CN114821531B - 基于电子外后视镜adas的车道线识别图像显示系统 - Google Patents
基于电子外后视镜adas的车道线识别图像显示系统 Download PDFInfo
- Publication number
- CN114821531B CN114821531B CN202210436128.7A CN202210436128A CN114821531B CN 114821531 B CN114821531 B CN 114821531B CN 202210436128 A CN202210436128 A CN 202210436128A CN 114821531 B CN114821531 B CN 114821531B
- Authority
- CN
- China
- Prior art keywords
- lane line
- transmission node
- image
- module
- transmission
- 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
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 title claims abstract description 18
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 title claims abstract description 18
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 109
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000003607 modifier Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于电子外后视镜ADAS的车道线识别图像显示系统，包括：摄像模块，用于拍摄车辆周围环境，得到若干张环境图像；拼接模块，用于对所述若干张环境图像进行拼接处理，得到全景图像；确定模块，用于对所述全景图像进行灰度化处理，得到灰度图像；在灰度图像上确定目标区域对应的局部图像；获取局部图像上所有像素点的灰度值，并筛选出灰度值在预设灰度值范围内的像素点，作为目标像素点；根据所述目标像素点确定车辆所处环境的道路信息。基于全景图像进行车道线的图像识别，避免出现因车道线变化出现的对车道线识别不准确的问题。
Description
技术领域
本发明涉及车道线识别技术领域，特别涉及一种基于电子外后视镜ADAS的车道线识别图像显示系统。
背景技术
目前，在智能交通系统领域，智能车辆的发展已受到广泛关注，利用计算机视觉进行自主驾驶与辅助导航是目前的主流研究方向，车道线的检测与跟踪定位是驾驶辅助系统及无人驾驶发展的一项核心技术。现有技术中基于单一方向获取的图像进行识别，在车道线存在变化时，容易出现对车道线识别不准确的问题。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种基于电子外后视镜ADAS的车道线识别图像显示系统，基于全景图像进行车道线的图像识别，避免出现因车道线变化出现的对车道线识别不准确的问题。
为达到上述目的，本发明实施例提出了一种基于电子外后视镜ADAS的车道线识别图像显示系统，包括：
摄像模块，用于拍摄车辆周围环境，得到若干张环境图像；
拼接模块，用于对所述若干张环境图像进行拼接处理，得到全景图像；
确定模块，用于对所述全景图像进行灰度化处理，得到灰度图像；在灰度图像上确定目标区域对应的局部图像；获取局部图像上所有像素点的灰度值，并筛选出灰度值在预设灰度值范围内的像素点，作为目标像素点；根据所述目标像素点确定车辆所处环境的道路信息。
根据本发明的一些实施例，所述摄像模块包括四个摄像头，分别设置在车辆的前方、左侧、右侧及后方。
根据本发明的一些实施例，所述拼接模块，包括：
修正子模块，用于：
获取各个所述摄像头的摄像参数，并判断各个摄像参数是否一致；在确定各个摄像参数不一致时，任意选取一个摄像参数为目标摄像参数，将其他3个摄像参数分别与所述目标摄像参数进行比较，确定调整参数；
根据所述调整参数确定对对应环境图像的影响参数，并根据所述影响参数对对应的环境图像进行修正，得到修正环境图像；
拼接子模块，用于：
将所述目标摄像参数对应的环境图像，作为目标环境图像；
对所述目标环境图像及所述修正环境图像进行边缘检测处理，确定对应的边缘信息数据；
将所述边缘信息数据进行相互匹配，根据匹配结果确定拼接方式，根据所述拼接方式进行拼接处理，得到全景图像。
根据本发明的一些实施例，所述道路信息包括道路中心线、车道数、车道宽度。
根据本发明的一些实施例，所述确定模块，还用于确定所述车辆所处的车道线。
根据本发明的一些实施例，还包括，报警模块，用于：
确定所述车辆的定位信息，根据所述定位信息查询高精地图，确定车辆对所在车道线的定位结果；
将所述定位结果进行坐标转换处理，得到所述定位结果在车辆坐标系下的位置参数；
判断所述位置参数与所述确定模块确定的所述车辆所处的车道线是否一致，在确定不一致时，发出报警提示。
根据本发明的一些实施例，还包括，调整模块，用于：
获取车辆在预设时间段内的行驶轨迹；
