CN114820547B - 车道线检测方法、装置、计算机设备、存储介质 - Google Patents
车道线检测方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN114820547B CN114820547B CN202210498997.2A CN202210498997A CN114820547B CN 114820547 B CN114820547 B CN 114820547B CN 202210498997 A CN202210498997 A CN 202210498997A CN 114820547 B CN114820547 B CN 114820547B
- Authority
- CN
- China
- Prior art keywords
- image
- lane line
- acquiring
- pixel
- original image
- 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 31
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 13
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 241000023320 Luma <angiosperm> Species 0.000 claims 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims 1
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000005192 partition Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种车道线检测方法、装置、计算机设备、存储介质。所述方法包括：获取原始图像，原始图像为包含车道线的道路图像；从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；基于区域像素点获取原始图像对应的车道线图像，车道线图像可以包含多条车道线，并根据车道线图像获取车道线像素坐标，车道线像素坐标就能够表示车道线在原始图像中的位置；根据车道线像素坐标，得到原始图像中的车道线。采用本方法能够避免传统车道线识别算法的场景局限性，达到既能准确识别直车道线，也能准确识别弯曲车道线的目的。
Description
技术领域
本申请涉及智能车感知技术领域，特别是涉及一种车道线检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着智能时代的来临，机器视觉类辅助驾驶系统越来越多地被应用到汽车上，车道线识别技术即是智能车辆辅助驾驶系统的关键技术之一。车道线识别就是从摄像头获取的图像中，将车道线用多项式进行拟合，从而通过曲率或切线方向判断车道线的走向。
然而，目前基于传统视觉的车道线识别算法是基于Hough变换，只能识别直线，不能很好地拟合弯道。因此，目前的车辆辅助驾驶系统缺少一种既能准确识别直车道线，也能准确识别弯曲车道线的车道线检测方式。
发明内容
基于此，有必要针对上述技术问题，提供一种既能准确识别直车道线，也能准确识别弯曲车道线的车道线检测方法、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检测方法。所述方法包括：
获取原始图像，原始图像为包含车道线的道路图像；
从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；
获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；
基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；
根据车道线像素坐标，得到原始图像中的车道线。
在其中一个实施例中，从原始图像中提取明度通道图像，包括：
获取原始图像对应的RGB图像；
对RGB图像进行转换处理，得到原始图像对应的HSV图像；
提取HSV图像中的明度通道，作为明度通道图像。
在其中一个实施例中，基于明度通道图像获取原始图像对应的第一图像，包括：
通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。
在其中一个实施例中，调整明度通道图像中每个像素点的亮度值，包括：
获取明度通道图像中的每个像素点对应的原始亮度值；
将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；
将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。
在其中一个实施例中，获取第一图像对应的至少一个目标区域，包括：
从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；
基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。
在其中一个实施例中，基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标，包括：
对目标区域按照预设像素间隔选取像素点；
获取对应亮度值满足预设条件的像素点，作为一组区域像素点；
对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；
根据各目标区域对应的子车道线图像，得到车道线图像；
获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
在其中一个实施例中，根据车道线像素坐标，得到原始图像中的车道线，包括：
根据车道线像素坐标，识别原始图像中对应的目标像素点；
将目标像素点调整为预设颜色，得到原始图像中的车道线。
第二方面，本申请还提供了一种车道线检测装置。所述装置包括：
图像获取模块，用于获取原始图像，原始图像为包含车道线的道路图像；
图像处理模块，用于从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；
图像分区模块，用于获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；
坐标确定模块，用于基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；
车道线检测模块，用于根据车道线像素坐标，得到原始图像中的车道线。
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：
