CN112800989A - 一种检测斑马线的方法及装置 - Google Patents
一种检测斑马线的方法及装置 Download PDFInfo
- Publication number
- CN112800989A CN112800989A CN202110142526.3A CN202110142526A CN112800989A CN 112800989 A CN112800989 A CN 112800989A CN 202110142526 A CN202110142526 A CN 202110142526A CN 112800989 A CN112800989 A CN 112800989A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- zebra crossing
- interest
- region
- 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
- 241000283070 Equus zebra Species 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000007781 pre-processing Methods 0.000 claims abstract description 29
- 230000000877 morphologic effect Effects 0.000 claims abstract description 21
- 238000005260 corrosion Methods 0.000 claims abstract description 8
- 230000007797 corrosion Effects 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 241000255969 Pieris brassicae Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
-
- 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
- G06V10/30—Noise filtering
Abstract
本申请实施例提供了一种检测斑马线的方法及装置,方法包括:从摄像设备获取前方道路的图像;对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。采用本申请实施例,可以在行车时对前方道路斑马线的检测,提高斑马线识别的效率和准确性。
Description
技术领域
本申请涉及图像检测与识别领域,尤其涉及一种检测斑马线的方法及装置。
背景技术
随着社会经济的发展,越来越多的人购置使用车辆,车辆已经成为人们户外出行不可缺少的工具。在城市道路中会存在许多的斑马线,驾驶员在行车途中遇到斑马线需要保持高度谨慎,时刻注意斑马线上的实时情况,提前减速观察左右两侧是否有行人通过斑马线。而车辆技术的发展,使得越来越丰富的车机功能不断出现,帮助驾驶人员更便捷安全地驾驶车辆,其中就有针对斑马线进行识别检测的功能。在常用的一些技术手段中,可以通过深度学习算法来进行斑马线识别会对硬件需要较高,占用车机性能较大,此外还可以通过识别斑马线特征,但这种方法通常更需要识别多条斑马线,执行程序较为复杂繁琐,因此如何便捷的在行车途中针对斑马线进行识别仍是一个亟待解决的问题。
发明内容
本申请实施例提供了一种检测斑马线的方法及装置,可以在行车时对前方道路斑马线的检测,提高斑马线识别的效率和准确性。
本申请实施例第一方面提供了一种检测斑马线的方法,包括:
从摄像设备获取前方道路的图像;
对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;
对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;
基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
本申请实施例第二方面提供了一种检测斑马线的装置,包括:
获取模块,用于从摄像设备获取前方道路的图像;
处理模块,用于接收所述获取模块发送的图像,对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;
判断模块,用于从所述处理模块获取所述判别图像,基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
本申请第三方面提供了一种检测斑马线的装置,包括:处理器、存储器和总线;处理器和存储器通过总线连接,其中存储器用于存储一组程序代码,处理器用于调用存储器中存储的程序代码,执行如第一方面所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,实现如第一方面所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,其中,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
通过实施本申请实施例,通过摄像设备获取车辆行驶过程中的前方道路图像,对图像进行预处理、感兴趣区域截取、二值化处理以及形态学处理后,对处理后的图像进行判断,即可实现对斑马线的识别,提高斑马线识别的效率和准确性
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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他的附图。
图1是本申请实施例提供的一种检测斑马线的方法的流程示意图;
图2是本申请实施例提供的一种对斑马线进行二次判断的方法的流程示意图;
图3是本申请实施例提供的一种形态学处理的结果示意图;
图4是本申请实施例提供的一种检测斑马线的装置的组成示意图;