判断所述行驶轨迹是否在同一个车道线内，在确定所述行驶轨迹不在同一个车道线内时，获取每一个车道线内的轨迹片段的长度，并计算每一个车道线内的轨迹片段的长度之和，将长度之和最大的对应的车道线，作为目标车道线；
获取所述车辆偏移所述目标车道线的横向位移；
确定所述横向位移与预设横向位移的差值；
根据所述差值调整对车辆方向盘的控制力矩。
根据本发明的一些实施例，还包括：传输模块，用于将所述全景图像传输至绑定终端。
根据本发明的一些实施例，还包括：
标记模块，用于：
在所述传输模块包括的若干个传输节点中，选取第一个传输节点，作为第一传输节点，并任意选取一个传输节点，作为第二传输节点；所述第一传输节点传输全景图像至第二传输节点，所述第一传输节点与所述第二传输节点之间还包括若干个传输节点；
获取所述第一传输节点的特征值；
根据所述第一传输节点的特征值，计算所述第二传输节点的特征值，并判断是否大于预设特征值；
在确定所述特征值大于预设特征值时，对所述第二传输节点进行标记并发出报警提示。
有益效果：基于全景图像进行车道线的图像识别，避免出现因车道线变化出现的对车道线识别不准确的问题，便于全面且准确的进行车道线识别，同时确定目标区域，减少识别区域，提高识别效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是根据本发明一个实施例的基于电子外后视镜ADAS的车道线识别图像显示系统的框图；
图2是根据本发明一个实施例的基于电子外后视镜ADAS的车道线识别图像显示系统的框图；
图3是根据本发明一个实施例的基于电子外后视镜ADAS的车道线识别图像显示系统的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提出了一种基于电子外后视镜ADAS的车道线识别图像显示系统，包括：
摄像模块，用于拍摄车辆周围环境，得到若干张环境图像；
拼接模块，用于对所述若干张环境图像进行拼接处理，得到全景图像；
确定模块，用于对所述全景图像进行灰度化处理，得到灰度图像；在灰度图像上确定目标区域对应的局部图像；获取局部图像上所有像素点的灰度值，并筛选出灰度值在预设灰度值范围内的像素点，作为目标像素点；根据所述目标像素点确定车辆所处环境的道路信息。
上述技术方案的工作原理：摄像模块，用于拍摄车辆周围环境，得到若干张环境图像；拼接模块，用于对所述若干张环境图像进行拼接处理，得到全景图像；确定模块，用于对所述全景图像进行灰度化处理，得到灰度图像；在灰度图像上确定目标区域对应的局部图像；获取局部图像上所有像素点的灰度值，并筛选出灰度值在预设灰度值范围内的像素点，作为目标像素点；根据所述目标像素点确定车辆所处环境的道路信息。目标区域为对应的环境中的道路区域，且该道路区域以车辆所在的位置为中心，包括垂直于车辆行驶方向的所有道路作为宽度，以预设长度在车辆的前方及后方截取，确定的区域。预设灰度值范围表示对车道线的像素点的灰度值的预设范围。
上述技术方案的有益效果：基于全景图像进行车道线的图像识别，避免出现因车道线变化出现的对车道线识别不准确的问题，便于全面且准确的进行车道线识别，同时确定目标区域，减少识别区域，提高识别效率。
根据本发明的一些实施例，所述摄像模块包括四个摄像头，分别设置在车辆的前方、左侧、右侧及后方。
根据本发明的一些实施例，所述拼接模块，包括：
修正子模块，用于：
获取各个所述摄像头的摄像参数，并判断各个摄像参数是否一致；在确定各个摄像参数不一致时，任意选取一个摄像参数为目标摄像参数，将其他3个摄像参数分别与所述目标摄像参数进行比较，确定调整参数；
根据所述调整参数确定对对应环境图像的影响参数，并根据所述影响参数对对应的环境图像进行修正，得到修正环境图像；
拼接子模块，用于：
将所述目标摄像参数对应的环境图像，作为目标环境图像；
对所述目标环境图像及所述修正环境图像进行边缘检测处理，确定对应的边缘信息数据；
将所述边缘信息数据进行相互匹配，根据匹配结果确定拼接方式，根据所述拼接方式进行拼接处理，得到全景图像。
上述技术方案的工作原理：摄像参数包括摄像头的设置高度、位置、角度等。获取各个所述摄像头的摄像参数，并判断各个摄像参数是否一致；在确定各个摄像参数不一致时，任意选取一个摄像参数为目标摄像参数，将其他3个摄像参数分别与所述目标摄像参数进行比较，确定调整参数；根据所述调整参数确定对对应环境图像的影响参数，并根据所述影响参数对对应的环境图像进行修正，得到修正环境图像；拼接子模块，用于：将所述目标摄像参数对应的环境图像，作为目标环境图像；对所述目标环境图像及所述修正环境图像进行边缘检测处理，确定对应的边缘信息数据；将所述边缘信息数据进行相互匹配，根据匹配结果确定拼接方式，根据所述拼接方式进行拼接处理，得到全景图像。
上述技术方案的有益效果：避免因摄像参数不同，导致的各个环境图像在拼接过程中无法正确拼接的问题，将各个环境图像调整至同一坐标系进行拼接，基于所述边缘信息数据进行相互匹配，进而得到准确的全景图像。
根据本发明的一些实施例，所述道路信息包括道路中心线、车道数、车道宽度。
根据本发明的一些实施例，所述确定模块，还用于确定所述车辆所处的车道线。
如图2所示，根据本发明的一些实施例，还包括，报警模块，用于：
确定所述车辆的定位信息，根据所述定位信息查询高精地图，确定车辆对所在车道线的定位结果；
将所述定位结果进行坐标转换处理，得到所述定位结果在车辆坐标系下的位置参数；
判断所述位置参数与所述确定模块确定的所述车辆所处的车道线是否一致，在确定不一致时，发出报警提示。
