CN113792601B - 基于霍夫直线检测结果的车位线拟合方法及系统 - Google Patents
基于霍夫直线检测结果的车位线拟合方法及系统 Download PDFInfo
- Publication number
- CN113792601B CN113792601B CN202110918124.8A CN202110918124A CN113792601B CN 113792601 B CN113792601 B CN 113792601B CN 202110918124 A CN202110918124 A CN 202110918124A CN 113792601 B CN113792601 B CN 113792601B
- Authority
- CN
- China
- Prior art keywords
- line
- parking space
- line segments
- line segment
- segments
- 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 46
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 238000007499 fusion processing Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种基于霍夫直线检测结果的车位线拟合方法及系统,该方法包括:通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;根据所述融合线段获得目标车位线。本发明实施例考虑到停车线本身具有一定的宽度以及摄像头感知存在误差,因而通过对多组相似线段进行融合,将具有一定宽度的车位线仅识别成为一条停车线,提高了检测精度。
Description
技术领域
本发明涉及智能驾驶领域,更具体地,涉及一种基于霍夫直线检测结果的车位线拟合方法及系统。
背景技术
自动泊车的目的是提高泊车的方便性,为驾驶员提供安全舒适且快捷的泊车服务,降低驾驶员泊车的难度。自动泊车中,需要对车位进行自动识别。在对车位进行识别的过程中,主要是把霍夫直线检测得到的一系列直线,通过拟合计算,得到最佳车位线。
目前的车位线拟合技术主要依赖于对直线进行一系列处理,最后得到车位线。车位线本身都是有一定宽度的,并且摄像头感知也存在误差,因而识别精度较低。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于霍夫直线检测结果的车位线拟合方法及系统。
根据本发明实施例的第一方面,提供一种基于霍夫直线检测结果的车位线拟合方法,该方法包括:通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;根据所述融合线段获得目标车位线。
根据本发明实施例第二方面,提供了一种基于霍夫直线检测结果的车位线拟合系统,该系统包括:通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;根据所述融合线段获得目标车位线。
根据本发明实施例的第三方面,提供了一种电子设备,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,处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于霍夫直线检测结果的车位线拟合方法。
根据本发明实施例的第四方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于霍夫直线检测结果的车位线拟合方法。
本发明实施例提供的基于霍夫直线检测结果的车位线拟合方法及系统,考虑到停车线本身具有一定的宽度以及摄像头感知存在误差,因而通过对多组相似线段进行融合,将具有一定宽度的车位线仅识别成为一条停车线,提高了检测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的基于霍夫直线检测结果的车位线拟合方法的流程示意图;
图2为本发明实施例提供的晴天水平车位场景图;
图3为本发明实施例提供的雨天水平车位场景图;
图4为本发明实施例提供的基于霍夫直线检测结果的车位线拟合系统的结构示意图;
图5为本发明实施例提供的电子设备的实体结构示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,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。
自动泊车中,需要对车位进行自动识别。在对车位进行识别的过程中,主要是把霍夫直线检测得到的一系列直线,通过拟合计算,得到最佳车位线。目前的车位线拟合技术主要依赖于对直线进行一系列处理,最后得到车位线。车位线本身都是有一定宽度的,并且摄像头感知也存在误差,因而识别精度较低。
针对现有技术中存在的上述问题,本发明实施例提供一种基于霍夫直线检测结果的车位线拟合方法,该方法解决了通过霍夫曼直线拼接车位的问题,同时也更加精细地区分车位线的内外边线,能识别U型车位、矩形的水平车位和垂直车位,识别精度高,满足泊车系统的要求。参见附图1,该方法包括但不限于如下步骤:
步骤101、通过霍夫直线检测得到线段,根据所述线段获得多组相似线段。
具体地,霍夫直线检测方法是现有技术中已知的方案,本发明实施例在此不再赘述。而本步骤中,作为一种可选实施例,步骤101可进一步包括如下步骤:
步骤1011、将通过霍夫直线检测得到线段区分为水平方向线段和垂直方向线段。
具体地,本步骤中,可以通过如下方式进行区分:在图像上标准水平线上下一定度数(例如45°)内认为是水平方向线段,在标准垂直线左右一定度数(例如45°)内认为是垂直方向线段。
步骤1012、分别对所述水平方向线段和所述垂直方向线段进行分类,获得多组所述相似线段。
其中,作为一种可选实施例,步骤1012可进一步包括如下步骤:
