CN116993637B - 用于车道线检测的图像数据处理方法、装置、设备和介质 - Google Patents
用于车道线检测的图像数据处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116993637B CN116993637B CN202310864194.9A CN202310864194A CN116993637B CN 116993637 B CN116993637 B CN 116993637B CN 202310864194 A CN202310864194 A CN 202310864194A CN 116993637 B CN116993637 B CN 116993637B
- Authority
- CN
- China
- Prior art keywords
- position information
- image
- lane line
- point position
- determining
- 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 66
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 73
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims description 33
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
Abstract
本公开的实施例公开了用于车道线检测的图像数据处理方法、装置、设备和介质。该方法的一具体实施方式包括:获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;基于第一车道线图像与第二车道线图像,确定第一消失点位置信息与第二消失点位置信息;根据第一消失点位置信息与第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合;根据第一目标点位置信息集合与第二目标点位置信息集合,确定透视变换矩阵;获取数据待增强图像;基于透视变换矩阵,对数据待增强图像进行像素点坐标位置变换处理,得到车道线检测数据增强图像。该实施方式减少了算力资源的浪费。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于车道线检测的图像数据处理方法、装置、设备和介质。
背景技术
用于车道线检测的图像数据处理是对车道线图像进行处理的一项技术。目前,当车道线图像拍摄高度发生变化,对高度变化前的车道线图像进行处理,得到高度变化后的车道线图像时,通常采用的方式为:根据大量拍摄高度变化前后的车道线图像数据以及车道线图像中包含的车道线交点位置信息训练生成处理模型,然后将高度变化前的数据待增强车道线图像输入至处理模型中对高度变化前的车道线图像进行处理,得到高度变化后的车道线图像。然而,当采用上述方式对高度变化前的车道线图像进行处理,得到高度变化后的车道线图像时,经常会存在如下技术问题:
第一,模型训练过程中需要大量的车道线图像数据进行训练,进而需要大量的计算资源,导致大量的算力资源浪费。
第二,车道线图像中存在车道线以外的区域图像的干扰,导致得到的车道线交点位置信息即消失点位置信息不够精确。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用于车道线检测的图像数据处理方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种用于车道线检测的图像数据处理方法,该方法包括:获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息;根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合;根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵;获取用于车道线检测的数据待增强图像;基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
