CN114092919A - 一种车辆偏移告警的方法、设备及介质 - Google Patents
一种车辆偏移告警的方法、设备及介质 Download PDFInfo
- Publication number
- CN114092919A CN114092919A CN202210051625.5A CN202210051625A CN114092919A CN 114092919 A CN114092919 A CN 114092919A CN 202210051625 A CN202210051625 A CN 202210051625A CN 114092919 A CN114092919 A CN 114092919A
- Authority
- CN
- China
- Prior art keywords
- score
- lane line
- line
- lane
- warning
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及驾驶辅助领域,具体公开了一种车辆偏移告警的方法、设备及介质,包括实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;根据所述车道线成像特征,计算所述线段的车道线特征得分;根据车道线系数得分和车道线特征得分,得到车道线置信度;将车道线置信度大于等于第一阈值的线段作为真实车道线,并依据车辆行驶参数和所述真实车道线,计算告警区域;当检测到车辆处于告警区域内时,发出车道偏离告警。本发明降低了车道偏离告警的虚报率,提升车道偏离告警的精度。
Description
技术领域
本发明涉及驾驶辅助领域,尤其涉及一种车辆偏移告警的方法、设备及介质。
背景技术
随着自动驾驶技术快速发展,车道偏离告警功能逐渐成为车辆必备功能之一,车道偏离告警可以自动识别车道线与车辆的相对位置,在司机疏忽或者无意识的情况下,致使车辆偏离当前车道时触发告警,提醒司机当前已经偏离车道,避免危险发生。
现有的车道偏离告警算法逐渐成熟,但是针对车道偏离告警虚报的处理,仍需要通过驾驶员进行主观判断,例如通过是否打转向灯、是否踩刹车等行为来抑制虚报,或是通过设置最早告警距离的方法来降低虚报率。
现有的车道偏离告警算法难以通过判断车道线是否为真实车道线的方法来降低车道偏离虚报率;且通过打转向灯或踩刹车等方法只能适用于司机主动变道的场景,通过设置最早告警距离的方法只能改变车道偏离告警的灵敏度,上述两种方法都没法处理因车道线误检而触发告警的情况。
发明内容
为了克服现有的车道偏离告警功能虚警率高,且无法自行处理因车道线误检而触发误告警的问题,本发明提供一种车辆偏移告警的方法、设备及介质。
本发明提供了一种车辆偏移告警的方法,包括:
实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;
通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;
根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分;
根据车道线系数得分和车道线特征得分,得到车道线置信度;
将车道线置信度大于等于第一阈值的线段作为真实车道线,并依据车辆行驶参数和所述真实车道线,计算告警区域;
当检测到车辆处于告警区域内时,发出车道偏离告警。
作为优选地,所述根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分,具体为:
识别车道线的灭点,计算出各所述线段与灭点的距离,获得灭点得分;
依据实际车道线间宽度,计算各所述线段之间宽度的宽度得分;
依据车道线的检测长度,计算各所述线段的检测范围得分;
依据各所述线段在连续图像数据中的持续帧数,计算各所述线段的持续帧得分;
依据所述灭点得分、所述宽度得分、所述检测范围得分和所述持续帧得分,获得所述线段的车道线特征得分。
优选地,所述通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分,具体为:
所述车道线系数得分包括第一车道线系数、第二车道线系数和第三车道线系数;
将第一车道线系数设为score_c1、第二车道线系数设为score_c2、第三车道线系数设为score_c3;
依据所述线段在所述连续图像数据中的X、Y坐标,以及车道线方程:Y=C0+score_c1*X+score_c2*X^2+score_c3*X^3,计算出该所述线段的第一车道线系数、第二车道线系数和第三车道线系数。
优选地,所述根据车道线系数得分和车道线特征得分,得到车道线置信度,具体为:
依据灭点得分、宽度得分、第一车道线系数、第二车道线系数、第三车道线系数、检测范围得分和持续帧得分,通过回归函数计算各所述线段的车道线置信度;
score=(2*score_vp+2*score_w+(score_c1+score_c2+score_c3)/3+score_l+score_f)/7;
其中,score是车道线置信度,score_vp是灭点得分,score_w是宽度得分,score_l是检测范围得分,score_f是持续帧得分。
优选地,所述识别车道线的灭点,具体为:
计算各所述线段的延长线;
将有最多所述延长线相交的交点设为灭点。
优选地,所述识别所述图像数据中全部符合车道线成像特征的线段,具体为:
依据车道线的成像规则和深度学习算法,建立识别模型;
收集若干包含所述车道线的图像,建立第一训练集和第一测试集;