图5是本申请实施例提供的另一种检测斑马线的装置的组成示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请的实施例进行描述。
本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如上文所描述的,如何便捷的在行车途中针对斑马线进行识别仍是一个亟待解决的问。为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本申请的实施例提出了一种检测斑马线的方法。该方法包括:从摄像设备获取前方道路的图像;对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
下面对本申请实施例进行详细介绍。
请参见图1,为本申请实施例提供的一种检测斑马线的方法的流程示意图,可包括如下步骤:
S101,从摄像设备获取前方道路的图像。
其中,摄像设备可以为车辆上的DVR(Digital Video Recorder)行车记录仪,该设备安装在车辆后视镜或者前挡风玻璃上,能够获取前方较为开阔得视野且不影响驾驶人员得视野。可以理解的是,载体即车辆的右、前、上三个方向构成右手系,绕向前的轴旋转就是横滚角,绕向右的轴旋转就是俯仰角,绕向上的轴旋转就是航向角。在安装时,可以使DVR的光轴航向角为0°,横滚角为0°,允许一定得俯仰角度,通过这样的调整可以拍摄到正前方且水平的道路画面。
除了上述提出的DVR行车记录仪外,任一可以实现对车辆前方道路的图像画面进行获取的设备都可以作为本申请实施例中的摄像设备包括车辆中现有的摄像设备,对硬件要求较低。具体摄像设备的选择,在本申请实施例中不做具体限定。
摄像设备可以在车辆行驶中,实时拍摄前方道路的视频画面,可以通过对视频进行选择性的图像截取,然后将截取到的图像存储在车载终端存储器中,通过后续相应的处理来识别是否存在斑马线。例如,在拍摄到视频画面后对视频数据信息采用每3帧取一帧转存为图像格式的操作进行提取并保存,在本申请实施例中不做具体限定。
S102,对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像。
可选的,对所述图像进行预处理,包括对所述图像进行第一预处理,所述第一预处理包括高斯模糊处理。
需要说明的是,高斯模糊(Gaussian Blur),也叫高斯平滑,通常用它来减少图像噪声以及降低细节层次,通过高斯模糊可以对获取的道路图像进行降噪处理,增强图像效果。
可选的,第一预处理还包括图像灰度化,通过图像灰度化处理后可以得到灰度图。
通过摄像设备获取的图像为RGB图像,即我们经常见到的彩色图像,RGB图像并不能反映图像的形态特征,只是从光学的原理上进行颜色的调配。
灰度化处理是把含有亮度和色彩的彩色图像变化成灰度图像的过程,将每个像素使用一个灰度值来表示,即图像灰度化可以将RGB图像转换为灰度图。图像灰度化处理可以作为图像处理的预处理步骤,为之后的图像识别等上层操作做准备,这是因为相比灰度图,直接对RGB图像进行后续图像处理的计算量要较大,通过图像灰度化可以有效地减少计算量。
可选的,在对图像进行第一预处理后,还包括进行第二预处理,所述第二预处理包括投影变换将待处理图像转换为鸟瞰图。
其中,投影变换(Projective Transformation)也可以称为射影变换或者透视变换(Perspective Transformation),鸟瞰图是透视变换的一个重要应用。将图像转换为鸟瞰图后,相较于直接对原始视野进行后续图像处理操作,可以有效地减少计算量。
需要说明的是,对预处理后的图像进行感兴趣区域截取,其中,感兴趣区域截取即ROI(region of interest),在图像处理领域,感兴趣区域是从图像中选择的一个图像区域,这个区域是图像分析所关注的重点,可以通过各种算子和函数来求的感兴趣区域。圈定该区域以便进行进一步处理。使用感兴趣区域圈定想要选择的目标,可以减少处理时间,增加精度。在本申请实施例中,对于感兴趣区域的选取,可以由设计人员基于实际情况设定,本申请实施例不作任何限定。
经过感兴趣区域截取所得到的区域会有更大的概率出现斑马线,可以滤除图像中其他不相关的部分存在,例如蓝天、白云以及树木等无关区域,减少后续图像处理的计算量,提高处理效率。
可选的,对所述感兴趣区域进行二值化处理,包括对所述感兴趣区域进行顶帽变换及自适应阈值处理。
在通过摄像设备获取图像后,会存在一个常见的问题,由于外界光照因素,可能会造成图像光照不均匀的现象,在这种情况下对图像进行处理得到二值图像就无法得到准确的图像轮廓,影响后续如图像识别等处理的效果。
为了解决上述问题,可以在转换为二值图像前先对图像进行顶帽变换。顶帽变换是指原始图像减去其开运算的图像,而开运算可用于补偿不均匀的背景亮度,所以对图像做开运算后,用原图像减去这个开运算,就得到了背景均衡的图像。其中,开运算是指相对图像进行腐蚀运算,然后再进行膨胀运算。腐蚀是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的物体,而膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程,可以用来填补物体中的空洞。先腐蚀后膨胀的开运算则可以用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。
顶帽变换通常用于暗背景上的亮物体,而道路上的斑马线正好是白色并且与灰色的路面可以在图像中形成亮暗对比,因此可以通过顶帽变换解决针对存在斑马线的图像的光照不均匀问题。
在对图像进行处理转换为二值图像时,通过使用自适应阈值处理同样也可以进一步解决光照不均匀的问题。
自适应阈值处理是根据图像不同区域亮度分布,计算其局部阈值,所以对于图像不同区域,能够自适应计算不同的阈值,从而能够在亮度不同的情况下得到更好的结果。不同阈值可以通过计算某个邻域(局部)的均值、中值、高斯加权平均(高斯滤波)等来确定,在本申请实施例中,具体的计算方法,可以由设计人员基于实际情况设定,本申请实施例不作任何限定。