获取原始图像，原始图像为包含车道线的道路图像；
从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；
获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；
基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；
根据车道线像素坐标，得到原始图像中的车道线。
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：
获取原始图像，原始图像为包含车道线的道路图像；
从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；
获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；
基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；
根据车道线像素坐标，得到原始图像中的车道线。
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：
获取原始图像，原始图像为包含车道线的道路图像；
从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；
获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；
基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；
根据车道线像素坐标，得到原始图像中的车道线。
上述车道线检测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取原始图像，原始图像为包含车道线的道路图像；从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像，第一图像也就是黑白图像；获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点，无论是直车道线还是弯曲车道线，都能通过目标区域中的多个区域像素点表示，使黑白图像中的每一条车道线都对应一个目标区域；基于区域像素点获取原始图像对应的车道线图像，车道线图像可以包含多条车道线，并根据车道线图像获取车道线像素坐标，车道线像素坐标就能够表示车道线在原始图像中的位置；根据车道线像素坐标，得到原始图像中的车道线。能够避免传统车道线识别算法的场景局限性，达到既能准确识别直车道线，也能准确识别弯曲车道线的目的。
附图说明
图1为一个实施例中车道线检测方法的流程示意图；
图2为一个实施例中HSV图像的示意图；
图3为一个实施例中第一图像的示意图；
图4为一个实施例中流程示意装置的结构框图；
图5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。
在一个实施例中，如图1所示，提供了一种车道线检测方法，本实施例以该方法应用于计算机设备进行举例说明，可以理解的是，该计算机设备具体可以是终端或服务器。其中，终端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、车载处理器、物联网设备、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、智能医用设备等。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。本实施例中，该方法包括以下步骤：
步骤102，获取原始图像，原始图像为包含车道线的道路图像。
可选的，通过摄像装置对待识别道路拍摄原始图像，并将原始图像传输至计算机设备。例如，计算机设备通过ROS接收车载摄像头拍摄的原始图像，ROS为机器人操作系统(Robot Operating System)是一种通信中间件，可以在linux系统运行，并用来接收摄像头发出的图像信息。
步骤104，从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像。
其中，明度通道图像是指HSV格式图像中的V通道图像，第一图像是指每个像素点的亮度值均为0或1的黑白图像。
可选的，计算机设备将原始图像转换为HSV(Hue,Saturation,Value)图像，并提取出V通道，作为明度通道图像。然后调整明度通道图像中每个像素的亮度值，将所有像素值都设置为0或者1，得到第一图像。由于第一图像是V通道图像，且所有像素的亮度值均为0或1，所以第一图像也就是黑白图像。
步骤106，获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点。
其中，目标区域是指只包含一条车道线的部分图像。区域像素点是指一条车道线对应的白色像素点。
可选的，计算机设备根据第一图像中包含的车道线数量，将第一图像划分出至少一个目标区域，目标区域的数量和车道线数量相同，每一个目标区域包含一条车道线，每条车道线均由多个区域像素点(即白色像素点)组成，目标区域中不属于车道线的部分均由多个黑色像素点组成。
步骤108，基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标。
可选的，计算机设备分别处理每一个目标区域，得到多个子车道线图像，每个子车道线图像对应一个目标区域，然后将所有子车道线图像组合得到车道线图像，识别车道线图像中所有白色像素点的像素坐标，作为车道线像素坐标。
步骤110，根据车道线像素坐标，得到原始图像中的车道线。
可选的，计算机设备根据车道线像素坐标，从原始图像中找到对应坐标的多个像素点，根据这些像素点得到原始图像中的车道线。可以将这些像素点调整为醒目的颜色，例如黄色或白色，从而在原始图像中突出显示车道线。
上述车道线检测方法中，通过获取原始图像，原始图像为包含车道线的道路图像；从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像，第一图像也就是黑白图像；获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点，无论是直车道线还是弯曲车道线，都能通过目标区域中的多个区域像素点表示，使黑白图像中的每一条车道线都对应一个目标区域；基于区域像素点获取原始图像对应的车道线图像，车道线图像可以包含多条车道线，并根据车道线图像获取车道线像素坐标，车道线像素坐标就能够表示车道线在原始图像中的位置；根据车道线像素坐标，得到原始图像中的车道线。能够避免传统车道线识别算法的场景局限性，达到既能准确识别直车道线，也能准确识别弯曲车道线的目的。