通过所述第一训练集和所述第一测试集对识别模型进行训练和测试;
将所述连续图像数据输入识别模型,输出全部符合车道线成像特征的线段。
优选地,所述依据车辆行驶参数和所述真实车道线,计算告警区域,具体为:
依据所述车辆行驶参数中的车辆的横向偏移速度以及所述真实车道线,计算最早告警线;
依据第一预设值以及所述真实车道线,设定最晚告警线;
将所述最早告警线和所述最晚告警线之间设为告警区域。
优选地,所述当检测到车辆处于告警区域内时,发出车道偏离告警,具体为:
依据所述车辆行驶参数,计算车轮到真实车道线的第一距离;
判断所述第一距离是否处于告警区域内;
如是,则所述车辆处于告警区域内;否则,所述车辆不处于告警区域内;
当判断车辆处于告警区域内时,判断是否有抑制信号;其中,所述抑制信号包括转向灯激活信号和刹车激活信号;
如车辆处于告警区域且没有抑制信号,则发出车道偏离告警。
本发明还提供了一种车辆偏移告警的设备,包括:识别模块、第一计算模块、第二计算模块、第三计算模块、第四计算模块和告警模块;
所述识别模块用于实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;
所述第一计算模块用于通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;
所述第二计算模块用于根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分;
所述第三计算模块用于根据车道线系数得分和车道线特征得分,得到车道线置信度;
所述第四计算模块用于将车道线置信度大于等于第一阈值的线段作为真实车道线,并依据车辆行驶参数和所述真实车道线,计算告警区域;
所述告警模块用于当检测到车辆处于告警区域内时,发出车道偏离告警。
本发明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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述车辆偏移告警的方法。
本发明的有益效果是:
通过从车道线的灭点、宽度、长度、车道线方程和持续帧数,共同评估车道线置信度的计算方法,使车辆通过影像数据识别的车道线更准确可信,降低了干扰线引起误识别车道线的可能性;利用该方法计算出的车道线置信度,降低了车道偏离告警的虚报率,提升了车道偏离告警的精度。
附图说明
下文将结合说明书附图对本发明进行进一步的描述说明,其中:
图1为本发明其中一个实施例的车辆偏移告警的方法流程图;
图2为本发明其中一个实施例的影像数据中真实车道线与干扰线的实例图。
图中:1、真实车道线;2、干扰线。
具体实施方式
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、完整地描述,显然,所描述的实施例仅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。
在本发明中,最早告警线是报警触发时的最内侧边界线;灭点是在透视投影中,一束平行于投影面的平行线的投影可以保持平行,而不平行于投影面的平行线的投影会聚集到一个点,这个点成为灭点(Vanishing Point)。灭点可以看作是无限远处的一点在投影面上的投影。
参见图1和图2,是本发明的其中一个实施例,具体公开了一种车辆偏移告警的方法,其实现步骤如下:
S1、实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;
S2、通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;
S3、根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分;
S4、根据车道线系数得分和车道线特征得分,得到车道线置信度;
S5、将车道线置信度大于等于第一阈值的线段作为真实车道线1,并依据车辆行驶参数和所述真实车道线1,计算告警区域;
S6、当检测到车辆处于告警区域内时,发出车道偏离告警。
通过从车道线的灭点、宽度、长度、车道线方程和持续帧数,共同评估车道线置信度的计算方法,使车辆通过影像数据识别的车道线更准确可信,降低了干扰线2引起误识别车道线的可能性;利用该方法计算出的车道线置信度,降低了车道偏离告警的虚报率,提升了车道偏离告警的精度。
作为优选地,所述步骤S3中,还包含分步骤如下:
S31、识别车道线的灭点,计算出各所述线段与灭点的距离,获得灭点得分;
S32、依据实际车道线间宽度,计算各所述线段之间宽度的宽度得分;
S33、依据车道线的检测长度,计算各所述线段的检测范围得分;
S34、依据各所述线段在连续图像数据中的持续帧数,计算各所述线段的持续帧得分;
S35、依据所述灭点得分、所述宽度得分、所述检测范围得分和所述持续帧得分,获得所述线段的车道线特征得分。
优选地,所述步骤S2中,所述车道线系数得分包括第一车道线系数、第二车道线系数和第三车道线系数;所述步骤S2还包含分步骤如下:
S21、将第一车道线系数设为score_c1、第二车道线系数设为score_c2、第三车道线系数设为score_c3;
S22、依据所述线段在所述连续图像数据中的X、Y坐标,以及车道线方程:Y=C0+score_c1*X+score_c2*X^2+score_c3*X^3,计算出该所述线段的第一车道线系数、第二车道线系数和第三车道线系数。
优选地,所述步骤S4具体为:
依据灭点得分、宽度得分、第一车道线系数、第二车道线系数、第三车道线系数、检测范围得分和持续帧得分,通过下列回归函数计算各所述线段的车道线置信度;
