CN113591565B - 基于机器视觉的车道线检测方法、检测系统及检测装置 - Google Patents
基于机器视觉的车道线检测方法、检测系统及检测装置 Download PDFInfo
- Publication number
- CN113591565B CN113591565B CN202110712556.3A CN202110712556A CN113591565B CN 113591565 B CN113591565 B CN 113591565B CN 202110712556 A CN202110712556 A CN 202110712556A CN 113591565 B CN113591565 B CN 113591565B
- Authority
- CN
- China
- Prior art keywords
- lane line
- lane
- frame image
- video
- roi
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 17
- 238000003708 edge detection Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G06T5/70—
Abstract
本发明属于车道线检测技术领域,具体涉及一种基于机器视觉的车道线检测方法、检测系统及检测装置,其中基于机器视觉的车道线检测方法,包括:采集车道线的视频;以及识别视频中的车道线,实现了提高检测的准确率和实时性,对于有阴影或者光照不均的路面也能准确检测。
Description
技术领域
本发明属于车道线检测技术领域,具体涉及一种基于机器视觉的车道线检测方法、检测系统及检测装置。
背景技术
从汽车的诞生到现在为止已经有一百多年的历史了,随着车辆的增多,交通事故频繁发生,成为社会发展的隐患,人们的生命安全受到了严重威胁。为了解决这个问题,并且提高驾驶员的行车舒适度,高级驾驶辅助系统(ADAS)应运而生,其中车道线检测是高级驾驶辅助系统中相当重要的一个环节。
传统车道线检测的方法是先建立一个掩模,将掩模与车道线图像的边缘检测图取交集以去除干扰物,然后利用Hough变换提取属于车道线的信息从而检测出每一帧图像中的车道线,但是这种方法对于一些情况比较复杂的路段如有阴影或者光照不均的路面检测准确率不高且检测实时性不好。
因此,基于上述技术问题需要设计一种新的基于机器视觉的车道线检测方法、检测系统及检测装置。
发明内容
本发明的目的是提供一种基于机器视觉的车道线检测方法、检测系统及检测装置。
为了解决上述技术问题,本发明提供了一种基于机器视觉的车道线检测方法,包括:
采集车道线的视频;以及
识别视频中的车道线。
进一步,所述采集车道线的视频的方法包括:
在行驶过程中连续不断的采集车道线的视频。
进一步,所述识别视频中的车道线的方法包括:
当第i帧图像为第一帧图像时,对视频中的第i帧图像进行灰度化得灰度图像;
对灰度图像进行去噪点操作;
对去除噪点后的灰度图像进行二值化获取二值图像;
将二值图像中天空部分去除;
提取去除天空部分的二值图像中各个连通域的特征,去掉除当前所在车道线以外的其他干扰物。
进一步,所述识别视频中的车道线的方法还包括:
对第i帧去除干扰物的二值图像作Sobel算子边缘检测,并进行Hough变换拟合车道线;
根据拟合结果得出两车道线的一元一次方程;
根据车道线的一元一次方程分别将左右两条车道线各自连通起来,然后统一连通后的两车道线的上顶点高度,两车道线的下顶点高度为图像高度,得出第i帧图像Hough变换直线图,并检测出第i帧图像的车道线;
当视频中所有帧图像检测完毕时结束检测。
进一步,所述识别视频中的车道线的方法还包括:
当视频中所有帧图像未检测完毕时,将第i帧图像Hough变换直线图中的车道线作膨胀操作;
分别紧贴膨胀后的左、右两条车道线作两个矩形框,并分别将这两个矩形框向上、向左、向右各扩大预设数量的像素点以截取第i帧图像的左、右车道线ROI;
将第i帧图像的左、右车道线ROI单独提取,以获取第i帧图像的左、右车道线模板;
将第i帧图像的左、右车道线ROI作为第i+1帧图像左、右车道线的ROI,并对其作灰度化、中值滤波、二值化分别获取第i+1帧图像左、右车道线ROI的二值图像;
第i+1帧图像左、右车道线ROI的二值图像分别与第i帧图像的左、右车道线模板取交集,以去除第i+1帧ROI二值图像中的干扰物;
对第i+1帧去除干扰物的ROI二值图像作Sobel算子边缘检测,并进行Hough变换拟合车道线,检测出第i+1帧图像的车道线,直至视频中所有帧图像检测完毕时结束检测。
第二方面,本发明还提供一种基于机器视觉的车道线检测系统,包括:
采集模块,采集车道线的视频;以及
识别模块,识别视频中的车道线。
第三方面,本发明还提供一种基于机器视觉的车道线检测装置,包括:
控制模块,以及与该控制模块电性连接的采集模块;