若任意两根所述线段之间的距离在第一预设数量的像素内且夹角在第一预设角度值内,则确认两根所述线段为一组所述相似线段。
具体地,本步骤中,把水平方向线段和垂直方向线段分别找出多组相似的,具体可通过如下方式:如果两根线段的距离在第一预设数量(例如10个)像素(应当说明的是,第一预设数量可以取决于相机分辨率)内且夹角在第一预设角度值(例如5°)以内,就认为这两根线段相似,把水平方向线段和垂直方向线段按照这个条件,就可以分出多组相似的线段。
步骤102、对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段。
具体地,实施该步骤的原因是考虑到停车线本身是有一定宽度的,因而可能在图像识别的过程中将一条线识别成了多条线,从而造成识别不准确以及数据匹配时数据量大的技术问题,因而本步骤的目的是多组相似线段的融合,能够将较宽的一条线仅识别成一条线段。
本步骤102可进一步包括如下步骤:
步骤1021、针对每组所述相似线段,获得所述相似线段的最大外接矩形的中心点,并获得所述相似线段的平均斜率;
步骤1022、根据所述中心点和所述平均斜率确定一条直线,并确定所述直线与所述外接矩形的两个交点;
步骤1023、将所述直线与两个所述交点所形成的线段作为这一组所述相似线段的融合线段。
具体地,对每组线段找出它们的最大外接矩形的中心点,再求它们的平均斜率,由中心点和平均斜率确定一条直线,直线和外接矩形两个交点确定一条线段,这条线段就是这组相似线段的融合线段。
基于上述实施例的内容,作为一种可选实施例,将所述直线与两个所述交点所形成的线段作为这一组所述相似线段的融合线段之后,还包括如下步骤:
将水平方向的所述融合线段中长度大于水平方向车位线一半长度的所述融合线段作为有效的所述融合线段;
将垂直方向的所述融合线段中长度大于垂直方向车位线一半长度的所述融合线段作为有效的所述融合线段。
具体地,本发明实施例对上述两个筛选的步骤执行先后顺序不做限定。该步骤中,其目的是筛选出合适的融合线段,避免将不相关的线段识别为融合线段。本步骤中,有效融合线段(水平线)取大于水平方向车位长度一半的线段,有效融合线段(垂直线)取大于垂直方向车位长度一半的线段,最后得到有效的融合线段。
步骤103、根据所述融合线段获得目标车位线。具体地,本步骤103可进一步包括如下步骤:
步骤1031、从所述融合线段中查找能够组成车位长边的线段对、能够组成车位短边的线段对以及能够组成前方车位线的线段对。
具体地,本步骤中,从得到的有效融合线段里面找到能组成车位长边的一对线段,能组成车位短边的一对线段,能组成前方车位线的一对线段:
组成车位长边:两根线段满足距离(200-250)像素,夹角在5°内;
组成车位短边:两根线段满足距离(450-550)像素,夹角在5°内;
组成前方车位线:两根线段满足距离(10-20)像素,夹角在5°内。
其中,上述具体的像素距离值以及夹角值是本领域技术人员根据实际需求可以进行设置的,本发明实施例对此不做限定。
步骤1032、将全部的所述能够组成车位长边的线段对以及所述能够组成车位短边的线段对进行匹配,获得能够组成的车位线。
具体地,本步骤1032中可进一步包括如下步骤S1-S2:
S1、若所述长边的线段对中的长边与所述短边的线段对中的短边之间夹角范围在第二预设度数的范围内,且长边中心向短边做垂直于短边的垂线,垂足在第二预设数量的像素以内,则确认所述长边的线段对与所述短边的线段对能够组成所述车位线;
具体地,本步骤中,如果组成车位长边的成对线段和组成车位短边的成对线段都存在,那么满足矩形车位的长边线组合和短边线组合为:长边和短边夹角范围在第二预设度数(例如(80~100)度)范围内;以长边中心向短边做垂直于短边的垂线,垂足在第二预设数量的像素(例如5个像素)以内。
S2、若所述长边的线段对和所述短边的线段对中缺少一条短边,则通过短边和长边的关系补全另一条短边,再执行步骤S1。
具体地,如果组成车位长边的成对线段和组成车位短边的成对线段中缺少短边(即,为U型车位),需要通过短边和长边的关系补全另外一条短边,再通过S1的方法组合车位。
步骤1033、对全部的所述车位线进行相似车位线的分组,并针对每一组筛选获得所述目标车位线。
具体地,计算一个车位线的两条垂直线段和另一个车位线对应的两条垂直线段距离,如果距离都小于50像素(取决于相机分辨率),这两个车位线就是同一组的。
然后,求出筛选后每个矩形车位线组中的最佳车位,即找到宽边距离最小且长边距离最小的矩形车位线,为最佳车位线。实际效果如图2晴天水平车位场景,图3雨天水平车位场景。
本发明实施例提供的基于霍夫直线检测结果的车位线拟合方法,考虑到停车线本身具有一定的宽度以及摄像头感知存在误差,因而通过对多组相似线段进行融合,将具有一定宽度的车位线仅识别成为一条停车线,提高了检测精度。
基于上述实施例的内容,本发明实施例提供了一种基于霍夫直线检测结果的车位线拟合系统,该基于霍夫直线检测结果的车位线拟合系统用于执行上述方法实施例中的基于霍夫直线检测结果的车位线拟合方法。参见图4,该系统包括:检测模块401,用于通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;融合模块402,用于对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;获得模块403,用于根据所述融合线段获得目标车位线。
具体的如何利用检测模块401、融合模块402和获得模块403进行基于霍夫直线检测结果的车位线拟合,可以参照前述实施例中基于霍夫直线检测结果的车位线拟合方法的相关技术特征,本实施例在此不再赘述。
在一个实施例中,本发明实施例提供了一种电子设备,如图5所示,该设备包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503上并可在处理器501上运行的计算机程序,以执行上述各实施例提供的基于霍夫直线检测结果的车位线拟合方法,例如包括:通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;根据所述融合线段获得目标车位线。
