CN113723382A - 车道线提点的方法、装置和计算机设备 - Google Patents

车道线提点的方法、装置和计算机设备 Download PDF

Info

Publication number
CN113723382A
CN113723382A CN202111291137.3A CN202111291137A CN113723382A CN 113723382 A CN113723382 A CN 113723382A CN 202111291137 A CN202111291137 A CN 202111291137A CN 113723382 A CN113723382 A CN 113723382A
Authority
CN
China
Prior art keywords
lane line
connected domain
lane
obtaining
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.)
Granted
Application number
CN202111291137.3A
Other languages
English (en)
Other versions
CN113723382B (zh
Inventor
闫琰
刘国清
杨广
王启程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Youjia Innovation Technology Co.,Ltd.
Original Assignee
Shenzhen Minieye Innovation Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Minieye Innovation Technology Co Ltd filed Critical Shenzhen Minieye Innovation Technology Co Ltd
Priority to CN202111291137.3A priority Critical patent/CN113723382B/zh
Publication of CN113723382A publication Critical patent/CN113723382A/zh
Application granted granted Critical
Publication of CN113723382B publication Critical patent/CN113723382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling

Abstract

本申请涉及一种车道线提点的方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：通过获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。采用本方法能够得到准确的车道线提点结果。

Description

车道线提点的方法、装置和计算机设备
技术领域
本申请涉及自动驾驶技术领域，特别是涉及一种车道线提点的方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着自动驾驶技术的发展，越来越多的家用车和商用车可以配置自动驾驶和辅助驾驶相关的装置，自动驾驶在民用领域最显著的特点是需要对公路上的车道线进行识别，由此出现了车道识别技术。在车道识别技术中，通过车道线图像得到每条车道线所在区域的连通域，在得到车道线连通域后提取车道线的多个采样点的步骤称为车道线提点，提点的结果可用于后续拟合车道线曲线方程和对车道线进行运动跟踪。
传统技术中，对车道线的识别是通过单线激光雷达对车道线线进行扫描，这种对于正常的车道线具有准确性和可靠性，但是对于多条车道线在远端容易连在一起的情况，存在车道线提点结果不准确的问题。
发明内容
基于此，有必要针对车道线提点结果不准确的技术问题，提供一种能够支持准确的车道线提点方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种车道线提点的方法。所述方法包括：
获取车道线区域图像；
根据车道线区域图像，获得车道线连通域；
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
在其中一个实施例中，根据车道线区域图像，获得车道线连通域包括：
对车道线区域图像进行二值化处理，获得车道线二值化图像；
根据车道线二值化图像，获得多个独立的车道线连通域。
在其中一个实施例中，存在分叉点的车道线连通域包括一端为分叉点的线段；
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：
根据一端为分叉点的线段，通过线段拟合获得一端为分叉点的线段的拟合曲线；
根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域。
在其中一个实施例中，一端为分叉点的线段包括车远端线段和车近端线段；
根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域包括：
根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线；
根据归并后的曲线和车道线连通域，获得多车道分离的连通域。
在其中一个实施例中，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果包括：
根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得车道线提点结果。