第二方面,本公开的一些实施例提供了一种用于车道线检测的图像数据处理装置,装置包括:第一获取单元,被配置成获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;第二获取单元,被配置成获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;第一确定单元,被配置成基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息;第二确定单元,被配置成根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合;第三确定单元,被配置成根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵;第三获取单元,被配置成获取用于车道线检测的数据待增强图像;处理单元,被配置成基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的用于车道线检测的图像数据处理方法,减少了算力资源的浪费。具体来说,造成算力资源的浪费的原因在于:模型训练过程中需要大量的车道线图像数据进行训练,进而需要大量的计算资源,导致大量的算力资源浪费。基于此,本公开的一些实施例的用于车道线检测的图像数据处理方法,首先,获取对应第一预设拍摄高度的车道线图像作为第一车道线图像。由此,可以得到拍摄高度变化前用于车道线检测的车道线图像。然后,获取对应第二预设拍摄高度的车道线图像作为第二车道线图像。由此,可以得到拍摄高度变化后用于车道线检测的车道线图像。接着,基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息。由此,可以得到用于确定第一车道线所在区域和第一车道线方向的第一消失点位置信息与用于确定第二车道线所在区域和第二车道线方向的第二消失点位置信息。然后,根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合。由此,可以得到第一车道线所在区域信息的第一目标点位置信息集合与第二车道线所在区域信息的第二目标点位置信息集合。之后,根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵。由此,可以根据一组数据即第一目标点位置信息集合与第二目标点位置信息集合确定透视变换矩阵,透视变换矩阵可以表示拍摄高度变化前拍摄的第一车道线图像中的像素点与拍摄高度变化后拍摄的第二车道线图像中的像素点存在的位置信息转换关系。然后,获取用于车道线检测的数据待增强图像。由此,可以得到用于车道线检测的数据待增强图像。最后,基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。由此,可以根据位置信息转换关系,在拍摄高度变化前数据待增强图像基础上得到拍摄高度变化后用于车道线检测的数据增强图像。也因为采用了根据一组数据即第一目标点位置信息集合与第二目标点位置信息集合确定了透视变换矩阵,透视变换矩阵可以表示拍摄高度变化前拍摄的第一车道线图像中像素点与拍摄高度变化后拍摄的第二车道线图像中像素点存在的位置信息转换关系。因此,不需要根据大量拍摄高度变化前后的车道线图像数据训练生成处理模型,从而不需要对大量的数据进行运算,就能根据位置信息转换关系在拍摄高度变化前数据待增强图像的基础上得到拍摄高度变化后用于车道线检测的数据增强图像。节省了算力资源,进而,减少了算力资源的浪费。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的用于车道线检测的图像数据处理方法的一些实施例的流程图;
图2是根据本公开的用于车道线检测的图像数据处理装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的用于车道线检测的图像数据处理方法的一些实施例的流程100。该用于车道线检测的图像数据处理方法,包括以下步骤:
步骤101,获取对应第一预设拍摄高度的车道线图像作为第一车道线图像。
在一些实施例中,用于车道线检测的图像数据处理方法的执行主体(例如计算设备)可以通过有线连接方式或者无线连接方式获取对应第一预设拍摄高度的车道线图像作为第一车道线图像。其中,上述第一预设拍摄高度可以是摄像头距离地面的高度。上述第一预设拍摄高度可以是指预先设定的数值。例如,上述第一预设拍摄高度可以是40厘米。上述车道线图像可以为包含车道线的图像。上述第一车道线图像可以为摄像头在距离地面高度为第一预设拍摄高度时拍摄的车道线图像。实践中,上述执行主体可以获取摄像头所采集的第一预设拍摄高度的车道线图像。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤102,获取对应第二预设拍摄高度的车道线图像作为第二车道线图像。
在一些实施例中,上述执行主体可以通过有线连接方式或者无线连接方式获取对应第二预设拍摄高度的车道线图像作为第二车道线图像。其中,上述第二预设拍摄高度可以是摄像头距离地面不同于第一预设拍摄高度的高度。上述第二预设拍摄高度可以是指预先设定的数值。例如,上述第二预设拍摄高度可以是指60厘米。上述第二车道线图像可以为摄像头在距离地面高度为第二预设拍摄高度时拍摄的车道线图像。这里,上述第二预设拍摄高度不同于第一预设拍摄高度。实践中,上述执行主体可以获取摄像头所采集的第二预设拍摄高度的车道线图像。