所述采集模块适于采集车道线的视频;
所述控制模块适于识别视频中的车道线。
本发明的有益效果是,本发明通过采集车道线的视频;以及识别视频中的车道线,实现了提高检测的准确率和实时性,对于有阴影或者光照不均的路面也能准确检测。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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是本发明所涉及的基于机器视觉的车道线检测方法的流程图;
图2是本发明所涉及的基于机器视觉的车道线检测方法的具体流程图;
图3是本发明所涉及的第i帧图像Hough变换直线图;
图4是本发明所涉及的第i帧图像的左、右车道线ROI;
图5是本发明所涉及的第i帧图像的左、右车道线模板及第i+1帧图像左、右车道线ROI的二值图像;
图6是本发明所涉及的去除第i+1帧ROI二值图的干扰物后的图像;
图7是本发明所涉及的去除第i+1帧ROI二值图中的干扰物后的图像作了Sobel算子边缘检测和Hough变换拟合车道线示意图;
图8是本发明所涉及的第i=i+1帧图像Hough变换直线图;
图9是本发明所涉及的第i=i+1帧图像检测出的车道线图像;
图10是本发明所涉及的基于机器视觉的车道线检测系统的原理框图;
图11是本发明所涉及的基于机器视觉的车道线检测装置的原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
实施例1
图1是本发明所涉及的基于机器视觉的车道线检测方法的流程图。
如图1所示,本实施例1提供了一种基于机器视觉的车道线检测方法,包括:采集车道线的视频;以及识别视频中的车道线,实现了提高检测的准确率和实时性,对于有阴影或者光照不均的路面也能准确检测。
图2是本发明所涉及的基于机器视觉的车道线检测方法的具体流程图。
如图2所示,在本实施例中,所述采集车道线的视频的方法包括:车载相机在车辆行驶过程中连续不断的采集车道线的视频。
图3是本发明所涉及的第i帧图像Hough变换直线图;
图4是本发明所涉及的第i帧图像的左、右车道线ROI;
图5是本发明所涉及的第i帧图像的左、右车道线模板及第i+1帧图像左、右车道线ROI的二值图像;
图6是本发明所涉及的去除第i+1帧ROI二值图的干扰物后的图像;
图7是本发明所涉及的去除第i+1帧ROI二值图中的干扰物后的图像作了Sobel算子边缘检测和Hough变换拟合车道线示意图;
图8是本发明所涉及的第i=i+1帧图像Hough变换直线图;
图9是本发明所涉及的第i=i+1帧图像检测出的车道线图像。
如图3、4、5、6、7、8、9所示,在本实施例中,所述识别视频中的车道线的方法包括:当第i帧图像为第1帧图像时,对视频中的第i帧图像采用加权平均值法进行灰度化得灰度图像,可以令i=1从第1帧图像开始进行灰度化,即对第一帧图像采用加权平均值法进行灰度化得灰度图像;对灰度图像采用中值滤波进行去噪点操作;对去除噪点后的灰度图像采用最大类间方差法进行二值化获取二值图像;二值图像上方五分之四的的像素点为黑色像素点,将二值图像中天空部分去除;提取去除天空部分的二值图像中各个连通域的特征,去掉除当前所在车道线以外的其他干扰物,若此时二值图像中背景像素点为黑色,当前所在车道线的像素点也就是前景像素点为白色。
在本实施例中,所述识别视频中的车道线的方法还包括:对第i帧去除干扰物的二值图像作Sobel算子边缘检测,并进行Hough变换拟合车道线;根据拟合结果得出两车道线的一元一次方程;根据车道线的一元一次方程分别将左右两条车道线各自连通起来,然后统一连通后的两车道线的上顶点高度,两车道线的下顶点高度为图像高度,得出第i帧图像Hough变换直线图,并检测出第i帧图像的车道线;当视频中所有帧图像检测完毕时结束检测。
在本实施例中,所述识别视频中的车道线的方法还包括:当视频中所有帧图像未检测完毕时,将第i帧图像Hough变换直线图中的车道线作膨胀操作;分别紧贴膨胀后的左、右两条车道线作两个矩形框,并分别将这两个矩形框向上、向左、向右各扩大预设数量的像素点以截取第i帧图像的左、右车道线ROI;将第i帧图像的左、右车道线ROI单独提取,以获取第i帧图像的左、右车道线模板;将第i帧图像的左、右车道线ROI作为第i+1帧图像左、右车道线的ROI,并对其作灰度化、中值滤波、二值化分别获取第i+1帧图像左、右车道线ROI的二值图像(即对除第1帧之外的所有帧图像以前一帧图像的左、右车道线ROI作为当前帧图像左、右车道线的ROI,并对其作灰度化、中值滤波、二值化分别获取当前帧图像左、右车道线ROI的二值图像);第i+1帧图像左、右车道线ROI的二值图像分别与第i帧图像的左、右车道线模板取交集,以去除第i+1帧ROI二值图像中的干扰物;对第i+1帧去除干扰物的ROI二值图像作Sobel算子边缘检测,并进行Hough变换拟合车道线(即令i=i+1后进行Sobel算子边缘检测,并进行Hough变换拟合车道线,检测第i+1帧图像的车道线
