CN113705414B - 一种基于图像补偿和色彩增强的车道线识别方法及系统 - Google Patents
一种基于图像补偿和色彩增强的车道线识别方法及系统 Download PDFInfo
- Publication number
- CN113705414B CN113705414B CN202110969285.XA CN202110969285A CN113705414B CN 113705414 B CN113705414 B CN 113705414B CN 202110969285 A CN202110969285 A CN 202110969285A CN 113705414 B CN113705414 B CN 113705414B
- Authority
- CN
- China
- Prior art keywords
- image
- lane
- lane line
- information
- road
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012795 verification Methods 0.000 claims abstract description 63
- 238000005286 illumination Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 10
- 230000009193 crawling Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明适用于图像识别技术领域,尤其涉及一种基于图像补偿和色彩增强的车道线识别方法及系统,所述方法包括:获取实时车道图像、定位信息以及实时光照强度;当实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息;对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像;根据道路信息和定位信息生成验证车道线图像;根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。本发明通过对环境光源进行监测,从而在光照不足的情况下对实时车道图像进行补偿和增强,并结合车道信息对经过图像识别得到的实测车道线图像进行修正,从而保证了对车道线识别的准确性。
Description
技术领域
本发明属于图像识别技术领域,尤其涉及一种基于图像补偿和色彩增强的车道线识别方法及系统。
背景技术
车道分界线是用来分隔同向行驶的交通流的交通标线,一般为的是白色虚、实线或黄色虚、实线。
随着汽车的发展,摄像装置逐渐被应用在汽车上,为了辅助汽车行驶,提高行驶的安全性,人们利用摄像装置对道路进行拍摄,然后对图像进行识别,以确定车道线的位置。
但是现有的车道线识别方法中,在光线不好的情况下,识别率会降低,会造成整体可靠性下降。
发明内容
本发明实施例的目的在于提供一种基于图像补偿和色彩增强的车道线识别方法及系统,旨在解决背景技术中第三部分提出的问题。
本发明实施例是这样实现的,一种基于图像补偿和色彩增强的车道线识别方法,所述方法包括:
获取实时车道图像、定位信息以及实时光照强度,所述实时车道图像至少包括三组;
当实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息,所述道路信息至少包括路线信息和车道信息;
对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像;
根据道路信息和定位信息生成验证车道线图像;
根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。
优选的,所述根据定位信息识别当前道路,并获取当前道路的道路信息的步骤,具体包括:
上传定位信息,根据定位信息定位车辆位置,从而识别当前道路;
根据定位信息确定车辆位于当前道路的车道,并爬取当前道路的道路信息。
优选的,所述对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像的步骤,具体包括:
对实时车道图像进行图像补偿,增加图像的对比度,得到图像补偿图像;
对图像补偿图像进行色彩增强,得到色彩增强图像;
对色彩增强图像进行识别,得到实测车道线图像。
优选的,所述根据道路信息和定位信息生成验证车道线图像的步骤,具体包括:
根据道路信息生成模拟车道图像;
根据模拟车道图像从预设的车道模型数据库中调取对应的多视角车道图像;
根据定位信息对多视角车道图像进行筛选,得到验证车道线图像。
优选的,所述根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像的步骤,具体包括:
逐张读取验证车道线图像,并将验证车道线图像与实测车道线图像进行比对;
当验证车道线图像中车道线与实测车道线图像中的车道线重合率超过预设值时,则将当前验证车道线图像与实测车道线图像合成为车道线识别图像。
优选的,所述对实时车道图像进行图像补偿和色彩增强的步骤中,若实时光照强度超过预设的最大光照强度值,则在图像补偿和色彩增强时降低实时车道图像的亮度。