步骤103,基于第一车道线图像与第二车道线图像,确定第一消失点位置信息与第二消失点位置信息。
在一些实施例中,上述执行主体可以基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息。其中,上述第一消失点位置信息可以为上述第一车道线图像中所包含的各个车道线的交点位置信息。上述第二消失点位置信息可以为上述第二车道线图像中所包含的各个车道线的交点位置信息。上述车道线的交点可以为消失点。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息:
第一步,对上述第一车道线图像与上述第二车道线图像进行车道线检测,得到第一车道线像素点位置信息集合与第二车道线像素点位置信息集合。实践中,上述执行主体可以通过霍夫变换算法分别对上述第一车道线图像与上述第二车道线图像进行车道线检测,得到第一车道线像素点位置信息集合与第二车道线像素点位置信息集合。其中,上述第一车道线像素点位置信息集合中的第一车道线像素点位置信息可以为一个第一车道线像素点在第一车道线图像中的横坐标和纵坐标。上述第二车道线像素点位置信息集合中的第二车道线像素点位置信息可以为一个第二车道线像素点在第二车道线图像中的横坐标和纵坐标。
第二步,将上述第一车道线像素点位置信息集合确定为第一像素点位置信息集合。
第三步,将上述第二车道线像素点位置信息集合确定为第二像素点位置信息集合。
第四步,将上述第一像素点位置信息集合与上述第二像素点位置信息集合分别输入至预设关联模型,得到第一车道线拟合直线信息与第二车道线拟合直线信息。其中,上述第一车道线拟合直线信息可以为描述各个第一车道线像素点位置信息关系的一组数学方程。上述第二车道线拟合直线信息可以为描述各个第二车道线像素点位置信息关系的一组数学方程。其中,上述预设关联模型可以是以像素点位置信息集合为输入,以拟合直线信息为输出的神经网络模型。例如,上述预设关联模型可以为线性回归模型。
第五步,根据上述第一车道线拟合直线信息,确定第一车道线交点位置信息作为第一消失点位置信息。实践中,首先,上述执行主体可以根据上述第一车道线拟合直线信息进行各个第一车道线的交点求解,得到第一交点坐标。然后,上述执行主体可以将得到的第一交点坐标确定为第一车道线交点位置信息。
第六步,根据上述第二车道线拟合直线信息,确定第二车道线交点位置信息作为第二消失点位置信息。实践中,首先,上述执行主体可以根据上述第二车道线拟合直线信息进行各个第二车道线的交点求解,得到第二交点坐标。然后,上述执行主体可以将得到的第二交点坐标确定为第二车道线交点位置信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息:
第一步,响应于确定上述第一车道线图像与上述第二车道线图像中各个像素点的颜色通道数均为第一预设数值,将上述第一车道线图像与上述第二车道线图像分别确定为第一预处理图像与第二预处理图像。其中,颜色通道数可以是保存图像颜色信息的通道数值。上述第一预设数值可以为1。
第二步,响应于确定上述第一车道线图像与上述第二车道线图像中各个像素点的颜色通道数均为第二预设数值,对于上述第一车道线图像与上述第二车道线图像中的每个像素点,执行以下像素点处理步骤:
子步骤一,确定上述像素点的三基色值信息。其中,上述第二预设数值可以为3。上述三基色值信息可以是指像素点中红色、绿色和蓝色通道的数值信息。例如,三基色值信息可以为(0,125,125)。
子步骤二,根据上述三基色值信息,生成对应上述像素点的颜色平均值。例如,三基色信息可以为(1,2,3),则颜色平均值为2。
子步骤三,将上述像素点的颜色通道数确定为上述第一预设数值。
子步骤四,将上述颜色平均值确定为上述像素点的颜色值。
第三步,将上述第一车道线图像中的各个像素点通过上述像素点处理步骤处理后的第一车道线图像确定为第一预处理图像。
第四步,将上述第二车道线图像的各个像素点通过上述像素点处理步骤处理后的第二车道线图像确定为第二预处理图像。
第五步,对上述第一预处理图像进行去噪处理,得到去噪处理后的第一预处理图像作为第一去噪图像。实践中,上述执行主体可以通过高斯滤波算法对第一预处理图像进行去噪处理,得到去噪处理后的第一预处理图像作为第一去噪图像。
第六步,对上述第一去噪图像进行阈值分割处理,得到第一目标区域。其中,上述第一目标区域可以为第一车道线在第一去噪图像中的区域。实践中,首先,上述执行主体可以通过全局阈值法,确定第一车道线在第一去噪图像中的区域。然后,上述执行主体可以将第一车道线在第一去噪图像中的区域确定为第一目标区域。
第七步,将上述第一去噪图像中的第一目标区域中各个像素点的像素值确定为第一预设值,以对第一去噪图像中的各个像素点进行更新。其中,上述第一预设值可以为1。