在一个实施例中，从原始图像中提取明度通道图像，包括：获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。
其中，RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，摄像头的原始图像就是RGB类型的三原色图像。HSV(Hue,Saturation,Value)是根据颜色的直观特性创建的一种颜色空间，H代表色调，S代表饱和度，V代表明度。
可选的，计算机设备在接收到原始图像后，检测该原始图像是否为RGB图像，若原始图像是RGB图像，则直接将原始图像转换为HSV图像，若原始图像不是RGB图像，则先获取原始图像对应的RGB图像，然后再将RGB图像转换为如图2所示的HSV图像，最后提取HSV图像中的V通道，作为明度通道图像。V通道就是将HSV颜色空间的代表明度信息的那个通道，就类似RGB图像的R、G、B三个通道，HSV图像每个像素点都由H、S、V三个值决定，V通道就是代表每个像素点的明度信息，其取值范围为0～1。例如，可以利用Opencv库split()方法，拆分HSV图像，拆分后得到V通道图像，
本实施例中，通过获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。能够得到原始图像对应的明度通道图像，便于确定车道线的像素点在图像中的坐标位置。
在一个实施例中，基于明度通道图像获取原始图像对应的第一图像，包括：通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。进一步的，调整明度通道图像中每个像素点的亮度值，包括：获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。
其中，亮度值是指像素点对应的V值。
可选的，可以设定通道阈值为0.15，计算机设备识别每个明度通道图像中的每个像素点的V值，当一个像素点的V值小于0.15时，就将该像素点的V值调整为0，此时该像素点视觉上为黑色；当一个像素点的V值不小于0.15时，就将该像素点的V值调整为1，此时该像素点视觉上是白色，将明度通道图像转换为视觉上的黑白图像，如图3所示，作为第一图像。
本实施例中，通过设定通道阈值，获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值；调整明度通道图像中每个像素点的亮度值，得到第一图像。能够将明度通道图像转换为只包含黑色像素点和白色像素点的黑白图像，便于确定车道线的像素点在图像中的坐标位置。
在一个实施例中，获取第一图像对应的至少一个目标区域，包括：从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。
可选的，计算机设备通过mask，对第一图像进行ROI识别，保留感兴趣区域(ROI)部分，即仅保留车道线部分的像素点V值不变，将其他区域的像素点V值置为0，得到第二图像。通常ROI(即第二图像)是梯形，这是因为车载摄像头的图像画面前方的道路是在一个大概为梯形的视野范围内。由于摄像头拍到的原始图像存在大量与车道线无用的信息和其他干扰信息，比如天空，地面指示箭头，两旁车道上的车辆等等，所以采用ROI识别的方式去除这些信息，可以提高车道线检测的准确性。其中，mask为图像处理中的掩饰膜技术，用选定的图像、图形或物体，对处理的图像(全部或局部)进行遮挡，来控制图像处理的区域或处理过程，将原图中的每个像素和掩膜中的每个对应像素进行与运算，例如，将梯形掩膜梯形内部的所有像素设为1，其余部分设为0，与V通道图像运行与运算后，就可以只保留设定的梯形感兴趣区域了，其余部分都是0。
进一步的，计算机设备根据第二图像中的像素点分布，确定车道线的数量，并为每条车道线划分一个目标区域。例如，第二图像中只有两条车道线，分别是左车道线和右车道线，将第二图像划分为左右两部分，即两个目标区域，分别包含左车道线和右车道线。
本实施例中，通过从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。能够为每一条车道线划分出目标区域，后续可以分别对每一条车道进行检测，防止多条车道线之间发生混淆。
在一个实施例中，基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标，包括：对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
其中，预设条件是指像素点V值为1。子车道线图像是指仅包含一条车道线的白色像素图像，车道线图像是指包含至少一条车道线的白色像素图像。车道线像素坐标是指白色像素点在第二图像的位置坐标，由于第二图像和第一图像、原始图像的尺寸大小、分辨率相同，因此车道线像素坐标也是指白色像素点在第一图像和原始图像的位置坐标。
可选的，对于一个目标区域，计算机设备在目标区域中，每隔五行两列选取一个像素点，然后判断这个像素点V值是1还是0，V值是1的话就代表该像素点是白色像素点，将选取的所有像素点中V值为1的作为该目标区域对应的一组区域像素点。利用最小二乘法拟合这一组区域像素点，将像素点V值为1的白色像素点进行拟合，连起来就可以得到白色的车道线，作为与目标区域对应的子车道线图像。
进一步的，计算机设备采用相同方式处理每一个目标区域，就能够得到第二图像对应的车道线图像，识别车道线图像中每个白色像素点的坐标，作为车道线像素坐标。
本实施例中，通过对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。无论车道线是直线还是曲线，都能够得到对应的车道线像素坐标。
在一个实施例中，根据车道线像素坐标，得到原始图像中的车道线，包括：根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。
可选的，根据车道线像素坐标，找到原始图像中对应的目标像素点，对于每一个目标像素点，通过设定R、G、B的值将每一个目标像素点调整为醒目的预设颜色，从而在原始图像标记出车道线。
在一个可行的实施方式中，将车道线图像和原始图像相加，并利用QT可视化，显示出原始图像中的车道线。QT是一种C++图形用户界面应用程序开发框架，可以开发GUI(图形用户界面)程序，作用就是将上述和原图一样分辨率的车道线图像和原始图像两者进行叠加，从而将车道线在原始图像中显现出来。
本实施例中，通过根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。能够在原始图像中检测并显示出车道线。
在一个实施例中，一种车道线检测方法，包括：
获取原始图像，原始图像为包含车道线的道路图像。
获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。