),检测出第i+1帧图像的车道线,直至视频中所有帧图像检测完毕时结束检测。
在本实施例中,由于前后两帧的ROI相差不大,所以当前帧的ROI使用从上一帧图像中提取的ROI,并将当前帧ROI的二值图像与上一帧图像的车道线模板取交集以去除当前帧ROI二值图像中的干扰物,再用Hough变换去检测当前帧ROI二值图像中的车道线;在检测完当前帧后,提取新的ROI和车道线模板传给下一帧继续检测。这种方法相比于将掩模与车道线图像的边缘检测图取交集以去除干扰物,再用Hough变换去检测每一帧图像中的车道线的方法在一定程度上提高了检测的准确率和实时性,对于有阴影或者光照不均的路面也能准确检测。
实施例2
图10是本发明所涉及的基于机器视觉的车道线检测系统的原理框图。
如图10所示,在实施例1的基础上,本实施例2还提供一种基于机器视觉的车道线检测系统,包括:采集模块,采集车道线的视频;以及识别模块,识别视频中的车道线。
在本实施例中,采集模块采集车道线的视频,以及识别模块识别视频中的车道线的方法在实施例1中已经详细描述,在本实施例中不再赘述。
实施例3
图11是本发明所涉及的基于机器视觉的车道线检测装置的原理框图。
如图11所示,在实施例1和实施例2的基础上,本实施例3还提供一种基于机器视觉的车道线检测装置,包括:控制模块,以及与该控制模块电性连接的采集模块;所述采集模块适于采集车道线的视频;所述控制模块适于识别视频中的车道线。
在本实施例中,所述控制模块适于采用实施例1中的基于机器视觉的车道线检测方法识别视频中的车道线。
综上所述,本发明通过采集车道线的视频;以及识别视频中的车道线,实现了提高检测的准确率和实时性,对于有阴影或者光照不均的路面也能准确检测出来。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (3)
1.一种基于机器视觉的车道线检测方法,其特征在于,包括:
采集车道线的视频;以及
识别视频中的车道线;
所述采集车道线的视频的方法包括:
在行驶过程中连续不断的采集车道线的视频;
所述识别视频中的车道线的方法包括:
当第i帧图像为第一帧图像时,对视频中的第i帧图像进行灰度化得灰度图像;
对灰度图像进行去噪点操作;
对去除噪点后的灰度图像进行二值化获取二值图像;
将二值图像中天空部分去除;
提取去除天空部分的二值图像中各个连通域的特征,去掉除当前所在车道线以外的其他干扰物;
所述识别视频中的车道线的方法还包括:
对第i帧去除干扰物的二值图像作Sobel算子边缘检测,并进行Hough变换拟合车道线;
根据拟合结果得出两车道线的一元一次方程;
根据车道线的一元一次方程分别将左右两条车道线各自连通起来,然后统一连通后的两车道线的上顶点高度,两车道线的下顶点高度为图像高度,得出第i帧图像Hough变换直线图,并检测出第i帧图像的车道线;
当视频中所有帧图像检测完毕时结束检测;
所述识别视频中的车道线的方法还包括:
当视频中所有帧图像未检测完毕时,将第i帧图像Hough变换直线图中的车道线作膨胀操作;
分别紧贴膨胀后的左、右两条车道线作两个矩形框,并分别将这两个矩形框向上、向左、向右各扩大预设数量的像素点以截取第i帧图像的左、右车道线ROI;
将第i帧图像的左、右车道线ROI单独提取,以获取第i帧图像的左、右车道线模板;
将第i帧图像的左、右车道线ROI作为第i+1帧图像左、右车道线的ROI,并对其作灰度化、中值滤波、二值化分别获取第i+1帧图像左、右车道线ROI的二值图像;
第i+1帧图像左、右车道线ROI的二值图像分别与第i帧图像的左、右车道线模板取交集,以去除第i+1帧ROI二值图像中的干扰物;
对第i+1帧去除干扰物的ROI二值图像作Sobel算子边缘检测,并进行Hough变换拟合车道线,检测出第i+1帧图像的车道线,直至视频中所有帧图像检测完毕时结束检测。
2.一种采用如权利要求1所述的基于机器视觉的车道线检测方法的基于机器视觉的车道线检测系统,其特征在于,包括:
采集模块,采集车道线的视频;以及
识别模块,识别视频中的车道线。
3.一种采用如权利要求1所述的基于机器视觉的车道线检测方法的基于机器视觉的车道线检测装置,其特征在于,包括:
控制模块,以及与该控制模块电性连接的采集模块;
所述采集模块适于采集车道线的视频;
所述控制模块适于识别视频中的车道线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110712556.3A CN113591565B (zh) | 2021-06-25 | 2021-06-25 | 基于机器视觉的车道线检测方法、检测系统及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110712556.3A CN113591565B (zh) | 2021-06-25 | 2021-06-25 | 基于机器视觉的车道线检测方法、检测系统及检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113591565A CN113591565A (zh) | 2021-11-02 |