第八步,将各个像素点更新后的第一去噪图像确定为初始第一掩膜图像。
第九步,将上述初始第一掩膜图像中满足第一预设条件的各个像素点的像素值确定为第二预设值,以对初始第一掩膜图像中的各个像素点进行更新。其中,上述第一预设条件可以为像素点的像素值不为1。上述第二预设值可以为0。
第十步,将各个像素点更新后的初始第一掩膜图像确定为第一掩膜图像。其中,上述第一掩膜图像可以表征为第一车道线图像车道线所在的区域的各个像素点的像素值为1,第一车道线图像中车道线所在区域以外的区域的各个像素点的像素值为0的二值图像。
第十一步,对上述第二预处理图像进行去噪处理,得到去噪处理后的第二预处理图像作为第二去噪图像。实践中,上述执行主体可以通过高斯滤波算法对第二预处理图像进行去噪处理,得到去噪处理后的第一预处理图像作为第二去噪图像。
第十二步,对上述第二去噪图像进行阈值分割处理,得到第二目标区域。其中,上述第二目标区域可以为第二车道线在第二去噪图像中的区域。实践中,首先,上述执行主体可以通过全局阈值法,确定第二车道线在第二去噪图像中的区域。然后,上述执行主体可以将第二车道线在第二去噪图像中的区域确定为第二目标区域。
第十三步,将上述第二去噪图像中的第二目标区域中各个像素点的像素值均确定为第一预设值,以对第二去噪图像中的各个像素点进行更新。
第十四步,将各个像素点更新后的第二去噪图像确定为初始第二掩膜图像。
第十五步,将上述初始第二掩膜图像中满足第一预设条件的像素点的各个像素值均确定为第二预设值,以对初始第二掩膜图像中的各个像素点进行更新。
第十六步,将各个像素点更新后的初始第二掩膜图像确定为第二掩膜图像。其中,上述第二掩膜图像可以表征为第二车道线图像车道线所在的区域的各个像素点的像素值为1,第二车道线图像中车道线所在区域以外的区域的各个像素点的像素值为0的二值图像。
第十七步,基于上述第一掩膜图像与上述第二掩膜图像,生成第一目标区域图像与第二目标区域图像。其中,上述第一目标区域图像可以为第一车道线所在区域的图像。上述第二目标区域图像可以为第二车道线所在区域的图像。实践中,上述执行主体可以将第一掩膜图像和第二掩膜图像分别与第一车道线图像与第二车道线图像进行按位与操作,得到第一目标区域图像与第二目标区域图像。例如,上述第一车道线图像车道线所在的区域的各个像素点的像素值为1与第一车道线图像进行按位与操作可以表征为保留第一车道线图像中第一目标区域图像。上述第一车道线图像中车道线所在区域以外的区域的各个像素点的像素值为0与第一车道线图像进行按位与操作可以表征为去除第一车道线所在区域以外的区域图像。
第十八步,基于上述第一目标区域图像与上述第二目标区域图像,确定第一消失点位置信息与第二消失点位置信息。
上述技术方案及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“车道线图像中存在车道线以外的区域图像的干扰,导致得到的车道线交点位置信息即消失点位置信息不够精确”。导致车道线交点位置信息即消失点位置信息不够精确的因素往往如下:车道线图像中存在车道线以外的区域图像的干扰,导致得到的车道线交点位置信息即消失点位置信息不够精确。如果解决了上述因素,就能使得到的第一车道线交点位置信息即第一消失点位置信息与第二车道线交点位置信息即第二消失点位置信息更加精确。为了达到这一效果,本公开通过以下步骤第一步,响应于确定上述第一车道线图像与上述第二车道线图像中各个像素点的颜色通道数均为第一预设数值,将上述第一车道线图像与上述第二车道线图像分别确定为第一预处理图像与第二预处理图像。第二步,响应于确定上述第一车道线图像与上述第二车道线图像中各个像素点的颜色通道数均为第二预设数值,对于上述第一车道线图像与上述第二车道线图像中的每个像素点,执行以下像素点处理步骤:子步骤一,确定上述像素点的三基色值信息。由此,可以确定用于生成像素点的颜色平均值的三基色值信息。子步骤二,根据上述三基色值信息,生成对应上述像素点的颜色平均值。由此,可以得到生成灰度图形的像素值。子步骤三,将上述像素点的颜色通道数确定为上述第一预设数值。由此,可以通过将像素点的颜色通道数由三通道改成通道数为一,进而将图像的颜色通道数改为灰度图像的颜色通道数。子步骤四,将上述颜色平均值确定为上述像素点的颜色值。第三步,将上述第一车道线图像中的各个像素点通过上述像素点处理步骤处理后的第一车道线图像确定为第一预处理图像。由此,可以将第一车道线图像转换为第一车道线灰度图像。第四步,将上述第二车道线图像的各个像素点通过上述像素点处理步骤处理后的第二车道线图像确定为第二预处理图像。由此,可以将第二车道线图像转换为第二车道线灰度图像。第五步,对上述第一预处理图像进行去噪处理,得到去噪处理后的第一预处理图像作为第一去噪图像。第六步,对上述第一去噪图像进行阈值分割处理,得到第一目标区域。