上述技术方案的工作原理：确定所述车辆的定位信息，根据所述定位信息查询高精地图，确定车辆对所在车道线的定位结果；将所述定位结果进行坐标转换处理，得到所述定位结果在车辆坐标系下的位置参数；判断所述位置参数与所述确定模块确定的所述车辆所处的车道线是否一致，在确定不一致时，发出报警提示。
上述技术方案的有益效果：在确定所述位置参数与所述确定模块确定的所述车辆所处的车道线不一致时，表示确定模块对车道线识别出现错误，发出报警提示，便于及时维修，消除安全隐患。
如图3所示，根据本发明的一些实施例，还包括，调整模块，用于：
获取车辆在预设时间段内的行驶轨迹；
判断所述行驶轨迹是否在同一个车道线内，在确定所述行驶轨迹不在同一个车道线内时，获取每一个车道线内的轨迹片段的长度，并计算每一个车道线内的轨迹片段的长度之和，将长度之和最大的对应的车道线，作为目标车道线；
获取所述车辆偏移所述目标车道线的横向位移；
确定所述横向位移与预设横向位移的差值；
根据所述差值调整对车辆方向盘的控制力矩。
上述技术方案的工作原理：调整模块，用于：获取车辆在预设时间段内的行驶轨迹；判断所述行驶轨迹是否在同一个车道线内，在确定所述行驶轨迹不在同一个车道线内时，获取每一个车道线内的轨迹片段的长度，并计算每一个车道线内的轨迹片段的长度之和，将长度之和最大的对应的车道线，作为目标车道线；获取所述车辆偏移所述目标车道线的横向位移；确定所述横向位移与预设横向位移的差值；根据所述差值调整对车辆方向盘的控制力矩。预设横向位移为车辆在保持目标车道线行驶的最大横向位移。
上述技术方案的有益效果：便于确定车辆方向盘的控制力矩，实现车道保持功能。基于准确确定目标车道线，获取车辆偏移所述目标车道线的横向位移，实现对偏离信息的获取，基于横向位移与预设横向位移的差值确定调整系数。
根据本发明的一些实施例，还包括：传输模块，用于将所述全景图像传输至绑定终端。
上述技术方案的有益效果：便于基于绑定终端接收全景图像，基于全景图像获取车辆所处环境信息。
根据本发明的一些实施例，还包括：
标记模块，用于：
在所述传输模块包括的若干个传输节点中，选取第一个传输节点，作为第一传输节点，并任意选取一个传输节点，作为第二传输节点；所述第一传输节点传输全景图像至第二传输节点，所述第一传输节点与所述第二传输节点之间还包括若干个传输节点；
获取所述第一传输节点的特征值；
根据所述第一传输节点的特征值，计算所述第二传输节点的特征值，并判断是否大于预设特征值；
在确定所述特征值大于预设特征值时，对所述第二传输节点进行标记并发出报警提示。
所述计算第二传输节点的特征值，包括：
Tb＝(1-λ)+λ×Ta×[0.2×w(a,b)+0.3×P(a,b)+0.5×N]
其中，Tb为第二传输节点b的特征值；λ为传输路径上的衰减参数；Ta为第一传输节点a的特征值；w(a,b)为第一传输节点a与第二传输节点b之间的活跃度参数；P(a,b)为第一传输节点a与第二传输节点b之间所有传输路径的平均值；N为第二传输节点b的直接邻居传输节点的数量。
上述技术方案的工作原理及有益效果：所述第一传输节点的特征值为根据第一传输节点的传输状态预设的数值。报警模块，用于：在所述传输模块包括的若干个传输节点中，选取第一个传输节点，作为第一传输节点，并任意选取一个传输节点，作为第二传输节点；所述第一传输节点传输全景图像至第二传输节点，所述第一传输节点与所述第二传输节点之间还包括若干个传输节点；计算所述第二传输节点的特征值，并判断是否大于预设特征值；在确定所述特征值大于预设特征值时，表示第二传输节点的负载较大，影响传输速率及传输准确性，对所述第二传输节点进行标记并发出报警提示。便于对第二传输节点资源调度的策略，减轻第二传输节点的负载，将多余的负载传输至其他相应的传输节点，保证第二传输节点传输的准确性及传输速率。基于上述公式，准确计算出第二传输节点的特征值，提高了判断特征值与预设特征值大小的准确性。便于准确调节各个传输节点之间的交互关系，优化各个传输节点之间的关系模型，提高各个传输节点的传输效用值，避免传输资源的浪费，提高了传输效率及传输准确性。直接邻居传输节点为第二传输节点前一个的传输节点。
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，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，包括：
摄像模块，用于拍摄车辆周围环境，得到若干张环境图像；
拼接模块，用于对所述若干张环境图像进行拼接处理，得到全景图像；
确定模块，用于对所述全景图像进行灰度化处理，得到灰度图像；在灰度图像上确定目标区域对应的局部图像；获取局部图像上所有像素点的灰度值，并筛选出灰度值在预设灰度值范围内的像素点，作为目标像素点；根据所述目标像素点确定车辆所处环境的道路信息；
所述道路信息包括道路中心线、车道数、车道宽度；
所述拼接模块，包括：
修正子模块，用于：
获取各个摄像头的摄像参数，并判断各个摄像参数是否一致；在确定各个摄像参数不一致时，任意选取一个摄像参数为目标摄像参数，将其他3个摄像参数分别与所述目标摄像参数进行比较，确定调整参数；
根据所述调整参数确定对对应环境图像的影响参数，并根据所述影响参数对对应的环境图像进行修正，得到修正环境图像；
拼接子模块，用于：
将所述目标摄像参数对应的环境图像，作为目标环境图像；
对所述目标环境图像及所述修正环境图像进行边缘检测处理，确定对应的边缘信息数据；