从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。目标区域中包含多个区域像素点；
对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。
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检测方法的车道线检测装置。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检测装置实施例中的具体限定可以参见上文中对于车道线检测方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种车道线检测装置400，包括：图像获取模块401、图像处理模块402、图像分区模块403、坐标确定模块404和车道线检测模块405，其中：
图像获取模块401，用于获取原始图像，原始图像为包含车道线的道路图像；
图像处理模块402，用于从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；
图像分区模块403，用于获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；
坐标确定模块404，用于基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；
车道线检测模块405，用于根据车道线像素坐标，得到原始图像中的车道线。
在一个实施例中，图像处理模块402还用于获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。
在一个实施例中，图像处理模块402还用于通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。
在一个实施例中，图像处理模块402还用于获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。
在一个实施例中，图像分区模块403还用于从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。
在一个实施例中，坐标确定模块404还用于对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
在一个实施例中，车道线检测模块405还用于根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。
上述车道线检测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终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车道线检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5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：获取原始图像，原始图像为包含车道线的道路图像；从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；根据车道线像素坐标，得到原始图像中的车道线。
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：获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。
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：通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。
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：获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。
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：从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。
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：对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
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：根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。
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：获取原始图像，原始图像为包含车道线的道路图像；从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；根据车道线像素坐标，得到原始图像中的车道线。
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：获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。
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：通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。
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：获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。
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：从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。
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：对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
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：根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。