由此,可以得到第一车道线所在第一去噪图像中的区域。第七步,将上述第一去噪图像中的第一目标区域中各个像素点的像素值确定为第一预设值,以对第一去噪图像中的各个像素点进行更新。第八步,将各个像素点更新后的第一去噪图像确定为初始第一掩膜图像。第九步,将上述初始第一掩膜图像中满足第一预设条件的各个像素点的像素值确定为第二预设值,以对初始第一掩膜图像中的各个像素点进行更新。第十步,将各个像素点更新后的初始第一掩膜图像确定为第一掩膜图像。由此,可以用于生成第一目标区域图像的第一掩膜图像。第十一步,对上述第二预处理图像进行去噪处理,得到去噪处理后的第二预处理图像作为第二去噪图像。第十二步,对上述第二去噪图像进行阈值分割处理,得到第二目标区域。第十三步,将上述第二去噪图像中的第二目标区域中各个像素点的像素值均确定为第一预设值,以对第二去噪图像中的各个像素点进行更新。第十四步,将各个像素点更新后的第二去噪图像确定为初始第二掩膜图像。第十五步,将上述初始第二掩膜图像中满足第一预设条件的像素点的各个像素值均确定为第二预设值,以对初始第二掩膜图像中的各个像素点进行更新。第十六步,将各个像素点更新后的初始第二掩膜图像确定为第二掩膜图像。由此,可以用于生成第二目标区域图像的第二掩膜图像。第十七步,基于上述第一掩膜图像与上述第二掩膜图像,生成第一目标区域图像与第二目标区域图像。由此可以得到包含第一车道线所在区域的第一目标区域图像与包含第二车道线所在区域的第二目标区域图像,进而去除第一车道线图像与第二车道线图像中存在的干扰区域图像。第十八步,基于上述第一目标区域图像与上述第二目标区域图像,确定第一消失点位置信息与第二消失点位置信息。进而,得到更加准确的第一消失点位置信息与第二消失点位置信息。也因为采用了根据生成的第一掩膜图像与第二掩膜图像生成第一目标区域图像与第二目标区域图像。根据去除干扰区域后的第一目标区域图像与第二目标区域图像,生成的更加精确的第一车道线交点信息即第一消失点位置信息与第二车道线交点信息即第二消失点位置信息。进而,使得生成的道线交点位置信息即消失点位置信息更加精确。
步骤104,根据第一消失点位置信息与第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合。
在一些实施例中,上述执行主体可以根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合:
第一步,将上述第一车道线图像中各个边界像素点在上述第一车道线图像中的各个位置信息确定为第一边界像素点位置信息集合。其中,上述边界像素点可以是位于第一车道线图像边界上的像素点。实践中,首先,上述执行主体可以通过边缘检测器确定各个边界像素点在上述第一车道线图像中的各个位置信息。然后,上述执行主体可以将所确定的各个边界像素点在上述第一车道线图像中的各个位置信息确定为第一边界像素点位置信息集合。其中。上述第一边界像素点位置信息集合可以为位于第一车道线图像边界上的各个像素点的位置信息。
第二步,将上述第一消失点位置信息中的第一消失点位置纵坐标确定为第一目标纵坐标。
第三步,将上述第一边界像素点位置信息集合中的每个第一边界像素点位置信息中的第一边界像素点位置纵坐标确定为第一纵坐标,得到第一纵坐标集合。
第四步,对于上述第一纵坐标集合中的每个第一纵坐标,响应于确定上述第一纵坐标与上述第一目标纵坐标相同,将对应上述第一纵坐标的第一边界像素点位置信息确定为第一目标像素点位置信息,得到第一目标像素点位置信息集合。
第五步,将上述第一车道线图像中各个顶点像素点在上述第一车道线图像中的位置信息确定为待筛选第二目标像素点位置信息集合。
第六步,将上述待筛选第二目标像素点位置信息集合中满足第一预设筛选条件的各个待筛选第二目标像素点位置信息确定为第二目标像素点位置信息集合。其中,上述第一预设筛选条件可以为第二目标像素点位置信息集合中第二目标像素点位置信息的纵坐标与第一车道线的起点纵坐标相同。上述第一车道线可以为上述第一车道线图像中包含的车道线。上述起点纵坐标可以为除第一车道线的交点以外的第一车道线端点的纵坐标。
第七步,将上述第一目标像素点位置信息集合与上述第二目标像素点位置信息集合确定为第一目标点位置信息集合。
第八步,将上述第二车道线图像中各个边界像素点在上述第二车道线图像中的位置信息确定为第二边界像素点位置信息集合。其中,上述边界像素点可以是位于第二车道线图像边界上的像素点。实践中,首先,上述执行主体可以通过边缘检测器确定各个边界像素点在上述第二车道线图像中的各个位置信息。然后,上述执行主体可以将所确定的各个边界像素点在上述第二车道线图像中的各个位置信息确定为第二边界像素点位置信息集合。
第九步,将上述第二消失点位置信息中的第二消失点位置纵坐标确定为第二目标纵坐标。
第十步,将上述第二边界像素点位置信息集合中的每个第二边界像素点位置信息中的第二边界像素点位置纵坐标确定为第二纵坐标,得到第二纵坐标集合。