经过二值化处理的图像中的任何像素点的灰度值均为0或者255,也就是图像中只存在黑白两色,可以理解的是,由于斑马线为白色,路面通常为灰色,所以在对截取到的存在斑马线的图像进行处理后,白色区域对应为斑马线区域,而黑色区域对因为其他区域。
S103,对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理。
需要说明的是,对二值图像进行形态学处理可以指,对二值图像进行闭运算,即先膨胀后腐蚀,闭运算可以用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
相比于车道线等其他要素,由于斑马线具有平行且紧密排列得特点,进行闭运算后,如果判别图像中存在斑马线,则斑马线区域会连成一个形状规则的大块白色区域,例如,参见图3中(a)到图3中(b)的变化,图3中(a)为经过高斯模糊、图像灰度化、投影变换以及二值化后的道路图像,图3中(b)为对图3中(a)进行形态学后处理后得到的图像,大概率会出现一个类似矩形的白色图形。需要说明的是,图3仅为示例行说明,实际中对处理方法代码程序的选择以及参数的设置可能会造成细微的区别,在本申请实施例中不作具体的限定。
S104,基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
如上述所述,通过上述方法步骤进行处理后,最后的判别图像中如果存在斑马线则会形成一个形状规则的大块白色区域,通过判断是否存在一个联通的大块白色区域就可以判断前方道路是否出现斑马线。
通过本申请实施例的方法,可以快速得出检测结果,相比于深度学习算法或者其他算法,成本较低,计算量小,实用性更高。
通过上述图像处理的方法检测到存在斑马线之后,为了进一步提高准确性,还可以针对处理结果进行二次判断,降低误判的可能性,在通过二次判断确认通过上述方法检测出来的斑马线确实存在后,对用户进行提醒。
请参见图2,为本申请提供的一种对斑马线进行二次判断的方法的流程示意图,包括:
S201,获取地图数据,所述地图数据包括道路等级。
其中,所述地图数据可以通过车载终端连接云服务器进行获取,所述道路等级可以包括第一等级、第二等级以及第三等级,第一等级包括城市道路,第二等级包括高速或者城市快速路,第三等级包括乡道或以下。
可选的,所述地图数据还可以包括特殊建筑,所述特殊建筑为道路周边的包括医院、学校等建筑。
S202,基于所述地图数据对所述斑马线进行二次判断,确认前方道路存在所述斑马线。
其中,二次判断的实现可以结合车辆的当前位置,基于所述地图数据判断当前位置的道路等级,然后基于所述道路等级对斑马线进行判断。
可选的,若所述道路等级为第一等级,则确认前方道路存在所述斑马线,提醒用户前方道路存在斑马线。
可选的,结合车辆的当前位置,基于所述地图数据判断当前位置周围是否存在特殊建筑,若存在特殊建筑,则确认前方道路存在所述斑马线,提醒用户前方道路存在斑马线。
在另一种可能的实现方式中,基于所述地图数据对所述斑马线进行二次判断,确认前方道路不存在所述斑马线。
若所述道路等级为第二等级或第三等级,则可以确认前方不存在所述斑马线,基于所述判别图像进行的判断结果为误识别,不对用户进行提醒。
可选的,在确认前方道路不存在所述斑马线之后,将所述斑马线标记为误识别,获取所述标记为误识别的斑马线的位置信息并进行存储。
当车辆再次经过,在二次判断中标记过为误识别的斑马线的位置,通过与存储的带有误识别标记的斑马线位置信息核对确认后,车辆可以直接获取到前方不存在斑马线的信息,在基于判别图像判断前方道路出现了斑马线时,可以不需要进行二次判断,不对用户进行提醒。通过记录误识别位置,可以降低误检概率,进一步提高检测的准确性。
需要说明的是,所述地图数据还可以详细包括所有斑马线出现的位置,该位置存在位置标识,根据所述位置标识可以结合车辆的当前位置确认前方道路是否存在所述斑马线。若所述车辆的当前位置前方存在位置标识则确认前方道路存在所述斑马线。
在第二次判断确认前方出现斑马线后,则可以对用户进行斑马线提醒,提醒用户及时注意前方斑马线上的实时情况,从而可以减少安全事故的发生。
可选的,在二次判断确认前方道路存在所述斑马线后,还包括生成提醒信息,向提醒设备发送所述提醒信息。
其中,基于所述提醒信息可以生成包括以文字、音频或者视频等形式存在的提醒消息,通过提醒设备显示所述提醒消息,所述提醒设备可以包括车载显示屏、扬声器以及外接移动设备等。例如,一车辆在行驶过程中,从行车记录仪中获取的前方道路图像通过图像处理以及二次判断后确认出现斑马线,这时可以通过车载扬声器语音提醒用户前方存在斑马线,需及时关注前方道路情况。
下面结合附图介绍本申请实施例涉及的装置。
请参见图4,为本申请实施例提供的一种检测斑马线的装置的组成示意图,检测斑马线的装置400可包括:
获取模块410,用于从摄像设备获取前方道路的图像;
处理模块420,用于对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;
判断模块430,用于从所述处理模块获取所述判别图像,基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
在一种可能的实现方式中,所述装置400还包括二次判断模块440,用于在判断模块430判断前方道路出现斑马线后,获取地图数据,基于所述地图数据对所述斑马线进行二次判断,确认前方道路存在所述斑马线。
在一种可能的实现方式中,所述处理模块420对所述图像进行预处理,包括对所述图像进行第一预处理,所述第一预处理包括高斯模糊处理。
在一种可能的实现方式中,所述处理模块420对所述感兴趣区域进行二值化处理,包括对所述感兴趣区域进行顶帽变换及自适应阈值处理。
在一种可能的实现方式中,所述第一预处理还包括图像灰度化。
在一种可能的实现方式中,所述处理模块420还用于进行第二预处理,所述第二预处理包括投影变换将待处理图像转换为鸟瞰图。
在一种可能的实现方式中,所述装置400还包括提醒模块450,用于在二次判断模块440确认前方道路存在所述斑马线后,生成提醒信息,向提醒设备发送所述提醒信息。