优选的,所述定位信息通过RTK技术获取。
本发明实施例的另一目的在于提供一种基于图像补偿和色彩增强的车道线识别系统,所述系统包括:
信息获取模块,用于获取实时车道图像、定位信息以及实时光照强度,所述实时车道图像至少包括三组;
道路识别模块,用于在实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息,所述道路信息至少包括路线信息和车道信息;
图像处理模块,用于对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像;
验证图像生成模块,用于根据道路信息和定位信息生成验证车道线图像;
车道线图像生成模块,用于根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。
优选的,所述道路识别模块包括:
第一识别单元,用于上传定位信息,根据定位信息定位车辆位置,从而识别当前道路;
信息爬取单元,用于根据定位信息确定车辆位于当前道路的车道,并爬取当前道路的道路信息。
优选的,所述图像处理模块包括:
图像补偿单元,用于对实时车道图像进行图像补偿,增加图像的对比度,得到图像补偿图像;
色彩增强单元,用于对图像补偿图像进行色彩增强,得到色彩增强图像;
图像识别单元,用于对色彩增强图像进行识别,得到实测车道线图像。
本发明实施例提供基于图像补偿和色彩增强的车道线识别方法,通过对环境光源进行监测,从而在光照不足的情况下对实时车道图像进行补偿和增强,并结合车道信息对经过图像识别得到的实测车道线图像进行修正,从而保证了对车道线识别的准确性。
附图说明
图1为本发明实施例提供的基于图像补偿和色彩增强的车道线识别方法的流程图;
图2为本发明实施例提供的根据定位信息识别当前道路并获取当前道路的道路信息的步骤的流程图;
图3为本发明实施例提供的对实时车道图像进行图像补偿和色彩增强并进行图像识别得到实测车道线图像的步骤的流程图;
图4为本发明实施例提供的根据道路信息和定位信息生成验证车道线图像的步骤的流程图;
图5为本发明实施例提供的根据验证车道线图像对实测车道线图像中的车道线进行修正得到车道线识别图像的步骤的流程图;
图6为本发明实施例提供的基于图像补偿和色彩增强的车道线识别系统的架构图;
图7为本发明实施例提供的道路识别模块的架构图;
图8为本发明实施例提供的图像处理模块的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
随着汽车的发展,摄像装置逐渐被应用在汽车上,为了辅助汽车行驶,提高行驶的安全性,人们利用摄像装置对道路进行拍摄,然后对图像进行识别,以确定车道线的位置。但是现有的车道线识别方法中,在光线不好的情况下,识别率会降低,会造成整体可靠性下降。
在本发明中,通过对环境光源进行监测,从而在光照不足的情况下对实时车道图像进行补偿和增强,并结合车道信息对经过图像识别得到的实测车道线图像进行修正,从而保证了对车道线识别的准确性。
如图1所示,本发明实施例提供的基于图像补偿和色彩增强的车道线识别方法的流程图,所述方法包括:
S100,获取实时车道图像、定位信息以及实时光照强度,所述实时车道图像至少包括三组。
在本步骤中,获取实时车道图像,即对车道进行实时拍摄,在车辆上安装有摄像装置,利用摄像装置对车辆行进方向上的道路进行拍摄,对于绝大多数道路而言,其道路都划分有多条车道,车道与车道之间通过实线或者虚线进行分隔,相邻的两组线之间即为一条车道,通过设置车道能够提高车辆通行的效率,同时车辆在保持在同一个车道行驶时,也能够提高行车的安全性,在进行图像采集的过程中,对实时光照强度进行采集,即利用传感器对车辆所在位置的环境光照强度进行监测,这是由于,对于不同的环境亮度,图像采集得到的实时车道图像的质量是不同的,当光线比较暗淡时,实时车道图像会比较模糊,因此在直接进行识别的时候,其识别率会下降,并在此过程中对车辆的位置信息进行实时获取,具体的,可以采用RTK技术对车辆的位置信息进行获取,由于RTK技术获得的定位精度高,能够精准的确定车辆的位置,当然,为了降低成本,也可以采用gps定位,在进行实时车道图像采集时,每一次至少采集三组。
S200,当实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息,所述道路信息至少包括路线信息和车道信息。
在本步骤中,将实时光照强度与预设光照强度值进行实时对比,在实时光照强度大于预设光照强度值时,则说明目前的光照强度足够,采集得到的实时车道图像能够满足图像识别的精度需求,因此无需进行图像补偿和色彩增强,当然,外界环境的光照强度过强,那么就会造成实时车道图像出现过度曝光等情况,因此也会影响图像识别的准确度,若实时光照强度超过预设的最大光照强度值,则需要降低实时车道图像的亮度;由于车辆在形式过程中,始终会对车辆进行定位,因此,根据定位信息就能够确定当前车辆所行驶的道路,即确定当前道路,并从获取当前道路的道路信息,在识别到当前道路之后,从网络上下载或者从数据库中调取对应的道路信息即可,道路信息至少包括路线信息和车道信息,路线信息即该条道路在各个位置的曲率以及走向等,而车道信息即该道路存在几个车道,每个车道的宽度是多少。