第十一步,对于上述第二纵坐标集合中的每个第二纵坐标,响应于确定上述第二纵坐标与上述第二目标纵坐标相同,将对应上述第二纵坐标的第二边界像素点位置信息确定为第三目标像素点位置信息,得到第三目标像素点位置信息集合。
第十二步,将上述第二车道线图像中各个顶点像素点在上述第二车道线图像中的位置信息确定为待筛选第四目标像素点位置信息集合。
第十三步,将上述待筛选第四目标像素点位置信息集合中满足第二预设筛选条件的各个待筛选第四目标像素点位置信息确定为第四目标像素点位置信息集合。其中,上述第二预设筛选条件可以为第四目标像素点位置信息集合中第四目标像素点位置信息的纵坐标与第二车道线的起点纵坐标相同。上述第二车道线可以为上述第二车道线图像中包含的车道线。上述第二车道线的起点纵坐标可以为除第二车道线的交点以外的第二车道线端点的纵坐标。
第十四步,将上述第三目标像素点位置信息集合与上述第四目标像素点位置信息集合确定为第二目标点位置信息集合。
步骤105,根据第一目标点位置信息集合与第二目标点位置信息集合,确定透视变换矩阵。
在一些实施例中,上述执行主体可以根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵:
第一步,确定预设初始透视变换矩阵。其中,上述预设初始透视变换矩阵可以为3乘3的各个矩阵元素值都未知的字母矩阵。例如,上述初始透视变换矩阵可以为。其中,上述透视变换矩阵中/>、/>、/>、/>、/>和/>代表旋转和缩放的系数。/>和/>代表切换的系数。/>数值可以为1。
第二步,基于上述预设初始透视变换矩阵,确定透视变换坐标转换信息。上述透视变换坐标转换信息可以为。其中,上述/>可以为拍摄高度变化前车道线图像中像素点的横坐标。上述/>可以为拍摄高度变化前车道线图像中像素点的纵坐标。上述/>可以为根据变换矩阵进行坐标变换后对应高度变化前像素点的变换后像素点的横坐标。上述/>可以为根据变换矩阵进行坐标变换后对应高度变化前像素点的变换后像素点的纵坐标。
第三步,基于上述第一目标点位置信息集合、上述第二目标点位置信息集合与上述透视变换坐标转换信息,确定透视变换矩阵。实践中,上述执行主体可以将第一目标点位置信息集合与第二目标点位置信息集合分别代入上述透视变换坐标转换信息中,进而求解出初始透视变换矩阵中的、/>、/>、/>、/>、/>、/>和/>的值。然后上述执主体将求解所得到的各个值赋值给初始透视变换矩阵,得到透视变换矩阵。例如,第一目标点位置信息集合可以为{(0,0),(100,0),(0,100),(100,100)}。第二目标点位置信息集合可以为{(1,0),(1,0),(0,100),(100,100)}分别代入到上述透视变换坐标转换信息中得到:,/>,/>,,对代入数值的透视变换坐标转换信息进行求解得到/>=1,=0,/>=1,/>=0,/>=1,/>=1,/>=0,/>=0,/>=1。上述透视变换矩阵可以为。
步骤106,获取用于车道线检测的数据待增强图像。
在一些实施例中,上述执行主体可以通过有线连接方式或者无线连接方式获取摄像头拍摄的当前用于车道线检测的数据待增强图像。其中,上述当前用于车道线检测的数据待增强图像可以是在拍摄高度变化前即摄像头在第一预设高度时且拍摄时间在第一次获取摄像头所采集的第一预设拍摄高度的车道线图像的获取时间之后拍摄的车道线检测图像。实践中,上述执行主体可以获取摄像头在第一预设高度时采集的当前用于车道线检测的数据待增强图像。上述当前用于车道线检测的数据待增强图像的拍摄时间可以是在拍摄高度变化前即摄像头在第一预设高度时且拍摄时间在第一次获取摄像头所采集的第一预设拍摄高度的车道线图像的获取时间之后的时间。
步骤107,基于透视变换矩阵,对数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
在一些实施例中,上述执行主体可以基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像:
第一步,对于上述数据待增强图像中的每个像素点,执行以下处理步骤:
第一子步骤,将上述像素点在上述数据待增强图像中的位置信息确定为初始位置信息。
第二子步骤,对上述初始位置信息进行升维处理,得到升维处理后的初始位置信息。上述升维处理可以是初始位置信息中的坐标信息增加一个空间维度的处理。例如,可以在初始位置信息中增加值为1的竖坐标。作为示例,坐标信息可以为(4,5),则升维处理后的初始位置信息可以为(4,5,1)。
第三子步骤,基于上述透视变换矩阵,对上述升维处理后的初始位置信息进行坐标变换,得到变换后初始位置信息作为目标位置信息。实践中,上述变换主体可以将上述透视变换矩阵与升维处理后的初始位置信息的乘积确定为坐标变化后的初始位置信息作为目标位置信息。作为示例,上述升维处理后的初始位置信息可以为(4,5,1),透视变换矩阵与升维处理后的初始位置信息的乘积可以为。变换后初始位置信息可以为(5,6,1)。