在一中可能的实现方式中,在所述判断模块440确认前方道路不存在所述斑马线后,所述处理模块420还用于将所述斑马线标记为误识别,获取所述标记为误识别的斑马线的位置信息并进行存储。
该装置所涉及的与本申请实施例提供的技术方案相关的概念,解释和详细说明及其他步骤请参见前述方法或其他实施例中关于装置执行的方法步骤的内容的描述,此处不做赘述。
请参见图5,为本申请实施例提供的另一种检测斑马线的装置的组成示意图,可包括:
处理器510、存储器520和通信接口530。处理器510、存储器520和通信接口530通过总线540连接,该存储器520用于存储指令,该处理器510用于执行该存储器520存储的指令,以实现如上图1-图2对应的方法步骤。
处理器510用于执行该存储器520存储的指令,以控制通信接口530接收和发送信号,完成上述方法中的步骤。其中,所述存储器520可以集成在所述处理器510中,也可以与所述处理器510分开设置。
在一种可能的实现方式中,通信接口530的功能可以考虑通过收发电路或者收发的专用芯片实现。处理器510可以考虑通过专用处理芯片、处理电路、处理器或者通用芯片实现。
在另一种可能的实现方式中,可以考虑使用通用计算机的方式来实现本申请实施例提供的装置。即将实现处理器510,通信接口530功能的程序代码存储在存储器520中,通用处理器通过执行存储器520中的代码来实现处理器510,通信接口530的功能。
该装置所涉及的与本申请实施例提供的技术方案相关的概念,解释和详细说明及其他步骤请参见前述方法或其他实施例中关于装置执行的方法步骤的内容的描述,此处不做赘述。
作为本实施例的另一种实现方式,提供一种计算机可读存储介质,用于存储计算机程序,计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,执行上述方法实施例中的方法。
作为本实施例的另一种实现方式,提供一种包含指令的计算机程序产品,该指令被执行时执行上述方法实施例中的方法。
本领域技术人员可以理解,为了便于说明,图5中仅示出了一个存储器和处理器。在实际的终端或服务器中,可以存在多个处理器和存储器。存储器也可以称为存储介质或者存储设备等,本申请实施例对此不做限制。
应理解,在本申请实施例中,处理器可以是中央处理单元(Central ProcessingUnit,简称CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)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。
还应理解,本申请实施例中提及的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是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccess Memory,简称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,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,简称DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,简称DR RAM)。
需要说明的是,当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时,存储器(存储模块)集成在处理器中。
应注意,本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
该总线除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都标为总线。
还应理解,本文中涉及的第一、第二、第三、第四以及各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block,简称ILB)和步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
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。所述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所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述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。所述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,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘)等。
以上所述,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,可轻易想到变化或替换,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所述权利要求的保护范围为准。
Claims (10)
1.一种检测斑马线的方法,其特征在于,包括:
从摄像设备获取前方道路的图像;
对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;
对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;
基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
2.根据权利要求1所述的方法,所述对所述感兴趣区域进行二值化处理,包括对所述感兴趣区域进行顶帽变换及自适应阈值处理。
3.根据权利要求1所述的方法,所述对所述图像进行预处理,包括对所述图像进行第一预处理,所述第一预处理包括高斯模糊处理。
4.根据权利要求3所述的方法,所述第一预处理还包括图像灰度化。