S300,对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像。
在本步骤中,对实时车道图像进行图像补偿和色彩增强,从而提高进行图像识别的准确度,从而最终得到实测车道线图像。
S400,根据道路信息和定位信息生成验证车道线图像。
在本步骤中,在获得道路信息之后,进而根据定位信息,确定当前车辆正处于该道路的那条车道,并且确定车辆所在的位置,由于道路信息中包含有每个车道的宽度信息和路线信息,因此能够生成三维模型,并且根据摄像装置的安装位置,生成验证车道线图像,验证车道线图像即为在三维模型中,以按照摄像装置安装的位置进行拍摄,由于定位并非绝对准确,因此容易存在一定的误差,此时可以在摄像装置安装的位置附近模拟拍摄多张验证车道线图像,即在三维模型中,微量移动摄像装置的位置,以获得摄像装置在安装位置附近的多组验证车道线图像。
S500,根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。
在本步骤中,根据验证车道线图像对实测车道线图像中的车道线进行修正,即将所有验证车道线图像与实测车道线图像进行逐一比对,从而确定验证车道线图像中与实测车道线图像最为接近的一张,进而以该张验证车道线图像对实测车道线图像进行重新绘制,例如对于实测车道线图像而言,其右侧的车道线被遮挡的了一部分,此时将验证车道线图像中的一组能够与实测车道线图像中露出的车道线重合,那么就按照该组验证车道线图像中的车道线对实测车道线图像中的车道线进行修正,得到车道线识别图像。
如图2所示,作为本发明的一个优选实施例,所述根据定位信息识别当前道路,并获取当前道路的道路信息的步骤,具体包括:
S201,上传定位信息,根据定位信息定位车辆位置,从而识别当前道路。
在本步骤中,在获得车辆的定位信息之后,将定位信息上传至服务器,服务器根据当前定位信息,确定车辆在何位置,进而确定当前车辆行驶的道路。
S202,根据定位信息确定车辆位于当前道路的车道,并爬取当前道路的道路信息。
在本步骤中,利用定位信息确定当前车辆所在的车道,并且从网络中获取当前道路的道路信息,对于每条道路而言,其在建设完成之后,其宽度信息和车道的信息都已经确定,从网络获取或者从相应的数据库获取均可。
如图3所示,作为本发明的一个优选实施例,所述对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像的步骤,具体包括:
S301,对实时车道图像进行图像补偿,增加图像的对比度,得到图像补偿图像。
S302,对图像补偿图像进行色彩增强,得到色彩增强图像。
在本步骤中,对实时车道图像进行图像补偿,提高图像的质量,并且调节图像的对比度,使得图像内的车道线与路面之间的对比更加强烈,从而得到图像补偿图像,对图像补偿图像进行色彩增强,车道线的颜色一般是固定的,常见的为黄色和白色,对图像中的黄色和白色进行色彩增强,得到色彩增强图像。
S303,对色彩增强图像进行识别,得到实测车道线图像。
在本步骤中,先对色彩增强图像进行灰度变换,将其转化为灰度图,然后对其进行高斯滤波处理,将其中噪点删除掉,进而进行边缘检测,提取图中的边缘线,随后对存在车道线的区域进行裁剪,并利用霍夫变换确定车道线的位置,从而得到实测车道线图像。
如图4所示,作为本发明的一个优选实施例,所述根据道路信息和定位信息生成验证车道线图像的步骤,具体包括:
S401,根据道路信息生成模拟车道图像。
在本步骤中,获取道路信息之后,其中就包含了车道的宽度,车道的走向,因此可以根据上述信息建立三维模型,并按照摄像装置的设置位置截取对应的模拟车道图像。
S402,根据模拟车道图像从预设的车道模型数据库中调取对应的多视角车道图像。
在本步骤中,模拟车道图像得到之后,其道路的宽度信息是确定的,因此直接从车道模型数据库中调取对应的多视角车道图像,车道模型数据库存储有从各种角度拍摄的各种宽度的车道的图像。
S403,根据定位信息对多视角车道图像进行筛选,得到验证车道线图像。
在本步骤中,根据定位信息能够大致确定车辆的位置,因此能够将不符合的多视角车道图像筛选掉,得到最为接近的一部分多视角车道图像,即验证车道线图像。
如图5所示,作为本发明的一个优选实施例,所述根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像的步骤,具体包括:
S501,逐张读取验证车道线图像,并将验证车道线图像与实测车道线图像进行比对。
在本步骤中,逐张读取验证车道线图像,由于验证车道线图像实际包含多张多视角车道图像,因此为了保证精确度,进行逐张比对,从而确定与实测车道线图像最为接近的一张。
S502,当验证车道线图像中车道线与实测车道线图像中的车道线重合率超过预设值时,则将当前验证车道线图像与实测车道线图像合成为车道线识别图像。
在本步骤中,对验证车道线图像中车道线与实测车道线图像中的车道线重合率进行计算,例如在验证车道线图像中车道线长度为A,实测车道线图像中的车道线长度为B,两者重合的长度为C,那么重合率即为C/B,当重合率超过预设值时,则说明当前验证车道线图像与实测车道线图像基本吻合,在对所有验证车道线图像进行比对过后,将重合率最高的验证车道线图像与实测车道线图像进行复合,由于验证车道线图像中的车道线是完整的,因此,可以弥补实测车道线图像中缺失的部分,最终得到车道线识别图像。