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：获取原始图像，原始图像为包含车道线的道路图像；从原始图像中提取明度通道图像，并基于明度通道图像获取原始图像对应的第一图像；获取第一图像对应的至少一个目标区域，目标区域中包含多个区域像素点；基于区域像素点获取原始图像对应的车道线图像，并根据车道线图像获取车道线像素坐标；根据车道线像素坐标，得到原始图像中的车道线。
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：获取原始图像对应的RGB图像；对RGB图像进行转换处理，得到原始图像对应的HSV图像；提取HSV图像中的明度通道，作为明度通道图像。
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：通过设定通道阈值，调整明度通道图像中每个像素点的亮度值，得到第一图像。
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：获取明度通道图像中的每个像素点对应的原始亮度值；将对应原始亮度值小于通道阈值的像素点作为黑色像素点，调整黑色像素点的亮度值为第一值；将对应原始亮度值不小于通道阈值的像素点作为白色像素点，调整白色像素点的亮度值为第二值，第二值不同于第一值。
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：从第一图像中获取感兴趣区域，调整第一图像中不属于感兴趣区域的像素点的亮度值，得到第二图像；基于第二图像中的像素点分布，获取第二图像中的至少一个目标区域，作为第一图像对应的至少一个目标区域。
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：对目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对一组区域像素点进行拟合处理，得到一个与目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到车道线图像；获取车道线图像中每个像素点的坐标，得到车道线像素坐标。
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：根据车道线像素坐标，识别原始图像中对应的目标像素点；将目标像素点调整为预设颜色，得到原始图像中的车道线。
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，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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 (8)
1.一种车道线检测方法，其特征在于，所述方法包括：
获取原始图像，所述原始图像为包含车道线的道路图像；
从所述原始图像中提取明度通道图像，并基于所述明度通道图像获取所述原始图像对应的第一图像；
从所述第一图像中获取感兴趣区域，调整所述第一图像中不属于所述感兴趣区域的像素点的亮度值，得到第二图像；基于所述第二图像中的像素点分布，获取所述第二图像中的至少一个目标区域，作为所述第一图像对应的至少一个目标区域；所述目标区域中包含多个区域像素点；
对所述目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对所述一组区域像素点进行拟合处理，得到一个与所述目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到所述车道线图像；获取所述车道线图像中每个像素点的坐标，得到车道线像素坐标；
根据所述车道线像素坐标，得到所述原始图像中的车道线。
2.根据权利要求1所述的方法，其特征在于，所述从所述原始图像中提取明度通道图像，包括：
获取所述原始图像对应的RGB图像；
对所述RGB图像进行转换处理，得到所述原始图像对应的HSV图像；
提取所述HSV图像中的明度通道，作为所述明度通道图像。
3.根据权利要求1所述的方法，其特征在于，所述基于所述明度通道图像获取所述原始图像对应的第一图像，包括：
通过设定通道阈值，调整所述明度通道图像中每个像素点的亮度值，得到所述第一图像。
4.根据权利要求3所述的方法，其特征在于，所述调整所述明度通道图像中每个像素点的亮度值，包括：
获取所述明度通道图像中的每个像素点对应的原始亮度值；
将对应原始亮度值小于所述通道阈值的像素点作为黑色像素点，调整所述黑色像素点的亮度值为第一值；
将对应原始亮度值不小于所述通道阈值的像素点作为白色像素点，调整所述白色像素点的亮度值为第二值，所述第二值不同于所述第一值。
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像素坐标，得到所述原始图像中的车道线，包括：
根据所述车道线像素坐标，识别所述原始图像中对应的目标像素点；
将所述目标像素点调整为预设颜色，得到所述原始图像中的车道线。
6.一种车道线检测装置，其特征在于，所述装置包括：
图像获取模块，用于获取原始图像，所述原始图像为包含车道线的道路图像；
图像处理模块，用于从所述原始图像中提取明度通道图像，并基于所述明度通道图像获取所述原始图像对应的第一图像；
图像分区模块，用于从所述第一图像中获取感兴趣区域，调整所述第一图像中不属于所述感兴趣区域的像素点的亮度值，得到第二图像；基于所述第二图像中的像素点分布，获取所述第二图像中的至少一个目标区域，作为所述第一图像对应的至少一个目标区域；所述目标区域中包含多个区域像素点；
坐标确定模块，用于对所述目标区域按照预设像素间隔选取像素点；获取对应亮度值满足预设条件的像素点，作为一组区域像素点；对所述一组区域像素点进行拟合处理，得到一个与所述目标区域对应的子车道线图像；根据各目标区域对应的子车道线图像，得到所述车道线图像；获取所述车道线图像中每个像素点的坐标，得到车道线像素坐标；
车道线检测模块，用于根据所述车道线像素坐标，得到所述原始图像中的车道线。
7.一种计算机设备，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5中任一项所述的方法的步骤。
8.一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5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210498997.2A CN114820547B (zh) | 2022-05-09 | 2022-05-09 | 车道线检测方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210498997.2A CN114820547B (zh) | 2022-05-09 | 2022-05-09 | 车道线检测方法、装置、计算机设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114820547A CN114820547A (zh) | 2022-07-29 |