5.根据权利要求3或4所述的方法,在对所述图像进行第一预处理之后,还包括进行第二预处理,所述第二预处理包括投影变换将待处理图像转换为鸟瞰图。
6.根据权利要求1所述的方法,在判断前方道路出现斑马线之后,还包括:
获取地图数据,基于所述地图数据对所述斑马线进行二次判断,确认前方道路存在所述斑马线。
7.一种检测斑马线的装置,其特征在于,包括:
获取模块,用于从摄像设备获取前方道路的图像;
处理模块,用于对所述图像进行预处理,对预处理后的图像进行感兴趣区域截取,对截取到的感兴趣区域进行二值化处理得到二值图像;对所述二值图像进行形态学处理得到判别图像,所述形态学处理包括图像膨胀处理以及图像腐蚀处理;
判断模块,用于从所述处理模块获取所述判别图像,基于所述判别图像中包含的图形形状,判断前方道路是否出现斑马线。
8.根据权利要求7所述的装置,还包括二次判断模块,用于获取地图数据,基于所述地图数据对所述斑马线进行二次判断,确认前方道路存在所述斑马线。
9.一种检测斑马线的装置,其特征在于,包括:
处理器、存储器和总线;所述处理器和所述存储器通过所述总线连接,其中所述存储器用于存储一组程序代码,所述处理器用于调用所述存储器中存储的程序代码,执行如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括:
所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110142526.3A CN112800989A (zh) | 2021-02-02 | 2021-02-02 | 一种检测斑马线的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110142526.3A CN112800989A (zh) | 2021-02-02 | 2021-02-02 | 一种检测斑马线的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112800989A true CN112800989A (zh) | 2021-05-14 |
Family
ID=75813629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110142526.3A Pending CN112800989A (zh) | 2021-02-02 | 2021-02-02 | 一种检测斑马线的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800989A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343988A (zh) * | 2021-07-06 | 2021-09-03 | 北矿机电科技有限责任公司 | 摇床矿带识别方法、系统及装置 |
CN113435350A (zh) * | 2021-06-30 | 2021-09-24 | 浙江大华技术股份有限公司 | 一种交通标线检测方法、装置、设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150560A (zh) * | 2013-03-15 | 2013-06-12 | 福州龙吟信息技术有限公司 | 一种汽车智能安全驾驶的实现方法 |
CN103488975A (zh) * | 2013-09-17 | 2014-01-01 | 北京联合大学 | 一种基于智能驾驶的斑马线实时检测的方法 |
CN105740831A (zh) * | 2016-02-02 | 2016-07-06 | 大连楼兰科技股份有限公司 | 一种应用于智能驾驶的停止线检测方法 |
US20160341558A1 (en) * | 2015-05-22 | 2016-11-24 | Thinkware Corporation | Apparatus and method for providing guidance information using crosswalk recognition result |
CN107944407A (zh) * | 2017-11-30 | 2018-04-20 | 中山大学 | 一种基于无人机的路口斑马线识别方法 |
CN109446984A (zh) * | 2018-10-26 | 2019-03-08 | 重庆大学 | 自然场景中道路交通标志识别方法 |
CN110210451A (zh) * | 2019-06-13 | 2019-09-06 | 重庆邮电大学 | 一种斑马线检测方法 |
CN110705441A (zh) * | 2019-09-27 | 2020-01-17 | 四川长虹电器股份有限公司 | 人行横道线图像后处理方法及系统 |
CN111126209A (zh) * | 2019-12-09 | 2020-05-08 | 上海博泰悦臻电子设备制造有限公司 | 车道线检测方法及相关设备 |
CN111950537A (zh) * | 2020-09-24 | 2020-11-17 | 北京百度网讯科技有限公司 | 斑马线信息获取方法、地图更新方法、装置及系统 |
-
2021
- 2021-02-02 CN CN202110142526.3A patent/CN112800989A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150560A (zh) * | 2013-03-15 | 2013-06-12 | 福州龙吟信息技术有限公司 | 一种汽车智能安全驾驶的实现方法 |
CN103488975A (zh) * | 2013-09-17 | 2014-01-01 | 北京联合大学 | 一种基于智能驾驶的斑马线实时检测的方法 |