在一个实施例中,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于霍夫直线检测结果的车位线拟合方法,例如包括:通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;根据所述融合线段获得目标车位线。
综上所述,本发明实施例提供了基于霍夫直线检测结果的车位线拟合方法及系统,考虑到停车线本身具有一定的宽度以及摄像头感知存在误差,因而通过对多组相似线段进行融合,将具有一定宽度的车位线仅识别成为一条停车线,提高了检测精度。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (8)
1.一种基于霍夫直线检测结果的车位线拟合方法,其特征在于,包括:
通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;
对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;
根据所述融合线段获得目标车位线;
根据所述融合线段获得目标车位线,包括:
从所述融合线段中查找能够组成车位长边的线段对、能够组成车位短边的线段对以及能够组成前方车位线的线段对;
将全部的所述能够组成车位长边的线段对以及所述能够组成车位短边的线段对进行匹配,获得能够组成的车位线;
对全部的所述车位线进行相似车位线的分组,并针对每一组筛选获得所述目标车位线;
将全部的所述能够组成车位长边的线段对以及所述能够组成车位短边的线段对进行匹配,获得能够组成的车位线,包括:
S1、若所述长边的线段对中的长边与所述短边的线段对中的短边之间夹角范围在第二预设度数的范围内,且长边中心向短边做垂直于短边的垂线,垂足在第二预设数量的像素以内,则确认所述长边的线段对与所述短边的线段对能够组成所述车位线;
S2、若所述长边的线段对和所述短边的线段对中缺少一条短边,则通过短边和长边的关系补全另一条短边,再执行步骤S1。
2.根据权利要求1所述的方法,其特征在于,通过霍夫直线检测得到线段,根据所述线段获得多组相似线段,包括:
将通过霍夫直线检测得到线段区分为水平方向线段和垂直方向线段;
分别对所述水平方向线段和所述垂直方向线段进行分类,获得多组所述相似线段。
3.根据权利要求2所述的方法,其特征在于,分别对所述水平方向线段和所述垂直方向线段进行分类,获得多组所述相似线段,包括:
若任意两根所述线段之间的距离在第一预设数量的像素内且夹角在第一预设角度值内,则确认两根所述线段为一组所述相似线段。
4.根据权利要求1所述的方法,其特征在于,对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段,包括:
针对每组所述相似线段,获得所述相似线段的最大外接矩形的中心点,并获得所述相似线段的平均斜率;
根据所述中心点和所述平均斜率确定一条直线,并确定所述直线与所述外接矩形的两个交点;
将所述直线与两个所述交点所形成的线段作为这一组所述相似线段的融合线段。
5.根据权利要求4所述的方法,其特征在于,将所述直线与两个所述交点所形成的线段作为这一组所述相似线段的融合线段之后,还包括:
将水平方向的所述融合线段中长度大于水平方向车位线一半长度的所述融合线段作为有效的所述融合线段;
将垂直方向的所述融合线段中长度大于垂直方向车位线一半长度的所述融合线段作为有效的所述融合线段。
6.一种基于霍夫直线检测结果的车位线拟合系统,其特征在于,包括:
检测模块,用于通过霍夫直线检测得到线段,根据所述线段获得多组相似线段;融合模块,用于对多组所述相似线段中的每一组所述相似线段进行融合处理,获得每一组所述相似线段的融合线段;
获得模块,用于根据所述融合线段获得目标车位线;
根据所述融合线段获得目标车位线,包括:
从所述融合线段中查找能够组成车位长边的线段对、能够组成车位短边的线段对以及能够组成前方车位线的线段对;
将全部的所述能够组成车位长边的线段对以及所述能够组成车位短边的线段对进行匹配,获得能够组成的车位线;
对全部的所述车位线进行相似车位线的分组,并针对每一组筛选获得所述目标车位线;
将全部的所述能够组成车位长边的线段对以及所述能够组成车位短边的线段对进行匹配,获得能够组成的车位线,包括:
S1、若所述长边的线段对中的长边与所述短边的线段对中的短边之间夹角范围在第二预设度数的范围内,且长边中心向短边做垂直于短边的垂线,垂足在第二预设数量的像素以内,则确认所述长边的线段对与所述短边的线段对能够组成所述车位线;
S2、若所述长边的线段对和所述短边的线段对中缺少一条短边,则通过短边和长边的关系补全另一条短边,再执行步骤S1。
7.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述基于霍夫直线检测结果的车位线拟合方法的步骤。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述基于霍夫直线检测结果的车位线拟合方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110918124.8A CN113792601B (zh) | 2021-08-10 | 2021-08-10 | 基于霍夫直线检测结果的车位线拟合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110918124.8A CN113792601B (zh) | 2021-08-10 | 2021-08-10 | 基于霍夫直线检测结果的车位线拟合方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792601A CN113792601A (zh) | 2021-12-14 |
CN113792601B true CN113792601B (zh) | 2024-01-12 |