| CN114820547B true CN114820547B (zh) | 2024-06-04 |
Family
ID=82513748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210498997.2A Active CN114820547B (zh) | 2022-05-09 | 2022-05-09 | 车道线检测方法、装置、计算机设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114820547B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109002795A (zh) * | 2018-07-13 | 2018-12-14 | 清华大学 | 车道线检测方法、装置及电子设备 |
| CN109711264A (zh) * | 2018-11-30 | 2019-05-03 | 武汉烽火众智智慧之星科技有限公司 | 一种公交车道占道检测方法及装置 |
| CN112115784A (zh) * | 2020-08-13 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 一种车道线识别的方法、装置、可读存储介质和电子设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3100206B1 (en) * | 2014-01-30 | 2020-09-09 | Mobileye Vision Technologies Ltd. | Systems and methods for lane end recognition |
| CN109034047B (zh) * | 2018-07-20 | 2021-01-22 | 京东方科技集团股份有限公司 | 一种车道线检测方法及装置 |
-
2022
- 2022-05-09 CN CN202210498997.2A patent/CN114820547B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109002795A (zh) * | 2018-07-13 | 2018-12-14 | 清华大学 | 车道线检测方法、装置及电子设备 |
| CN109711264A (zh) * | 2018-11-30 | 2019-05-03 | 武汉烽火众智智慧之星科技有限公司 | 一种公交车道占道检测方法及装置 |
| CN112115784A (zh) * | 2020-08-13 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 一种车道线识别的方法、装置、可读存储介质和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114820547A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10803554B2 (en) | Image processing method and device | |
| CN103400150B (zh) | 一种基于移动平台进行道路边缘识别的方法及装置 | |
| CN111915483B (zh) | 图像拼接方法、装置、计算机设备和存储介质 | |
| WO2021036267A1 (zh) | 一种图像检测方法及相关设备 | |
| WO2018068304A1 (zh) | 一种图像匹配的方法及装置 | |
| CN111127358B (zh) | 图像处理方法、装置及存储介质 | |
| CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
| CN111191582A (zh) | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 | |
| CN117011304A (zh) | 缺陷检测方法、装置、计算机设备及计算机可读存储介质 | |
| CN110689014B (zh) | 感兴趣区域的检测方法、装置、电子设备及可读存储介质 | |
| CN114066823A (zh) | 检测色块的方法及其相关产品 | |
| CN114359337A (zh) | Rgbt视觉目标跟踪方法、装置、电子设备和存储介质 | |
| WO2013164043A1 (en) | Method and system for determining a color mapping model able to transform colors of a first view into colors of at least one second view | |
| US9392146B2 (en) | Apparatus and method for extracting object | |
| CN114820547B (zh) | 车道线检测方法、装置、计算机设备、存储介质 | |
| CN116958582A (zh) | 一种数据处理方法和相关装置 | |
| CN109141457A (zh) | 导航评估方法、装置、计算机设备和存储介质 | |
| CN115619636A (zh) | 图像拼接方法、电子设备以及存储介质 | |
| US10832076B2 (en) | Method and image processing entity for applying a convolutional neural network to an image | |
| CN113436256A (zh) | 拍摄装置状态识别方法、装置、计算机设备和存储介质 | |
| CN113095147A (zh) | 皮肤区域检测方法、系统、图像处理终端和存储介质 | |
| CN112989924A (zh) | 目标检测方法、目标检测装置及终端设备 | |
| CN107633498B (zh) | 图像暗态增强方法、装置及电子设备 | |
| CN106777280B (zh) | 基于超大数据集的数据处理方法及装置 | |
| CN116030450B (zh) | 棋盘格角点识别方法、装置、设备和介质 |
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 |