US20160341558A1 (en) * | 2015-05-22 | 2016-11-24 | Thinkware Corporation | Apparatus and method for providing guidance information using crosswalk recognition result |
CN105740831A (zh) * | 2016-02-02 | 2016-07-06 | 大连楼兰科技股份有限公司 | 一种应用于智能驾驶的停止线检测方法 |
CN107944407A (zh) * | 2017-11-30 | 2018-04-20 | 中山大学 | 一种基于无人机的路口斑马线识别方法 |
CN109446984A (zh) * | 2018-10-26 | 2019-03-08 | 重庆大学 | 自然场景中道路交通标志识别方法 |
CN110210451A (zh) * | 2019-06-13 | 2019-09-06 | 重庆邮电大学 | 一种斑马线检测方法 |
CN110705441A (zh) * | 2019-09-27 | 2020-01-17 | 四川长虹电器股份有限公司 | 人行横道线图像后处理方法及系统 |
CN111126209A (zh) * | 2019-12-09 | 2020-05-08 | 上海博泰悦臻电子设备制造有限公司 | 车道线检测方法及相关设备 |
CN111950537A (zh) * | 2020-09-24 | 2020-11-17 | 北京百度网讯科技有限公司 | 斑马线信息获取方法、地图更新方法、装置及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435350A (zh) * | 2021-06-30 | 2021-09-24 | 浙江大华技术股份有限公司 | 一种交通标线检测方法、装置、设备和介质 |
CN113343988A (zh) * | 2021-07-06 | 2021-09-03 | 北矿机电科技有限责任公司 | 摇床矿带识别方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392103B (zh) | 路面车道线的检测方法及装置、电子设备 | |
CN107341454B (zh) | 一种场景中障碍物的检测方法及装置、电子设备 | |
US9773176B2 (en) | Image processing apparatus and image processing method | |
US8005266B2 (en) | Vehicle surroundings monitoring apparatus | |
JP2019096072A (ja) | 物体検出装置、物体検出方法およびプログラム | |
US20080013789A1 (en) | Apparatus and System for Recognizing Environment Surrounding Vehicle | |
CN107844761B (zh) | 交通标志的检测方法及装置 | |
CN112800989A (zh) | 一种检测斑马线的方法及装置 | |
CN112446316B (zh) | 事故检测方法、电子设备及存储介质 | |
CN111971682A (zh) | 路面检测装置、利用了路面检测装置的图像显示装置、利用了路面检测装置的障碍物检测装置、路面检测方法、利用了路面检测方法的图像显示方法以及利用了路面检测方法的障碍物检测方法 | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
JP3849505B2 (ja) | 障害物監視装置及びプログラム | |
CN111027535A (zh) | 一种车牌识别方法及相关设备 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
KR101239718B1 (ko) | 차량 주변 물체 검출 시스템 및 방법 | |
CN111627057A (zh) | 一种距离测量方法、装置及服务器 | |
CN111723723A (zh) | 一种图像检测方法及装置 | |
CN113052754A (zh) | 一种图片背景虚化的方法及装置 | |
CN111046741A (zh) | 车道线识别的方法和装置 | |
KR20140024681A (ko) | 차선 인식 장치 및 그 방법 | |
JP6847709B2 (ja) | カメラ装置、検出装置、検出システムおよび移動体 | |
CN113297939A (zh) | 障碍物检测方法、系统、终端设备及存储介质 | |
Habib et al. | Lane departure detection and transmission using Hough transform method | |
JP6789151B2 (ja) | カメラ装置、検出装置、検出システムおよび移動体 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 201821 room 208, building 4, No. 1411, Yecheng Road, Jiading Industrial Zone, Jiading District, Shanghai Applicant after: Botai vehicle networking technology (Shanghai) Co.,Ltd. Address before: Room 208, building 4, 1411 Yecheng Road, Jiading Industrial Zone, Jiading District, Shanghai, 201800 Applicant before: SHANGHAI PATEO ELECTRONIC EQUIPMENT MANUFACTURING Co.,Ltd. |
|
CB02 | Change of applicant information |