Family
ID=78875865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110918124.8A Active CN113792601B (zh) | 2021-08-10 | 2021-08-10 | 基于霍夫直线检测结果的车位线拟合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792601B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080024776A (ko) * | 2006-09-14 | 2008-03-19 | 주식회사 만도 | 호프 변환을 이용한 주차구획 인식 방법, 장치 및 그를이용한 주차 보조 시스템 |
EP2653367A2 (en) * | 2012-04-19 | 2013-10-23 | Toyota Jidosha Kabushiki Kaisha | Parking aid device, parking aid method, program, and storage medium storing the program |
CN103854008A (zh) * | 2012-12-04 | 2014-06-11 | 株式会社理光 | 路面检测方法和装置 |
WO2015186294A1 (ja) * | 2014-06-02 | 2015-12-10 | 株式会社デンソー | 車載画像処理装置 |
EP2960827A1 (en) * | 2014-06-27 | 2015-12-30 | Connaught Electronics Ltd. | Method for detecting an object with a predetermined geometric shape in an environmental region of a motor vehicle |
CN107392139A (zh) * | 2017-07-18 | 2017-11-24 | 海信集团有限公司 | 一种基于霍夫变换的车道线检测方法及终端设备 |
JP2018060343A (ja) * | 2016-10-05 | 2018-04-12 | 株式会社Jvcケンウッド | 画像処理装置、画像処理方法、画像処理プログラム |
CN109829366A (zh) * | 2018-12-20 | 2019-05-31 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 一种车道检测方法、装置、设备及计算机可读存储介质 |
CN109948470A (zh) * | 2019-03-01 | 2019-06-28 | 武汉光庭科技有限公司 | 基于霍夫变换的停车线距离检测方法及系统 |
CN110544386A (zh) * | 2019-09-18 | 2019-12-06 | 奇瑞汽车股份有限公司 | 车位识别方法、装置及存储介质 |
CN110861639A (zh) * | 2019-11-28 | 2020-03-06 | 安徽江淮汽车集团股份有限公司 | 泊车信息融合方法、装置、电子设备及存储介质 |
CN111754467A (zh) * | 2020-06-10 | 2020-10-09 | 深圳南方德尔汽车电子有限公司 | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102227843B1 (ko) * | 2014-08-22 | 2021-03-15 | 현대모비스 주식회사 | 차선 이탈 경보 시스템의 동작방법 |
ES2951786T3 (es) * | 2017-03-29 | 2023-10-24 | Launch Tech Co Ltd | Método, aparato y sistema de comunicación para el diagnóstico remoto de automóviles |
CN108107875B (zh) * | 2018-01-25 | 2020-02-07 | 深圳市道通科技股份有限公司 | 一种汽车诊断方法、装置和车辆通讯接口 |
EP3576010A1 (en) * | 2018-05-31 | 2019-12-04 | KPIT Technologies Ltd. | System and method for detection of free parking space for a vehicle |
-
2021
- 2021-08-10 CN CN202110918124.8A patent/CN113792601B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080024776A (ko) * | 2006-09-14 | 2008-03-19 | 주식회사 만도 | 호프 변환을 이용한 주차구획 인식 방법, 장치 및 그를이용한 주차 보조 시스템 |
EP2653367A2 (en) * | 2012-04-19 | 2013-10-23 | Toyota Jidosha Kabushiki Kaisha | Parking aid device, parking aid method, program, and storage medium storing the program |
CN103854008A (zh) * | 2012-12-04 | 2014-06-11 | 株式会社理光 | 路面检测方法和装置 |
EP2741233A2 (en) * | 2012-12-04 | 2014-06-11 | Ricoh Company, Ltd. | Method and apparatus for detecting road |