在其中一个实施例中，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域之前，还包括：
通过细化算法，获得车道线连通域对应的细化后的车道线连通域；
根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域；
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：
若过滤后的车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
第二方面，本申请还提供了一种车道线提点的装置。所述装置包括：
图像获取模块，用于获取车道线区域图像；
连通域获取模块，用于根据车道线区域图像，获得车道线连通域；
分叉点处理模块，用于若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
提点结果获取模块，用于根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
上述车道线提点方法、装置、计算机设备、存储介质和计算机程序产品，通过获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。上述方案，通过车道线区域图像，获得车道线连通域，通过对车道线连通域的分叉点处理和分段采样，得到了准确的车道线提点结果。
附图说明
图1为一个实施例中车道线提点方法的应用环境图；
图2为一个实施例中车道线提点方法的流程示意图；
图3为另一个实施例中车道线提点方法的流程示意图；
图4为另一个实施例中车道线提点方法的像素位置示意图；
图5为又一个实施例中车道线提点方法的流程示意图；
图6为一个实施例中车道线提点方法的车道线区域图像；
图7为一个实施例中车道线提点方法的车道线连通域二值图像；
图8为一个实施例中车道线提点方法的细化后的车道线连通域；
图9为一个实施例中车道线提点方法的车道线连通域宽度延伸尾部示意图；
图10为一个实施例中车道线提点方法的过滤后的车道线连通域；
图11为一个实施例中车道线提点方法的车道线连通域分叉点示意图；
图12为一个实施例中车道线提点方法的车道线连通域采样结果示意图；
图13为一个实施例中车道线提点装置的结构框图；
图14为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的车道线提点方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102通过获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果，服务器104接受终端102发送的车道线提点结果。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种车道线提点方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S200，获取车道线区域图像。
其中，车道线指实际路面上的虚实线、实虚线、双实线以及双虚线等用多条并排线标识的道路线。车道线区域图像基于摄像原理，通过摄像装置获取到道路中的车道线区域。
具体地，可以为通过在汽车的车前纵向中心深处安装摄像装置，通过该车载摄像装置获取车辆当前所处的路面信息，并生成路面信息图像，对路面信息图像，采集带有路面车道线的感兴趣区域，提取感兴趣区域，形成车道线区域图像，可选地，也可以通过空中摄像装置的获取车道线区域图像，本实施例对此不做具体限定。车道线区域图像可以是彩色图、灰度图或黑白图中的任意一种，本实施例对此不做具体限定。可选地，车道线区域图像还可以是经过截取处理的图像，本实施例对此不做具体限定。
S400，根据车道线区域图像，获得车道线连通域。
其中，连通域是指图像中相同分类通过四邻域或者八邻域相互连接的一块区域上点的集合，像素间的连通性是确定区域的一个重要概念，常用的连通性有四连通和八连通，四连通选取目标像素的上、下、左、右四个点，八连通除了四连通的点外，还包括左上、右上、左下、右下四个点。
具体地，根据车道线区域图像，获得车道线连通域。
S600，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
其中，基于车道线区域图像拍摄的视角，当道路上的车道线清晰可见且前方无遮挡物时，所有的车道线会相交于图像的消失点，且越靠近图像两侧的车道线之间的距离越近，在图像处理过程中，很容易发生多条车道线相交或是粘连，从而多条车道线构成一个连通域，这种多条车道线由于相交或者粘连构成一个连通域时的交点即为车道线连通域的交叉点。如果连通域中出现交叉点的情况，要进行车道线的分离具有一定的难度。现有的技术中，进行车道线的分离通常可以采用基于复杂图形学操作的方法，但是实验证明该方法较为耗时，运行速率低，不能满足实时性需求。由此，本方案提出基于分叉点处理的方法获得多车道线分离的连通域。
具体地，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
S800，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
其中，通过深度学习神经网络或者传统图像处理算法对车道线区域图像中的车道线进行提取，得到每条车道所在区域的连通域，车道线提点就是在得到车道线连通域后提取出车道线上的采样点的过程。车道线提点的准确性主要体现在两个方面：一、能否最大程度地保留车道线连通域的曲线形态大体趋势，并平滑连通域的不规则部分；二、能否将一些连通在一个连通域中的多条车道线区分开来。因此，为达到准确的车道线提点效果，本方案采用分段采样的方法。
具体地，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