如图6所示,为本发明提供的一种基于图像补偿和色彩增强的车道线识别系统,所述系统包括:
信息获取模块100,用于获取实时车道图像、定位信息以及实时光照强度,所述实时车道图像至少包括三组。
在本系统中,信息获取模块100获取实时车道图像,即对车道进行实时拍摄,在车辆上安装有摄像装置,利用摄像装置对车辆行进方向上的道路进行拍摄,在进行图像采集的过程中,对实时光照强度进行采集,并在此过程中对车辆的位置信息进行实时获取。
道路识别模块200,用于在实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息,所述道路信息至少包括路线信息和车道信息。
在本系统中,道路识别模块200将实时光照强度与预设光照强度值进行实时对比,在实时光照强度大于预设光照强度值时,则说明目前的光照强度足够,采集得到的实时车道图像能够满足图像识别的精度需求,根据定位信息就能够确定当前车辆所行驶的道路,即确定当前道路,并从获取当前道路的道路信息,在识别到当前道路之后,从网络上下载或者从数据库中调取对应的道路信息。
图像处理模块300,用于对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像。
在本系统中,图像处理模块300对实时车道图像进行图像补偿和色彩增强,从而提高进行图像识别的准确度,从而最终得到实测车道线图像。
验证图像生成模块400,用于根据道路信息和定位信息生成验证车道线图像。
在本系统中,验证图像生成模块400在获得道路信息之后,进而根据定位信息,确定当前车辆正处于该道路的那条车道,并且确定车辆所在的位置。
车道线图像生成模块500,用于根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。
在本系统中,车道线图像生成模块500根据验证车道线图像对实测车道线图像中的车道线进行修正,即将所有验证车道线图像与实测车道线图像进行逐一比对,从而确定验证车道线图像中与实测车道线图像最为接近的一张,进而以该张验证车道线图像对实测车道线图像进行重新绘制。
如图7所示,作为本发明的一个优选实施例,所述道路识别模块包括:
第一识别单元201,用于上传定位信息,根据定位信息定位车辆位置,从而识别当前道路。
在本模块中,第一识别单元201在获得车辆的定位信息之后,将定位信息上传至服务器,服务器根据当前定位信息,确定车辆在何位置,进而确定当前车辆行驶的道路。
信息爬取单元202,用于根据定位信息确定车辆位于当前道路的车道,并爬取当前道路的道路信息。
在本模块中,信息爬取单元202利用定位信息确定当前车辆所在的车道,并且从网络中获取当前道路的道路信息,对于每条道路而言,其在建设完成之后,其宽度信息和车道的信息都已经确定,从网络获取或者从相应的数据库获取均可。
如图8所示,作为本发明的一个优选实施例,所述图像处理模块包括:
图像补偿单元301,用于对实时车道图像进行图像补偿,增加图像的对比度,得到图像补偿图像。
色彩增强单元302,用于对图像补偿图像进行色彩增强,得到色彩增强图像。
在本模块中,对实时车道图像进行图像补偿,提高图像的质量,并且调节图像的对比度,使得图像内的车道线与路面之间的对比更加强烈,从而得到图像补偿图像,对图像补偿图像进行色彩增强,车道线的颜色一般是固定的,常见的为黄色和白色,对图像中的黄色和白色进行色彩增强,得到色彩增强图像。
图像识别单元303,用于对色彩增强图像进行识别,得到实测车道线图像。
在本模块中,图像识别单元303先对色彩增强图像进行灰度变换,将其转化为灰度图,然后对其进行高斯滤波处理,将其中噪点删除掉,进而进行边缘检测,提取图中的边缘线,随后对存在车道线的区域进行裁剪,并利用霍夫变换确定车道线的位置,从而得到实测车道线图像。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述方法包括:
获取实时车道图像、定位信息以及实时光照强度,所述实时车道图像至少包括三组;
当实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息,所述道路信息至少包括路线信息和车道信息;所述路线信息为该条道路在各个位置的曲率以及走向;
对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像;
根据道路信息和定位信息生成验证车道线图像;
根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。
2.根据权利要求1所述的基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述根据定位信息识别当前道路,并获取当前道路的道路信息的步骤,具体包括:
上传定位信息,根据定位信息定位车辆位置,从而识别当前道路;
根据定位信息确定车辆位于当前道路的车道,并爬取当前道路的道路信息。
3.根据权利要求1所述的基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像的步骤,具体包括:
对实时车道图像进行图像补偿,增加图像的对比度,得到图像补偿图像;
对图像补偿图像进行色彩增强,得到色彩增强图像;
对色彩增强图像进行识别,得到实测车道线图像。
4.根据权利要求1所述的基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述根据道路信息和定位信息生成验证车道线图像的步骤,具体包括:
根据道路信息生成模拟车道图像;
根据模拟车道图像从预设的车道模型数据库中调取对应的多视角车道图像;
根据定位信息对多视角车道图像进行筛选,得到验证车道线图像。
5.根据权利要求1所述的基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像的步骤,具体包括:
逐张读取验证车道线图像,并将验证车道线图像与实测车道线图像进行比对;
当验证车道线图像中车道线与实测车道线图像中的车道线重合率超过预设值时,则将当前验证车道线图像与实测车道线图像合成为车道线识别图像。
6.根据权利要求1所述的基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述对实时车道图像进行图像补偿和色彩增强的步骤中,若实时光照强度超过预设的最大光照强度值,则在图像补偿和色彩增强时降低实时车道图像的亮度。
7.根据权利要求1所述的基于图像补偿和色彩增强的车道线识别方法,其特征在于,所述定位信息通过RTK技术获取。
8.一种基于图像补偿和色彩增强的车道线识别系统,其特征在于,所述系统包括:
信息获取模块,用于获取实时车道图像、定位信息以及实时光照强度,所述实时车道图像至少包括三组;
道路识别模块,用于在实时光照强度低于预设光照强度值时,根据定位信息识别当前道路,并获取当前道路的道路信息,所述道路信息至少包括路线信息和车道信息;所述路线信息为该条道路在各个位置的曲率以及走向;
图像处理模块,用于对实时车道图像进行图像补偿和色彩增强,并进行图像识别,得到实测车道线图像;
验证图像生成模块,用于根据道路信息和定位信息生成验证车道线图像;
车道线图像生成模块,用于根据验证车道线图像对实测车道线图像中的车道线进行修正,得到车道线识别图像。
9.根据权利要求8所述的基于图像补偿和色彩增强的车道线识别系统,其特征在于,所述道路识别模块包括:
第一识别单元,用于上传定位信息,根据定位信息定位车辆位置,从而识别当前道路;
信息爬取单元,用于根据定位信息确定车辆位于当前道路的车道,并爬取当前道路的道路信息。
10.根据权利要求8所述的基于图像补偿和色彩增强的车道线识别系统,其特征在于,所述图像处理模块包括:
图像补偿单元,用于对实时车道图像进行图像补偿,增加图像的对比度,得到图像补偿图像;
色彩增强单元,用于对图像补偿图像进行色彩增强,得到色彩增强图像;
图像识别单元,用于对色彩增强图像进行识别,得到实测车道线图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969285.XA CN113705414B (zh) | 2021-08-23 | 2021-08-23 | 一种基于图像补偿和色彩增强的车道线识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110969285.XA CN113705414B (zh) | 2021-08-23 | 2021-08-23 | 一种基于图像补偿和色彩增强的车道线识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705414A CN113705414A (zh) | 2021-11-26 |
CN113705414B true CN113705414B (zh) | 2024-02-23 |
Family
ID=78654057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110969285.XA Active CN113705414B (zh) | 2021-08-23 | 2021-08-23 | 一种基于图像补偿和色彩增强的车道线识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705414B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954275A (zh) * | 2014-04-01 | 2014-07-30 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
CN106570446A (zh) * | 2015-10-12 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 车道线提取的方法和装置 |
KR102083909B1 (ko) * | 2018-10-23 | 2020-03-04 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 차선데이터 정보 자동 추출 방법 |