CN113591565B true CN113591565B (zh) | 2023-07-18 |
Family
ID=78244735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110712556.3A Active CN113591565B (zh) | 2021-06-25 | 2021-06-25 | 基于机器视觉的车道线检测方法、检测系统及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113591565B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617412A (zh) * | 2013-10-31 | 2014-03-05 | 电子科技大学 | 实时车道线检测方法 |
CN103996053A (zh) * | 2014-06-05 | 2014-08-20 | 中交第一公路勘察设计研究院有限公司 | 基于机器视觉的车道偏离报警方法 |
CN106904167A (zh) * | 2015-12-18 | 2017-06-30 | 北京奇虎科技有限公司 | 一种基于obd的车道偏离预警方法、车载终端以及智能汽车 |
CN107895151A (zh) * | 2017-11-23 | 2018-04-10 | 长安大学 | 一种强光照条件下基于机器视觉的车道线检测方法 |
CN109398184A (zh) * | 2018-09-29 | 2019-03-01 | 江苏理工学院 | 一种防侧翻俯仰汽车座椅及其使用方法 |
CN109740550A (zh) * | 2019-01-08 | 2019-05-10 | 哈尔滨理工大学 | 一种基于单目视觉的车道线检测与跟踪方法 |
CN110414385A (zh) * | 2019-07-12 | 2019-11-05 | 淮阴工学院 | 一种基于单应性变换和特征窗口的车道线检测方法及系统 |
CN111783666A (zh) * | 2020-07-01 | 2020-10-16 | 北京计算机技术及应用研究所 | 一种基于连续视频帧角点特征匹配的快速车道线检测方法 |
CN112026780A (zh) * | 2020-09-17 | 2020-12-04 | 江苏理工学院 | 一种基于图像投影变化的车道偏离快速预警方法 |
CN112329694A (zh) * | 2020-11-17 | 2021-02-05 | 深圳技术大学 | 一种车道线自动识别的方法、装置及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170330043A1 (en) * | 2016-05-11 | 2017-11-16 | Icatch Technology, Inc. | Method and System for Synthesizing a Lane Image |
-
2021
- 2021-06-25 CN CN202110712556.3A patent/CN113591565B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617412A (zh) * | 2013-10-31 | 2014-03-05 | 电子科技大学 | 实时车道线检测方法 |
CN103996053A (zh) * | 2014-06-05 | 2014-08-20 | 中交第一公路勘察设计研究院有限公司 | 基于机器视觉的车道偏离报警方法 |
CN106904167A (zh) * | 2015-12-18 | 2017-06-30 | 北京奇虎科技有限公司 | 一种基于obd的车道偏离预警方法、车载终端以及智能汽车 |
CN107895151A (zh) * | 2017-11-23 | 2018-04-10 | 长安大学 | 一种强光照条件下基于机器视觉的车道线检测方法 |
CN109398184A (zh) * | 2018-09-29 | 2019-03-01 | 江苏理工学院 | 一种防侧翻俯仰汽车座椅及其使用方法 |
CN109740550A (zh) * | 2019-01-08 | 2019-05-10 | 哈尔滨理工大学 | 一种基于单目视觉的车道线检测与跟踪方法 |
CN110414385A (zh) * | 2019-07-12 | 2019-11-05 | 淮阴工学院 | 一种基于单应性变换和特征窗口的车道线检测方法及系统 |