上述车道线提点方法中，通过获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。本实施例的方案，通过车道线区域图像，获得车道线连通域，通过对车道线连通域的分叉点处理和分段采样，得到了准确的车道线提点结果。
在其中一个实施例中，S400根据车道线区域图像，获得车道线连通域包括：
S420：对车道线区域图像进行二值化处理，获得车道线二值化图像。
S440：根据车道线二值化图像，获得多个独立的车道线连通域。
本实施例中，根据车道线区域图像，通过二值化处理，提取出车道线连通域，具体地，首先将车道线区域图像进行灰度的转换，获得该车道线区域图像对应的灰度图像，再将该灰度图像二值化，获得二值化图像，最后，进一步地提取出该二值化图像的一个或者多个连通域图像，即获得一个或者多个由边界围成的连通区域的相关图像；可以通过检测边界的方式提取出多个独立的连通域图像。
需要说明的是，该连通域图像可以为八邻接的连通域或四邻接的连通域，本实施例对此不作限制。具体应用中，提取连通域的操作可以是通过Two-Pass法、Seed-Filling种子填充法或者广度优先搜索算法进行。然后，将车道线区域图像进行灰度的转换，获得该车道线区域图像对应的灰度图像，具体而言，终端或服务器可以通过分量法、最大值法、平均值法及加权平均法等方法针对该车道线区域图像进行灰度化处理。进一步地，可以针对灰度化图像进行二值化，获得二值化图像，即将通过选取适当的阈值，将灰度图像上的像素点的灰度值设置为0或255（黑色像素点代表的灰度值为0，白色像素点代表的灰度值为255），使整个图像呈现出黑白的效果。
上述实施例的方案，通过对车道线区域图像进行二值化处理，获得车道线二值化图像，根据该二值化图像进行连通域提取，获得连通域图像；具体地，可以通过Two-Pass法、Seed-Filling种子填充法或者广度优先搜索算法进行连通域提取，获得多个独立的车道线连通域，提高了车道线连通域的准确性。
在其中一个实施例中，如图3所示，S500包括：
S520：通过细化算法，获得车道线连通域对应的细化后的车道线连通域。
S540：根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域。
本实施例中，通过细化算法，获得车道线连通域对应的细化后的车道线连通域，具体地，由于车道线连通域存在车远段和车近端宽度不一致和边缘处不够平滑的问题，不利于进行采样提点，其中，车远端指的是离车身距离远的一端，车近端指的是离车身距离近的一端，因此，本方案中实施例中对于每个连通域进行细化操作。
进一步地，细化操作主要是在保持车道线连通域形态的前提下将连通域线条从多像素宽度减少到单位像素宽度，可选地，本实施例中采用的Zhang-Suen细化算法，该算法通常是一个迭代算法，整个迭代过程分为两步：
第一步：循环车道线连通域的所有前景像素点，对符合如下条件的像素点标记为删除：
1、2 <= N(P1) <=6
2、S(P1) = 1
3、P2 * P4 * P6 = 0
4、P4 * P6 * P8 = 0
其中N(P1)表示跟P1相邻的8个像素点中，为前景像素点的个数，S(P1)表示从P2～P9～P2像素中出现0～1的累计次数，其中0表示背景，1表示前景，完整的P1～P9的像素位置与举例如图4所示，其中 N(P1)=4，S(P1)=3，P2*P4*P6=0*0*0=0，P4*P6*P8=0*0*1=0，不符合条件，无需标记为删除。
第二步：跟第一步很类似，条件1和条件2完全一致，只是条件3和条件4稍微不同，满足如下条件的像素P1则标记为删除，条件如下：
1、2 <= N(P1) <=6
2、S(P1) = 1
3、P2 * P4 * P8 = 0
4、P2 * P6 * P8 = 0
循环上述两个步，直到两步中都没有像素被标记为删除为止，输出的结果即为细化后的车道线连通域。
然后，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域，具体地，统计细化后的车道线连通域在透视图纵向y轴上的延伸长度len_y，在车近端取len_y/5的部分，统计细化前的车道线连通域上每一行车道线持续延伸的宽度，如果同一行有多段车道线延伸，则按照纵向的连通性分开统计，统计各条细化后的车道线车道线连通域在车近端len_y/5部分的平均宽度ave_w，将所在行宽度小于ave_w/2的点过滤掉。这一操作是为了去除近车道线连通域较宽导致的拖尾现象，得到过滤后的车道线连通域。可选地，车近端部分还可以选取len_y/4的车近端部分或者len_y/6的车近端部分，本实施例对此不做限定，过滤所在行宽度小于ave_w/2的点，还可以选取ave_w/1.5或者ave_w/2.5的点，本实施例对此不做限定。
上述实施例的方案，通过细化算法，获得车道线连通域对应的细化后的车道线连通域，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域，消除了车道线连通域宽度大小不均匀和边缘不规则的影响，有效提高了车道线连通域的形态保留程度，进而为准确的车道线提点准备了前提条件。
在其中一个实施例中，如图5所示，S600若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：
S602：根据一端为分叉点的线段，通过线段拟合获得一端为分叉点的线段的拟合曲线。
S604：根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域。
S606：根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线。
S608：根据归并后的曲线和车道线连通域，获得多车道分离的连通域。