将所述边缘信息数据进行相互匹配，根据匹配结果确定拼接方式，根据所述拼接方式进行拼接处理，得到全景图像。
2.如权利要求1所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，所述摄像模块包括四个摄像头，分别设置在车辆的前方、左侧、右侧及后方。
3.如权利要求1所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，所述确定模块，还用于确定所述车辆所处的车道线。
4.如权利要求3所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，还包括，报警模块，用于：
确定所述车辆的定位信息，根据所述定位信息查询高精地图，确定车辆对所在车道线的定位结果；
将所述定位结果进行坐标转换处理，得到所述定位结果在车辆坐标系下的位置参数；
判断所述位置参数与所述确定模块确定的所述车辆所处的车道线是否一致，在确定不一致时，发出报警提示。
5.如权利要求1所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，还包括，调整模块，用于：
获取车辆在预设时间段内的行驶轨迹；
判断所述行驶轨迹是否在同一个车道线内，在确定所述行驶轨迹不在同一个车道线内时，获取每一个车道线内的轨迹片段的长度，并计算每一个车道线内的轨迹片段的长度之和，将长度之和最大的对应的车道线，作为目标车道线；
获取所述车辆偏移所述目标车道线的横向位移；
确定所述横向位移与预设横向位移的差值；
根据所述差值调整对车辆方向盘的控制力矩。
6.如权利要求1所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，还包括：传输模块，用于将所述全景图像传输至绑定终端。
7.如权利要求6所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，还包括：
标记模块，用于：
在所述传输模块包括的若干个传输节点中，选取第一个传输节点，作为第一传输节点，并任意选取一个传输节点，作为第二传输节点；所述第一传输节点传输全景图像至第二传输节点，所述第一传输节点与所述第二传输节点之间还包括若干个传输节点；
获取所述第一传输节点的特征值；
根据所述第一传输节点的特征值，计算所述第二传输节点的特征值，并判断是否大于预设特征值；
在确定所述特征值大于预设特征值时，对所述第二传输节点进行标记并发出报警提示；
所述第一传输节点的特征值为根据第一传输节点的传输状态预设的数值；
所述计算第二传输节点的特征值，包括：
8.如权利要求1所述的基于电子外后视镜ADAS的车道线识别图像显示系统，其特征在于，还包括：降噪模块，用于在所述拼接模块对所述若干张环境图像进行拼接处理前，对所述环境图像进行降噪处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210436128.7A CN114821531B (zh) | 2022-04-25 | 2022-04-25 | 基于电子外后视镜adas的车道线识别图像显示系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210436128.7A CN114821531B (zh) | 2022-04-25 | 2022-04-25 | 基于电子外后视镜adas的车道线识别图像显示系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114821531A CN114821531A (zh) | 2022-07-29 |
| CN114821531B true CN114821531B (zh) | 2023-03-28 |
Family
ID=82507200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210436128.7A Active CN114821531B (zh) | 2022-04-25 | 2022-04-25 | 基于电子外后视镜adas的车道线识别图像显示系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114821531B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237393B (zh) * | 2023-11-06 | 2024-05-17 | 深圳金语科技有限公司 | 基于流媒体后视镜的图像处理方法、装置及计算机设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109325389A (zh) * | 2017-07-31 | 2019-02-12 | 比亚迪股份有限公司 | 车道线识别方法、装置及车辆 |
| CN110422168A (zh) * | 2019-08-08 | 2019-11-08 | 智邮开源通信研究院(北京)有限公司 | 车道识别系统、方法及自动驾驶汽车 |
| CN111046741A (zh) * | 2019-11-19 | 2020-04-21 | 北京汽车股份有限公司 | 车道线识别的方法和装置 |