score=(2*score_vp+2*score_w+(score_c1+score_c2+score_c3)/3+score_l+score_f)/7;
其中,score是车道线置信度,score_vp是灭点得分,score_w是宽度得分,score_l是检测范围得分,score_f是持续帧得分。
优选地,所述分步骤S31中,识别车道线的灭点,具体为:
S311、计算各所述线段的延长线;
S312、将有最多所述延长线相交的交点设为灭点。
优选地,所述步骤S1中,所述识别所述图像数据中全部符合车道线成像特征的线段,具体为:
S11、依据车道线的成像规则和深度学习算法,建立识别模型;
S12、收集若干包含所述车道线的图像,建立第一训练集和第一测试集;
S13、通过所述第一训练集和所述第一测试集对识别模型进行训练和测试;
S14、将所述连续图像数据输入识别模型,输出全部符合车道线成像特征的线段。
优选地,所述步骤S5中,依据车辆行驶参数和所述真实车道线1,计算告警区域,具体包含分步骤如下:
S51、依据所述车辆行驶参数中的车辆的横向偏移速度以及所述真实车道线1,计算最早告警线;
S52、依据第一预设值以及所述真实车道线1,设定最晚告警线;
S53、将所述最早告警线和所述最晚告警线之间设为告警区域。
优选地,所述步骤S6中,包含分步骤如下:
S61、依据所述车辆行驶参数,计算车轮到真实车道线1的第一距离;
S62、判断所述第一距离是否处于告警区域内;
S621、如是,则所述车辆处于告警区域内;
S622、否则,所述车辆不处于告警区域内;
S63、当判断车辆处于告警区域内时,判断是否有抑制信号;
S631、如车辆处于告警区域且没有抑制信号,则发出车道偏离告警。
其中,所述抑制信号包括转向灯激活信号和刹车激活信号;
本实施例还提供了一种车辆偏移告警的设备,包括:识别模块、第一计算模块、第二计算模块、第三计算模块、第四计算模块和告警模块;
所述识别模块用于实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;
所述第一计算模块用于通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;
所述第二计算模块用于根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分;
所述第三计算模块用于根据车道线系数得分和车道线特征得分,得到车道线置信度;
所述第四计算模块用于将车道线置信度大于等于第一阈值的线段作为真实车道线1,并依据车辆行驶参数和所述真实车道线1,计算告警区域;
所述告警模块用于当检测到车辆处于告警区域内时,发出车道偏离告警。
参见图2,作为本发明的另一实施例,结合实际计算公式对车辆偏移告警的方法进行详细说明。因为真实车道线1在一般是相互平行的,平行的线在透视图中会聚焦于一点,这个点就是灭点,而干扰线2一般跟车道线不平行,那么干扰线2就不会跟真实车道线1相交于同一点,就会离灭点距离较远;其中有些车道线是正常的,有些是干扰线2。
在本实施例中,通过计算车道线离灭点的距离d,并通过距离d计算得到灭点得分score_vp:
score_vp=(100-d)/100。
根据道路规则,车道的宽度为3.75m,因此真实车道线1间的宽度是3.75m,而如果是干扰线2的话,跟其他车道线组成的车道就不是3.75m.假设当前车道线跟其左边的车道线的宽度是wl,跟其右边车道线的宽度是wr,则宽度得分score_w的计算公式如下:
score_w=((2*3.75-wl)/3.75+(2*3.75-wr)/3.75)/2。
根据道路规则,真实车道线1间一般相互平行,因此真实车道线1间第一车道线系数差值较小,干扰线2一般跟真实车道线1不平行,因此第一车道线系数跟真实车道线1间差值较大。取阈值为0.01,认为当第一车道线系数间差值小于该阈值时车道线平行,因此计算所有车道线中跟当前车道线平行的条数为M,车道线总条数为N则第一车道线系数score_c1的计算公式为:score_c1=M/N;
同理,得到第二车道线系数score_c2和第三车道线系数score_c3。
车道线检测范围是车道线的长度,假设车道线的检测长度是L,则车道线检测范围得分score_l为:score_l=L/50。
真实车道线1一般会持续较长的时间,也就是持续图像帧较长,而干扰线2一般只会持续一段时间,假设车道线的持续帧数为K,因此车道线持续帧得分score_f的计算公式为:score_f=K/100。
根据以上得到的各个分数,通过回归函数,得到车道线最终的置信度,回归函数如下:
score=(2*score_vp+2*score_w+(score_c1+score_c2+score_c3)/3+score_l+score_f)/7。
根据车辆的横向偏移速度,计算最早告警线,计算方法根据国家标准(GBT-26773-2011)得到;
最晚告警线一般设定为固定值,本实施例取车道线外侧0.3m处作为最晚告警线。
首先计算车轮到车道线的距离,假设为d1;然后根据d1是否在最早告警线和最晚告警线之间的区域来判断车辆是否处于告警区域内,如果处理最早和最晚之间,那么车辆就处于告警区域内,否则不处于告警区域内。
本实施例的偏离告警触发判断根据以下三个条件判断:
a.是否处于告警区域内;
b.是否有抑制信号;抑制信号指司机是否打了转向灯,是否踩刹车等;
c.触发告警的车道线置信度是否大于0.5;
只有当处于告警区域内,没有抑制信号,且触发告警的车道线置信度大于0.5时,才触发车道偏离告警。