本实施例中，以过滤后的车道线连通域上每个点为中心画一个N*N的框，将框中不与该点通过八邻域延伸连接的点清空，查找非车道线的点构成了几个连通域，若多于２个，则该点属于分岔点。分岔点将车道线连通域分为了两类线段，即一端为分岔点的线段和两端均为分岔点的线段，将两端均为分岔点的线段上所有点过滤掉，对一端为分岔点的线段进行拟合和归并，获得多车道分离的连通域，
具体地，通过最高三次项方程拟合每条线段，获得每条线段对应的拟合曲线，计算得到每条线段上的点到对应拟合曲线的平均横向距离；将在纵向坐标上有重叠区域的线段分到同一簇；将车远端的簇里的某一条线段记为线段a，将车近端的簇中与线段a接近度最高的线段记为线段b，将线段a和线段b连接为一条曲线记为曲线ab，通过最高三项式方差得到曲线ab对应的拟合曲线，将线段a上的点到线段a对应的拟合曲线的平均横向距离记为dist_a，将线段b上的点到线段b对应的拟合曲线的平均横向距离记为dist_b，将曲线ab上的点到曲线ab对应的拟合曲线的平均横向距离记为dist_ab，接近度为dist_a+dist_b-dist_ab；根据线段a以及线段b与拟合曲线的接近度，若最大的接近度大于预设阈值，则判断该线段a和线段b可以归并同一条，若最大的接近度小于等于预设阈值，则任意一条线段a和任意一条线段b不能归并为同一条。上述操作，将多条车道线准确分离，得到了多车道分离的连通域。
上述实施例的方案，若过滤后的车道线连通域存在分叉点，通过拟合和归并曲线的分叉点处理方法，能够将多条车道线准确分离，得到了多车道分离的连通域，为获得准确的车道线提点准备了前提条件。
在其中一个实施例中，S800根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果包括：
S802：根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得每条车道线的提点结果。
本实施例中，根据得到的多车道线分离的连通域，对于每个车道线连通域，结合摄像头内外参，得到每个车道线连通域的点在车身坐标系下的坐标，根据车身坐标系纵向由车近段到车远端采样密度依次下降的方式采样，可选地，在车身坐标系纵向的0~20米区间，每１米采样一个点，在20~50米区间每2米采样一个点，在50~120米区间，每5米采样一个点，具体的采样区间和密度可以根据摄像头内外参和后续算法精度要求来确定，进一步地，获得了每条车道线的提点结果。
上述实施例的方案，根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得了每条车道线的提点结果，实现了获得准确的车道线提点结果。
在一个实施例中，提供了一种车道线提点方法，该方法包括：
本实施例中，首先通过车载摄像头拍摄道路的车道线区域图像，该车道线区域图像如图6所示，对车道线区域图形进行二值化处理，通过广度优先搜索查找算法，提取出多个独立的车道线连通域，该车道线连通域如图7所示，通过Zhang-Suen细化算法，获得车道线连通域对应的细化后的车道线连通域，该细化后的连通域如图8所示，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，该尾部在图9中用灰色框标出部分，得到过滤后的车道线连通域，该过滤后的车道线连通域如图10所示，由于该车道线连通域存在分叉点，分叉点在图11中用三个虚线框标识出来，根据一端为分叉点的线段，通过最高三次项方程拟合每条线段，获得对应的拟合曲线，根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线，由于最大接近度大于预设阈值，则车远端线段与一条车近端线段归并为一条曲线，根据归并后的曲线和车道线连通域，获得多车道分离的连通域，根据车道线连通域和多车道线分离的连通域，通过根据车身坐标系，由车近端到车远端0~20米区间每１米采样一个点，20~50米区间每2米采样一个点，50~120米区间每5米采样一个点的方式采样，获得每条车道线的提点结果，该车道线提点如图12所示。
应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车道线提点方法的车道线提点装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车道线提点装置实施例中的具体限定可以参见上文中对于车道线提点方法的限定，在此不再赘述。
在一个实施例中，如图13所示，提供了一种车道线提点装置100，包括：图像获取模块120、连通域获取模块140、分叉点处理模块160和提点结果获取模块180，其中：
图像获取模块120，用于获取车道线区域图像；
连通域获取模块140，用于根据车道线区域图像，获得车道线连通域；
分叉点处理模块160，用于若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
提点结果获取模块180，用于根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
上述车道线提点装置中，通过获取车道线区域图像，根据车道线区域图像，获得车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域，根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。本实施例的方案，通过车道线区域图像，获得车道线连通域，通过对车道线连通域的分叉点处理和分段采样，得到了准确的车道线提点结果。
在一个实施例中，连通域获取模块140还用于对车道线区域图像进行二值化处理，获得车道线二值化图像，根据车道线二值化图像，获得多个独立的车道线连通域。
在一个实施例中，分叉点处理模块160中存在分叉点的车道线连通域包括一端为分叉点的线段，还用于根据一端为分叉点的线段，通过线段拟合获得一端为分叉点的线段的拟合曲线，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域。