第四子步骤,对上述目标位置信息进行降维处理,以更新目标位置信息,得到更新后的目标位置信息作为待替换位置信息。上述降维处理可以是目标位置信息中的坐标信息减少一个空间维度的处理。例如,可以在初始位置信息中去除竖坐标。作为示例,坐标信息可以为(5,6,1),则升维处理后的初始位置信息可以为(5,6)。
第五子步骤,将上述像素点的位置信息更新为上述待替换位置信息。实践中,上述执行主体可以将上述像素点的位置信息替换成待替换位置信息以对上述像素点的位置信息进行更新。
第二步,将数据待增强图像中的各个像素点通过上述处理步骤处理后的数据待增强图像确定为用于车道线检测的数据增强图像。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的用于车道线检测的图像数据处理方法,减少了算力资源的浪费。具体来说,造成算力资源的浪费的原因在于:模型训练过程中需要大量的车道线图像数据进行训练,进而需要大量的计算资源,导致大量的算力资源浪费。基于此,本公开的一些实施例的用于车道线检测的图像数据处理方法,首先,获取对应第一预设拍摄高度的车道线图像作为第一车道线图像。由此,可以得到拍摄高度变化前用于车道线检测的车道线图像。然后,获取对应第二预设拍摄高度的车道线图像作为第二车道线图像。由此,可以得到拍摄高度变化后用于车道线检测的车道线图像。接着,基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息。由此,可以得到用于确定第一车道线所在区域和第一车道线方向的第一消失点位置信息与用于确定第二车道线所在区域和第二车道线方向的第二消失点位置信息。然后,根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合。由此,可以得到第一车道线所在区域信息的第一目标点位置信息集合与第二车道线所在区域信息的第二目标点位置信息集合。之后,根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵。由此,可以根据一组数据即第一目标点位置信息集合与第二目标点位置信息集合确定透视变换矩阵,透视变换矩阵可以表示拍摄高度变化前拍摄的第一车道线图像中的像素点与拍摄高度变化后拍摄的第二车道线图像中的像素点存在的位置信息转换关系。然后,获取用于车道线检测的数据待增强图像。由此,可以得到用于车道线检测的数据待增强图像。最后,基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。由此,可以根据位置信息转换关系,在拍摄高度变化前数据待增强图像基础上得到拍摄高度变化后用于车道线检测的数据增强图像。也因为采用了根据一组数据即第一目标点位置信息集合与第二目标点位置信息集合确定了透视变换矩阵,透视变换矩阵可以表示拍摄高度变化前拍摄的第一车道线图像中像素点与拍摄高度变化后拍摄的第二车道线图像中像素点存在的位置信息转换关系。因此,不需要根据大量拍摄高度变化前后的车道线图像数据训练生成处理模型,从而不需要对大量的数据进行运算,就能根据位置信息转换关系在拍摄高度变化前数据待增强图像的基础上得到拍摄高度变化后用于车道线检测的数据增强图像。节省了算力资源,进而,减少了算力资源的浪费。
进一步参考图2,作为对各图所示方法的实现,本公开提供了一种用于车道线检测的图像数据处理装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的用于车道线检测的图像数据处理装置200包括:第一获取单元201、第二获取单元202、第一确定单元203、第二确定单元204、第三确定单元205、第三获取单元206和处理单元207。其中,第一获取单元201被配置成获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;第二获取单元202被配置成获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;第一确定单元203被配置成被配置成基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息;第二确定单元204被配置成根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合;第三确定单元205被配置成根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵;第三获取单元206被配置成获取用于车道线检测的数据待增强图像;处理单元207被配置成基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