本发明还公开了一种终端设备,包括处理器和存储装置,存储装置用于存储一个或多个程序;当一个或多个程序被处理器执行时,处理器实现上述的车辆偏移告警的方法。所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所称处理器是测试设备的控制中心,利用各种接口和线路连接整个测试设备的各个部分。
存储装置可用于存储计算机程序和/或模块,处理器通过运行或执行存储在存储装置内的计算机程序和/或模块,以及调用存储在存储装置内的数据,实现终端设备的各种功能。存储装置可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储装置可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,车辆偏移告警的设备集成的模块/单元如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于至少一个计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的设备及装置的实施例仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车辆偏移告警的方法,其特征在于,包括:
实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;
通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;
根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分;
根据车道线系数得分和车道线特征得分,得到车道线置信度;
将车道线置信度大于等于第一阈值的线段作为真实车道线,并依据车辆行驶参数和所述真实车道线,计算告警区域;
当检测到车辆处于告警区域内时,发出车道偏离告警。
2.根据权利要求1所述的一种车辆偏移告警的方法,其特征在于,所述根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分,具体为:
识别车道线的灭点,计算出各所述线段与灭点的距离,获得灭点得分;
依据实际车道线间宽度,计算各所述线段之间宽度的宽度得分;
依据车道线的检测长度,计算各所述线段的检测范围得分;
依据各所述线段在连续图像数据中的持续帧数,计算各所述线段的持续帧得分;
依据所述灭点得分、所述宽度得分、所述检测范围得分和所述持续帧得分,获得所述线段的车道线特征得分。
3.根据权利要求2所述的一种车辆偏移告警的方法,其特征在于,所述通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分,具体为:
所述车道线系数得分包括第一车道线系数、第二车道线系数和第三车道线系数;
将第一车道线系数设为score_c1、第二车道线系数设为score_c2、第三车道线系数设为score_c3;
依据所述线段在所述连续图像数据中的X、Y坐标,以及车道线方程:Y=C0+score_c1*X+score_c2*X^2+score_c3*X^3,计算出该所述线段的第一车道线系数、第二车道线系数和第三车道线系数。
4.根据权利要求3所述的一种车辆偏移告警的方法,其特征在于,所述根据车道线系数得分和车道线特征得分,得到车道线置信度,具体为:
依据灭点得分、宽度得分、第一车道线系数、第二车道线系数、第三车道线系数、检测范围得分和持续帧得分,通过回归函数计算各所述线段的车道线置信度;
score=(2*score_vp+2*score_w+(score_c1+score_c2+score_c3)/3+score_l+score_f)/7;
其中,score是车道线置信度,score_vp是灭点得分,score_w是宽度得分,score_l是检测范围得分,score_f是持续帧得分。
5.根据权利要求2所述的一种车辆偏移告警的方法,其特征在于,所述识别车道线的灭点,具体为:
计算各所述线段的延长线;
将有最多所述延长线相交的交点设为灭点。
6.根据权利要求1所述的一种车辆偏移告警的方法,其特征在于,所述识别所述图像数据中全部符合车道线成像特征的线段,具体为:
依据车道线的成像规则和深度学习算法,建立识别模型;
收集若干包含所述车道线的图像,建立第一训练集和第一测试集;
通过所述第一训练集和所述第一测试集对识别模型进行训练和测试;
将所述连续图像数据输入识别模型,输出全部符合车道线成像特征的线段。
7.根据权利要求1所述的一种车辆偏移告警的方法,其特征在于,所述依据车辆行驶参数和所述真实车道线,计算告警区域,具体为:
依据所述车辆行驶参数中的车辆的横向偏移速度以及所述真实车道线,计算最早告警线;
依据第一预设值以及所述真实车道线,设定最晚告警线;
将所述最早告警线和所述最晚告警线之间设为告警区域。
8.根据权利要求7所述的一种车辆偏移告警的方法,其特征在于,所述当检测到车辆处于告警区域内时,发出车道偏离告警,具体为:
依据所述车辆行驶参数,计算车轮到真实车道线的第一距离;
判断所述第一距离是否处于告警区域内;
如是,则所述车辆处于告警区域内;否则,所述车辆不处于告警区域内;
当判断车辆处于告警区域内时,判断是否有抑制信号;其中,所述抑制信号包括转向灯激活信号和刹车激活信号;
如车辆处于告警区域且没有抑制信号,则发出车道偏离告警。
9.一种车辆偏移告警的设备,其特征在于,包括:识别模块、第一计算模块、第二计算模块、第三计算模块、第四计算模块和告警模块;