CN111783666A (zh) * | 2020-07-01 | 2020-10-16 | 北京计算机技术及应用研究所 | 一种基于连续视频帧角点特征匹配的快速车道线检测方法 |
CN112026780A (zh) * | 2020-09-17 | 2020-12-04 | 江苏理工学院 | 一种基于图像投影变化的车道偏离快速预警方法 |
CN112329694A (zh) * | 2020-11-17 | 2021-02-05 | 深圳技术大学 | 一种车道线自动识别的方法、装置及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于改进Hough变换与双点去除R-最小二乘法的车道线检测优化算法;姜立标;李静轩;;科学技术与工程(第05期);第359-365页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113591565A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | A novel license plate location method based on wavelet transform and EMD analysis | |
KR101717613B1 (ko) | 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN102779267B (zh) | 检测图像中特定对象区域的方法和设备 | |
Paunwala et al. | A novel multiple license plate extraction technique for complex background in Indian traffic conditions | |
CN103093229B (zh) | 车标定位方法及装置 | |
CN111627057A (zh) | 一种距离测量方法、装置及服务器 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
Khinchi et al. | A review on automatic number plate recognition technology and methods | |
Chen | Road vehicle recognition algorithm in safety assistant driving based on artificial intelligence | |
CN103971347A (zh) | 视频图像中阴影的处理方法及装置 | |
CN103235940A (zh) | 一种高分辨率图像序列中多车牌检测的方法 | |
CN113591565B (zh) | 基于机器视觉的车道线检测方法、检测系统及检测装置 | |
CN109753880B (zh) | 一种自然场景车载视频道路限速标志的检测与识别方法 | |
Danilescu et al. | Road anomalies detection using basic morphological algorithms | |
Boliwala et al. | Automatic number plate detection for varying illumination conditions | |
Davix et al. | License plate localization by sobel vertical edge detection method | |
CN105740831A (zh) | 一种应用于智能驾驶的停止线检测方法 | |
CN105069410A (zh) | 基于非结构化的道路识别方法及装置 | |
CN115100650A (zh) | 基于多重高斯模型的高速公路异常场景去噪及识别方法、装置 | |
Gu et al. | Robust road lane detection using extremal-region enhancement | |
CN114529715A (zh) | 一种基于边缘提取的图像识别方法及系统 | |
Kaur et al. | An Efficient Method of Number Plate Extraction from Indian Vehicles Image | |
Win et al. | Lane boundaries detection algorithm based on retinex with line segments angles computation | |
JP7264428B2 (ja) | 道路標識認識装置及びそのプログラム |
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 |