在一个实施例中，分叉点处理模块160中一端为分叉点的线段包括车远端线段和车近端线段，还用于根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线，根据归并后的曲线和车道线连通域，获得多车道分离的连通域。
在一个实施例中，提点结果获取模块180还用于根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得每条车道线的提点结果。
在一个实施例中，车道线提点装置100还用于若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域之前，还用于通过细化算法，获得车道线连通域对应的细化后的车道线连通域，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域，所述若所述车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：若所述过滤后的车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
上述车道线提点装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车道线提点结果数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车道线提点方法。
本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取车道线区域图像；
根据车道线区域图像，获得车道线连通域；
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
存在分叉点的车道线连通域包括一端为分叉点的线段，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：根据一端为分叉点的线段，通过线段拟合获得一端为分叉点的线段的拟合曲线，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
一端为分叉点的线段包括车远端线段和车近端线段，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域包括：根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线，根据归并后的曲线和车道线连通域，获得多车道分离的连通域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得每条车道线的提点结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域之前，还包括：通过细化算法，获得车道线连通域对应的细化后的车道线连通域，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：若过滤后的车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取车道线区域图像；
根据车道线区域图像，获得车道线连通域；
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对车道线区域图像进行二值化处理，获得车道线二值化图像，根据车道线二值化图像，获得多个独立的车道线连通域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
存在分叉点的车道线连通域包括一端为分叉点的线段，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：根据一端为分叉点的线段，通过线段拟合获得一端为分叉点的线段的拟合曲线，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
一端为分叉点的线段包括车远端线段和车近端线段，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域包括：根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线，根据归并后的曲线和车道线连通域，获得多车道分离的连通域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得每条车道线的提点结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域之前，还包括：通过细化算法，获得车道线连通域对应的细化后的车道线连通域，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括，若过滤后的车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取车道线区域图像；
根据车道线区域图像，获得车道线连通域；
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
根据车道线连通域和多车道线分离的连通域，通过分段采样获得车道线提点结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对车道线区域图像进行二值化处理，获得车道线二值化图像，根据车道线二值化图像，获得多个独立的车道线连通域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