所述识别模块用于实时采集包含车道线的连续图像数据以及车辆行驶参数,识别所述图像数据中全部符合车道线成像特征的线段;
所述第一计算模块用于通过车道线方程,对各所述线段进行曲线拟合,得到车道线系数得分;
所述第二计算模块用于根据所述车道线成像特征,计算所述线段的车道线特征得分;其中,所述车道线特征得分包括灭点得分、宽度得分、检测范围得分和持续帧得分;
所述第三计算模块用于根据车道线系数得分和车道线特征得分,得到车道线置信度;
所述第四计算模块用于将车道线置信度大于等于第一阈值的线段作为真实车道线,并依据车辆行驶参数和所述真实车道线,计算告警区域;
所述告警模块用于当检测到车辆处于告警区域内时,发出车道偏离告警。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的车辆偏移告警的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210051625.5A CN114092919B (zh) | 2022-01-18 | 2022-01-18 | 一种车辆偏移告警的方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210051625.5A CN114092919B (zh) | 2022-01-18 | 2022-01-18 | 一种车辆偏移告警的方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114092919A true CN114092919A (zh) | 2022-02-25 |
CN114092919B CN114092919B (zh) | 2022-05-03 |
Family
ID=80308823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210051625.5A Active CN114092919B (zh) | 2022-01-18 | 2022-01-18 | 一种车辆偏移告警的方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092919B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100002911A1 (en) * | 2008-07-06 | 2010-01-07 | Jui-Hung Wu | Method for detecting lane departure and apparatus thereof |
CN109572715A (zh) * | 2018-11-01 | 2019-04-05 | 北京海纳川汽车部件股份有限公司 | 自动驾驶车辆的车道偏离预警方法、装置及自动驾驶车辆 |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
CN110203210A (zh) * | 2019-06-19 | 2019-09-06 | 厦门金龙联合汽车工业有限公司 | 一种车道偏离预警方法、终端设备及存储介质 |
CN111104824A (zh) * | 2018-10-26 | 2020-05-05 | 中兴通讯股份有限公司 | 车道偏离的检测方法、电子设备及计算机可读存储介质 |
CN111291601A (zh) * | 2018-12-07 | 2020-06-16 | 阿里巴巴集团控股有限公司 | 车道线识别方法和装置以及电子设备 |
CN111291603A (zh) * | 2018-12-07 | 2020-06-16 | 长沙智能驾驶研究院有限公司 | 车道线检测方法、装置、系统及存储介质 |
CN111539303A (zh) * | 2020-04-20 | 2020-08-14 | 长安大学 | 基于单目视觉的车辆驾驶偏移预警方法 |
CN112215041A (zh) * | 2019-07-11 | 2021-01-12 | 广州汽车集团股份有限公司 | 一种端到端车道线检测方法及其系统 |
CN112989886A (zh) * | 2019-12-16 | 2021-06-18 | 湖南工程学院 | 一种实时车辆压线提前预警的方法 |
-
2022
- 2022-01-18 CN CN202210051625.5A patent/CN114092919B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100002911A1 (en) * | 2008-07-06 | 2010-01-07 | Jui-Hung Wu | Method for detecting lane departure and apparatus thereof |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
CN111104824A (zh) * | 2018-10-26 | 2020-05-05 | 中兴通讯股份有限公司 | 车道偏离的检测方法、电子设备及计算机可读存储介质 |
CN109572715A (zh) * | 2018-11-01 | 2019-04-05 | 北京海纳川汽车部件股份有限公司 | 自动驾驶车辆的车道偏离预警方法、装置及自动驾驶车辆 |