WO2015186294A1 (ja) * | 2014-06-02 | 2015-12-10 | 株式会社デンソー | 車載画像処理装置 |
EP2960827A1 (en) * | 2014-06-27 | 2015-12-30 | Connaught Electronics Ltd. | Method for detecting an object with a predetermined geometric shape in an environmental region of a motor vehicle |
JP2018060343A (ja) * | 2016-10-05 | 2018-04-12 | 株式会社Jvcケンウッド | 画像処理装置、画像処理方法、画像処理プログラム |
CN107392139A (zh) * | 2017-07-18 | 2017-11-24 | 海信集团有限公司 | 一种基于霍夫变换的车道线检测方法及终端设备 |
CN109829366A (zh) * | 2018-12-20 | 2019-05-31 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 一种车道检测方法、装置、设备及计算机可读存储介质 |
CN109948470A (zh) * | 2019-03-01 | 2019-06-28 | 武汉光庭科技有限公司 | 基于霍夫变换的停车线距离检测方法及系统 |
CN110544386A (zh) * | 2019-09-18 | 2019-12-06 | 奇瑞汽车股份有限公司 | 车位识别方法、装置及存储介质 |
CN110861639A (zh) * | 2019-11-28 | 2020-03-06 | 安徽江淮汽车集团股份有限公司 | 泊车信息融合方法、装置、电子设备及存储介质 |
CN111754467A (zh) * | 2020-06-10 | 2020-10-09 | 深圳南方德尔汽车电子有限公司 | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于YOLOv2-Tiny的环视实时车位线识别算法;何俏君;郭继舜;关倩仪;钟斌;付颖;谷俊;;汽车电器(第09期);全文 * |
迁移学习场景下的实时停车位置检测;邢家源;张军;薛晨兴;雷雨婷;孙彦;;天津职业技术师范大学学报(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113792601A (zh) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11094198B2 (en) | Lane determination method, device and storage medium | |
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
US8184859B2 (en) | Road marking recognition apparatus and method | |
US20200105017A1 (en) | Calibration method and calibration device of vehicle-mounted camera, vehicle and storage medium | |
CN111291603B (zh) | 车道线检测方法、装置、系统及存储介质 | |
EP3979196A1 (en) | Image processing method and apparatus for target detection | |
CN103164851A (zh) | 道路分割物检测方法和装置 | |
CN110667474B (zh) | 通用障碍物检测方法、装置与自动驾驶系统 | |
US11164012B2 (en) | Advanced driver assistance system and method | |
CN112733703A (zh) | 一种车辆停放状态检测方法及系统 | |
CN105069454A (zh) | 图像识别的方法及装置 | |
CN112507852A (zh) | 一种车道线识别方法、装置、设备及存储介质 | |
KR101236223B1 (ko) | 차선 검출 방법 | |
CN112232368A (zh) | 目标识别模型训练方法、目标识别方法及其相关装置 | |
CN110660225A (zh) | 闯红灯行为检测方法、装置和设备 | |
CN114863388A (zh) | 障碍物朝向的确定方法、装置、系统、设备、介质及产品 | |
CN114120254A (zh) | 道路信息识别方法、装置及存储介质 | |
CN113792601B (zh) | 基于霍夫直线检测结果的车位线拟合方法及系统 | |
CN113569812A (zh) | 未知障碍物的识别方法、装置和电子设备 | |
CN111126109B (zh) | 一种车道线识别方法、装置和电子设备 | |
EP3598388A1 (en) | Method and apparatus for visual odometry, and non-transitory computer-readable recording medium | |
CN112289040B (zh) | 一种车辆行驶方向识别的方法、装置及存储介质 | |
JP6132808B2 (ja) | 認識装置 | |
CN112215213A (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
CN115908838B (zh) | 基于雷视融合的车辆存在检测方法、装置、设备以及介质 |
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 |