| CN111507130A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
| CN114240816A (zh) * | 2022-02-24 | 2022-03-25 | 魔门塔(苏州)科技有限公司 | 道路环境感知方法、装置、存储介质、电子设备及车辆 |
| CN114387576A (zh) * | 2021-12-09 | 2022-04-22 | 杭州电子科技大学信息工程学院 | 一种车道线识别方法、系统、介质、设备及信息处理终端 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202806557U (zh) * | 2012-06-14 | 2013-03-20 | 北京万得嘉瑞汽车技术有限公司 | 一种集成全景泊车和车道偏离报警功能的驾驶辅助系统 |
| CN107292214B (zh) * | 2016-03-31 | 2020-06-19 | 比亚迪股份有限公司 | 车道偏离检测方法、装置及车辆 |
| EP3631675B1 (en) * | 2017-06-28 | 2023-09-13 | Huawei Technologies Co., Ltd. | Advanced driver assistance system and method |
| CN108052910A (zh) * | 2017-12-19 | 2018-05-18 | 深圳市保千里电子有限公司 | 一种车辆全景成像系统的自动调整方法、装置及存储介质 |
| CN108162866A (zh) * | 2017-12-21 | 2018-06-15 | 宁波吉利汽车研究开发有限公司 | 一种基于流媒体外后视镜系统的车道识别系统及方法 |
| CN108256470A (zh) * | 2018-01-16 | 2018-07-06 | 鹰驾科技（深圳）有限公司 | 一种车道偏移判断方法及汽车 |
| US10949707B2 (en) * | 2019-02-27 | 2021-03-16 | Here Global B.V. | Method, apparatus, and system for generating feature correspondence from camera geometry |
| US20200349363A1 (en) * | 2019-05-02 | 2020-11-05 | Miguel Hurtado | Method and system for estimating lane lines in vehicle advanced driver assistance driver assistance systems |
| CN112069862A (zh) * | 2019-06-10 | 2020-12-11 | 华为技术有限公司 | 目标检测方法和装置 |
| WO2021069967A1 (en) * | 2019-10-08 | 2021-04-15 | Mobileye Vision Technologies Ltd. | Systems and methods for vehicle navigation |
| US11498494B2 (en) * | 2019-11-27 | 2022-11-15 | Magna Electronics Inc. | Vehicular camera monitoring system |
| WO2021138619A2 (en) * | 2020-01-03 | 2021-07-08 | Mobileye Vision Technologies Ltd. | Vehicle navigation with pedestrians and determining vehicle free space |
| CN113421215A (zh) * | 2021-07-19 | 2021-09-21 | 江苏金海星导航科技有限公司 | 一种基于人工智能的汽车自动循迹系统 |
| CN114299464A (zh) * | 2021-08-11 | 2022-04-08 | 腾讯科技（深圳）有限公司 | 车道定位方法、装置及设备 |
| CN114120289B (zh) * | 2022-01-25 | 2022-05-03 | 中科视语(北京)科技有限公司 | 一种行车区域与车道线识别方法及系统 |
-
2022
- 2022-04-25 CN CN202210436128.7A patent/CN114821531B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109325389A (zh) * | 2017-07-31 | 2019-02-12 | 比亚迪股份有限公司 | 车道线识别方法、装置及车辆 |
| CN111507130A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
| CN110422168A (zh) * | 2019-08-08 | 2019-11-08 | 智邮开源通信研究院(北京)有限公司 | 车道识别系统、方法及自动驾驶汽车 |
| CN111046741A (zh) * | 2019-11-19 | 2020-04-21 | 北京汽车股份有限公司 | 车道线识别的方法和装置 |