CN111291601A (zh) * | 2018-12-07 | 2020-06-16 | 阿里巴巴集团控股有限公司 | 车道线识别方法和装置以及电子设备 |
CN111291603A (zh) * | 2018-12-07 | 2020-06-16 | 长沙智能驾驶研究院有限公司 | 车道线检测方法、装置、系统及存储介质 |
CN110203210A (zh) * | 2019-06-19 | 2019-09-06 | 厦门金龙联合汽车工业有限公司 | 一种车道偏离预警方法、终端设备及存储介质 |
CN112215041A (zh) * | 2019-07-11 | 2021-01-12 | 广州汽车集团股份有限公司 | 一种端到端车道线检测方法及其系统 |
CN112989886A (zh) * | 2019-12-16 | 2021-06-18 | 湖南工程学院 | 一种实时车辆压线提前预警的方法 |
CN111539303A (zh) * | 2020-04-20 | 2020-08-14 | 长安大学 | 基于单目视觉的车辆驾驶偏移预警方法 |
Non-Patent Citations (1)
Title |
---|
陈本智: "基于双曲线模型的车道识别与偏离预警", 《计算机应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114092919B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11170525B2 (en) | Autonomous vehicle based position detection method and apparatus, device and medium | |
US7817848B2 (en) | Apparatus, method, and computer product for discriminating object | |
CN109624976B (zh) | 一种车辆的车道保持控制方法及系统 | |
US20100214087A1 (en) | Anti-drowsing device and anti-drowsing method | |
CN113256739B (zh) | 车载bsd摄像头的自标定方法、设备和存储介质 | |
JP4529394B2 (ja) | ドライバの車両運転特性推定装置 | |
US11685384B2 (en) | Driver alertness detection method, device and system | |
US20110205362A1 (en) | Lane-marker recognition system with improved recognition-performance | |
US20190370978A1 (en) | Object recognition apparatus | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
CN111081061B (zh) | 碰撞预警方法及装置 | |
CN115792945B (zh) | 一种浮空障碍物检测方法、装置和电子设备、存储介质 | |
KR20190090534A (ko) | 전방 차량 위험도 예측 방법 및 장치 | |
CN113838087B (zh) | 一种抗遮挡目标跟踪方法及系统 | |
CN114092919B (zh) | 一种车辆偏移告警的方法、设备及介质 | |
CN118311955A (zh) | 无人机控制方法、终端、无人机及存储介质 | |
JP2017165345A (ja) | 物体認識装置、物体認識方法、及び物体認識プログラム | |
CN116664971A (zh) | 一种模型训练方法、障碍物检测方法及相关设备 | |
JP7013722B2 (ja) | 運転支援装置 | |
US10562450B2 (en) | Enhanced lane negotiation | |
CN113239743B (zh) | 一种人群密度检测方法、装置、设备及存储介质 | |
CN116709035B (zh) | 图像帧的曝光调节方法、装置和计算机存储介质 | |
CN111753857B (zh) | 一种应用于目标物的自动分类的模型训练方法、装置及电子设备 | |
KR20190088154A (ko) | 진입 금지 차선 주행 경보 방법 및 그 장치 | |
US20230394702A1 (en) | Device, method, and computer program for estimating seat position |
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 |
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 401, building 1, Shenzhen new generation industrial park, No. 136, Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong Province Patentee before: SHENZHEN MINIEYE INNOVATION TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |