh) | 用于输出信息的方法和装置 | |
CN111121797B (zh) | 道路筛选方法、装置、服务器及存储介质 | |
CN111737377A (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
CN110287817B (zh) | 目标识别及目标识别模型的训练方法、装置和电子设备 | |
CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
CN114993328A (zh) | 车辆定位评估方法、装置、设备和计算机可读介质 | |
CN112883236B (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN113936232A (zh) | 一种碎屏识别方法、装置、设备和存储介质 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
WO2023138558A1 (zh) | 一种图像场景分割方法、装置、设备及存储介质 | |
CN115565158B (zh) | 车位检测方法、装置、电子设备和计算机可读介质 | |
CN115512336B (zh) | 基于路灯光源的车辆定位方法、装置和电子设备 | |
CN111311609A (zh) | 一种图像分割方法、装置、电子设备及存储介质 | |
CN110852242A (zh) | 基于多尺度网络的水印识别方法、装置、设备及存储介质 | |
CN115578386A (zh) | 泊车图像生成方法、装置、电子设备及存储介质 | |
CN115406452A (zh) | 一种实时定位及建图方法、装置及终端设备 | |
CN111488866B (zh) | 基于深度学习的入侵物识别方法、装置及电子设备 | |
CN113721240A (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN113327264A (zh) | 轨迹拟合方法、装置、设备及存储介质 | |
CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
CN112861940A (zh) | 双目视差估计方法、模型训练方法以及相关设备 | |
CN111340813A (zh) | 图像实例分割方法、装置、电子设备及存储介质 |
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 |