存在分叉点的车道线连通域包括一端为分叉点的线段，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：根据一端为分叉点的线段，通过线段拟合获得一端为分叉点的线段的拟合曲线，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
一端为分叉点的线段包括车远端线段和车近端线段，根据拟合曲线和一端为分叉点的线段，获得多车道线分离的连通域包括：根据车远端线段以及车近端线段与拟合曲线的接近度，获得归并后的曲线，根据归并后的曲线和车道线连通域，获得多车道分离的连通域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据车道线连通域和多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得每条车道线的提点结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域之前，还包括：通过细化算法，获得车道线连通域对应的细化后的车道线连通域，根据细化后的车道线连通域车近端的平均宽度，过滤车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域，若车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：若过滤后的车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上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申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种车道线提点的方法，其特征在于，所述方法包括：
获取车道线区域图像；
根据所述车道线区域图像，获得车道线连通域；
若所述车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
根据所述车道线连通域和所述多车道线分离的连通域，通过分段采样获得车道线提点结果。
2.根据权利要求1所述的车道线提点的方法，其特征在于，所述根据所述车道线区域图像，获得车道线连通域包括：
对所述车道线区域图像进行二值化处理，获得车道线二值化图像；
根据所述车道线二值化图像，获得多个独立的车道线连通域。
3.根据权利要求1所述的车道线提点的方法，其特征在于，存在分叉点的所述车道线连通域包括一端为分叉点的线段；
所述若所述车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：
根据所述一端为分叉点的线段，通过线段拟合获得所述一端为分叉点的线段的拟合曲线；
根据所述拟合曲线和所述一端为分叉点的线段，获得多车道线分离的连通域。
4.根据权利要求3所述的车道线提点的方法，其特征在于，所述一端为分叉点的线段包括车远端线段和车近端线段；
所述根据所述拟合曲线和所述一端为分叉点的线段，获得多车道线分离的连通域包括：
根据所述车远端线段以及所述车近端线段与所述拟合曲线的接近度，获得归并后的曲线；
根据所述归并后的曲线和所述车道线连通域，获得多车道分离的连通域。
5.根据权利要求1所述的方法，其特征在于，所述根据所述车道线连通域和所述多车道线分离的连通域，通过分段采样获得车道线提点结果包括：
根据所述车道线连通域和所述多车道线分离的连通域，通过由车近端到车远端采样密度依次下降的方式采样，获得每条车道线的提点结果。
6.根据权利要求1所述的车道线提点的方法，其特征在于，所述若所述车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域之前，还包括：
通过细化算法，获得所述车道线连通域对应的细化后的车道线连通域；
根据所述细化后的车道线连通域车近端的平均宽度，过滤所述车道线连通域中宽度延伸的尾部，得到过滤后的车道线连通域；
所述若所述车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域包括：
若所述过滤后的车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域。
7.一种车道线提点的装置，其特征在于，所述装置包括：
图像获取模块，用于获取车道线区域图像；
连通域获取模块，用于根据所述车道线区域图像，获得车道线连通域；
分叉点处理模块，用于若所述车道线连通域存在分叉点，则通过分叉点处理获得多车道线分离的连通域；
提点结果获取模块，用于根据所述车道线连通域和所述多车道线分离的连通域，通过分段采样获得车道线提点结果。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111291137.3A 2021-11-03 2021-11-03 车道线提点的方法、装置和计算机设备 Active CN113723382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111291137.3A CN113723382B (zh) 2021-11-03 2021-11-03 车道线提点的方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111291137.3A CN113723382B (zh) 2021-11-03 2021-11-03 车道线提点的方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN113723382A true CN113723382A (zh) 2021-11-30
CN113723382B CN113723382B (zh) 2022-04-26