| CN114387576A (zh) * | 2021-12-09 | 2022-04-22 | 杭州电子科技大学信息工程学院 | 一种车道线识别方法、系统、介质、设备及信息处理终端 |
| CN114240816A (zh) * | 2022-02-24 | 2022-03-25 | 魔门塔(苏州)科技有限公司 | 道路环境感知方法、装置、存储介质、电子设备及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114821531A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109920246B (zh) | 一种基于v2x通信与双目视觉的协同局部路径规划方法 | |
| EP3470789A1 (en) | Autonomous driving support apparatus and method | |
| US9990375B2 (en) | Map data processing device for vehicle | |
| JP2900737B2 (ja) | 車間距離検出装置 | |
| EP3842754A1 (en) | System and method of detecting change in object for updating high-definition map | |
| US10821975B2 (en) | Lane division line recognition apparatus, lane division line recognition method, driving assist apparatus including lane division line recognition apparatus, and driving assist method including lane division line recognition method | |
| US11092442B2 (en) | Host vehicle position estimation device | |
| CN111121849B (zh) | 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感系统 | |
| CN114312783B (zh) | 用于车辆的道路进入系统和方法及计算机可读存储介质 | |
| US11796331B2 (en) | Associating perceived and mapped lane edges for localization | |
| CN114821531B (zh) | 基于电子外后视镜adas的车道线识别图像显示系统 | |
| CN114670852A (zh) | 异常行驶行为的识别方法、装置、设备及介质 | |
| CN110555801A (zh) | 一种航迹推演的校正方法、终端和存储介质 | |
| JPH09218265A (ja) | レーダ中心軸自動補正装置 | |
| JP6985949B2 (ja) | 車載電子制御装置 | |
| US20200062252A1 (en) | Method and apparatus for diagonal lane detection | |
| US11312393B2 (en) | Artificially falsifying sensor data to initiate a safety action for an autonomous vehicle | |
| CN111753901A (zh) | 一种数据融合方法、装置、系统及计算机设备 | |
| US11477371B2 (en) | Partial image generating device, storage medium storing computer program for partial image generation and partial image generating method | |
| US20210141079A1 (en) | Object detection device for vehicle | |
| EP3288260B1 (en) | Image processing device, imaging device, equipment control system, equipment, image processing method, and carrier means | |
| US20230098314A1 (en) | Localizing and updating a map using interpolated lane edge data | |
| CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
| CN114898332A (zh) | 一种基于自动驾驶的车道线识别方法及系统 | |
| CN115953328B (zh) | 一种目标矫正方法、系统及电子设备 |
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 |