CN110969059A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 车道线识别方法及系统 |
-
2021
- 2021-08-23 CN CN202110969285.XA patent/CN113705414B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954275A (zh) * | 2014-04-01 | 2014-07-30 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
CN106570446A (zh) * | 2015-10-12 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 车道线提取的方法和装置 |
CN110969059A (zh) * | 2018-09-30 | 2020-04-07 | 长城汽车股份有限公司 | 车道线识别方法及系统 |
KR102083909B1 (ko) * | 2018-10-23 | 2020-03-04 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 차선데이터 정보 자동 추출 방법 |
Non-Patent Citations (1)
Title |
---|
用于智能汽车的复杂光照环境车道线检测及跟踪方法;金智林;何麟煊;赵万忠;;汽车安全与节能学报(第04期);第73-80页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113705414A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533925B (zh) | 车辆违法视频的处理方法、装置、计算机设备及存储介质 | |
KR101926561B1 (ko) | 블랙박스 영상을 이용한 딥러닝 기반의 패치 단위 도로 크랙 검출 장치 및 그 방법, 그리고 이 방법을 실행시키기 위해 컴퓨터가 판독 가능한 기록매체에 저장된 컴퓨터 프로그램 | |
US20160007018A1 (en) | Failure detection apparatus and failure detection program | |
RU2017142730A (ru) | Способ навигации по автомобильной стоянке (варианты) и соответствующее автономное транспортное средство | |
CN115917559A (zh) | 轨迹预测方法、装置、计算机设备和存储介质 | |
CN111256687A (zh) | 地图数据的处理方法、装置、采集设备和存储介质 | |
CN111192392B (zh) | 身份验证方法、装置、计算机设备和计算机可读存储介质 | |
CN108847031B (zh) | 交通行为监控方法、装置、计算机设备和存储介质 | |
CN115810134B (zh) | 一种车险反欺诈的图像采集质检方法、系统和装置 | |
CN113705414B (zh) | 一种基于图像补偿和色彩增强的车道线识别方法及系统 | |
CN111091041A (zh) | 一种车辆违法判别方法、装置、计算机设备和存储介质 | |
CN111178224A (zh) | 物体规则判断方法、装置、计算机设备和存储介质 | |
JP2019003574A (ja) | 変化検出装置及び鉄道設備部品の保守管理方法 | |
CN110728680A (zh) | 行车记录仪检测方法、装置、计算机设备和存储介质 | |
JP2020147129A (ja) | 架線金具検出装置および架線金具検出方法 | |
CN112308010B (zh) | 一种基于yolo-v3算法的船只遮挡检测方法及装置 | |
CN109151336B (zh) | 摄像头的同步方法、装置、系统、存储介质及计算机设备 | |
CN115410105A (zh) | 集装箱标记识别方法、装置、计算机设备和存储介质 | |
CN112184814A (zh) | 定位方法和定位系统 | |
CN113643374A (zh) | 基于道路特征的多目相机标定方法、装置、设备和介质 | |
JPH0554196A (ja) | ナンバープレート認識装置 | |
CN111753649B (zh) | 车位检测方法、装置、计算机设备和存储介质 | |
CN113743407B (zh) | 车辆损伤的检测方法、装置、设备及存储介质 | |
CN117671545B (zh) | 一种基于无人机的水库巡检方法及系统 | |
CN117809263B (zh) | 一种智慧街区智能巡检控制方法、装置及介质 |
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 |