Family

ID=78686555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111291137.3A Active CN113723382B (zh) 2021-11-03 2021-11-03 车道线提点的方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN113723382B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113903016A (zh) * 2021-12-09 2022-01-07 深圳佑驾创新科技有限公司 分岔点检测方法、装置、计算机设备和计算机程序产品
CN114998350A (zh) * 2022-08-04 2022-09-02 山东泗水泰和石材有限公司 基于图像处理的石材缺陷检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868696A (zh) * 2016-03-23 2016-08-17 奇瑞汽车股份有限公司 一种检测多车道车道线的方法和装置
CN111213154A (zh) * 2019-03-08 2020-05-29 深圳市大疆创新科技有限公司 一种车道线检测方法、设备、移动平台及存储介质
CN112818778A (zh) * 2021-01-21 2021-05-18 北京地平线机器人技术研发有限公司 车道线拟合方法、装置、介质以及电子设备
CN113160351A (zh) * 2020-01-22 2021-07-23 阿里巴巴集团控股有限公司 一种车道线分段方法、装置和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868696A (zh) * 2016-03-23 2016-08-17 奇瑞汽车股份有限公司 一种检测多车道车道线的方法和装置
CN111213154A (zh) * 2019-03-08 2020-05-29 深圳市大疆创新科技有限公司 一种车道线检测方法、设备、移动平台及存储介质
CN113160351A (zh) * 2020-01-22 2021-07-23 阿里巴巴集团控股有限公司 一种车道线分段方法、装置和电子设备
CN112818778A (zh) * 2021-01-21 2021-05-18 北京地平线机器人技术研发有限公司 车道线拟合方法、装置、介质以及电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113903016A (zh) * 2021-12-09 2022-01-07 深圳佑驾创新科技有限公司 分岔点检测方法、装置、计算机设备和计算机程序产品
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
CN114998350A (zh) * 2022-08-04 2022-09-02 山东泗水泰和石材有限公司 基于图像处理的石材缺陷检测方法
CN114998350B (zh) * 2022-08-04 2022-10-25 山东泗水泰和石材有限公司 基于图像处理的石材缺陷检测方法

Also Published As

Publication number Publication date
CN113723382B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
Zhang et al. CCTSDB 2021: a more comprehensive traffic sign detection benchmark
CN112132156B (zh) 多深度特征融合的图像显著性目标检测方法及系统
CN113723382B (zh) 车道线提点的方法、装置和计算机设备
CN112528878A (zh) 检测车道线的方法、装置、终端设备及可读存储介质
WO2022126377A1 (zh) 检测车道线的方法、装置、终端设备及可读存储介质
CN108280450A (zh) 一种基于车道线的高速公路路面检测方法
JP2019061658A (ja) 領域判別器訓練方法、領域判別装置、領域判別器訓練装置及びプログラム
CN111178253A (zh) 自动驾驶的视觉感知方法、装置、计算机设备和存储介质
CN108171695A (zh) 一种基于图像处理的高速公路路面检测方法
CN110287884B (zh) 一种辅助驾驶中压线检测方法
JP2022507077A (ja) 区画線属性検出方法、装置、電子機器及び可読記憶媒体
CN104915642B (zh) 前方车辆测距方法及装置
CN109977776A (zh) 一种车道线检测方法、装置及车载设备
CN111837158A (zh) 图像处理方法、装置、拍摄装置和可移动平台
CN113343778A (zh) 一种基于LaneSegNet的车道线检测方法及系统
Wang et al. An accurate and efficient multi-category edge detection method
CN109784171A (zh) 车辆定损图像筛选方法、装置、可读存储介质及服务器
CN114708547A (zh) 车辆重识别方法、装置、计算机设备、存储介质
CN110458029B (zh) 一种雾天环境中的车辆检测方法及装置
CN112307989A (zh) 路面物体识别方法、装置、计算机设备和存储介质
CN110335322B (zh) 基于图像的道路识别方法及道路识别装置
CN117037103A (zh) 一种道路检测方法和装置
Chen Road vehicle recognition algorithm in safety assistant driving based on artificial intelligence
EP4287137A1 (en) Method, device, equipment, storage media and system for detecting drivable space of road
Gong et al. Complex lane detection based on dynamic constraint of the double threshold

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Floor 25, Block A, Zhongzhou Binhai Commercial Center Phase II, No. 9285, Binhe Boulevard, Shangsha Community, Shatou Street, Futian District, Shenzhen, Guangdong 518000

Patentee after: Shenzhen Youjia Innovation Technology Co.,Ltd.

Address before: 518051 1101, west block, Skyworth semiconductor design building, 18 Gaoxin South 4th Road, Gaoxin community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN MINIEYE INNOVATION TECHNOLOGY Co.,Ltd.