可以理解的是,该装置200中记载的诸单元与参考图1述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
计算机可读介质可以是电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。计算机可读介质承载有一个或者多个程序,当一个或者多个程序被该电子设备执行时,使得该电子设备:获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;基于上述第一车道线图像与上述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息;根据上述第一消失点位置信息与上述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合;根据上述第一目标点位置信息集合与上述第二目标点位置信息集合,确定透视变换矩阵;获取用于车道线检测的数据待增强图像;基于上述透视变换矩阵,对上述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、第二获取单元、第一确定单元、第二确定单元、第三确定单元、第三获取单元和处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取对应第一预设拍摄高度的车道线图像作为第一车道线图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离发明构思的情况下,由技术特征或其等同特征进行任意组合而形成的其它技术方案。例如特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种用于车道线检测的图像数据处理方法,包括:
获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;
获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;
基于所述第一车道线图像与所述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息,其中,所述第一消失点位置信息为所述第一车道线图像中所包含的各个车道线的交点位置信息,所述第二消失点位置信息为所述第二车道线图像中所包含的各个车道线的交点位置信息,所述基于所述第一车道线图像与所述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息,包括:
响应于确定所述第一车道线图像与所述第二车道线图像中各个像素点的颜色通道数均为第一预设数值,将所述第一车道线图像与所述第二车道线图像分别确定为第一预处理图像与第二预处理图像;
响应于确定所述第一车道线图像与所述第二车道线图像中各个像素点的颜色通道数均为第二预设数值,对于所述第一车道线图像与所述第二车道线图像中的每个像素点,执行以下像素点处理步骤:
确定所述像素点的三基色值信息;
根据所述三基色值信息,生成对应所述像素点的颜色平均值;
将所述像素点的颜色通道数确定为所述第一预设数值;
将所述颜色平均值确定为所述像素点的颜色值;
将所述第一车道线图像中的各个像素点通过所述像素点处理步骤处理后的第一车道线图像确定为第一预处理图像;
将所述第二车道线图像的各个像素点通过所述像素点处理步骤处理后的第二车道线图像确定为第二预处理图像;
对所述第一预处理图像进行去噪处理,得到去噪处理后的第一预处理图像作为第一去噪图像;
对所述第一去噪图像进行阈值分割处理,得到第一目标区域;
将所述第一去噪图像中的第一目标区域中各个像素点的像素值确定为第一预设值,以对第一去噪图像中的各个像素点进行更新;
将各个像素点更新后的第一去噪图像确定为初始第一掩膜图像;
将所述初始第一掩膜图像中满足第一预设条件的各个像素点的像素值确定为第二预设值,以对初始第一掩膜图像中的各个像素点进行更新;
将各个像素点更新后的初始第一掩膜图像确定为第一掩膜图像;
对所述第二预处理图像进行去噪处理,得到去噪处理后的第二预处理图像作为第二去噪图像;
对所述第二去噪图像进行阈值分割处理,得到第二目标区域;
将所述第二去噪图像中的第二目标区域中各个像素点的像素值均确定为第一预设值,以对第二去噪图像中的各个像素点进行更新;
将各个像素点更新后的第二去噪图像确定为初始第二掩膜图像;
将所述初始第二掩膜图像中满足第一预设条件的像素点的各个像素值均确定为第二预设值,以对初始第二掩膜图像中的各个像素点进行更新;
将各个像素点更新后的初始第二掩膜图像确定为第二掩膜图像;
基于所述第一掩膜图像与所述第二掩膜图像,生成第一目标区域图像与第二目标区域图像;
基于所述第一目标区域图像与所述第二目标区域图像,确定第一消失点位置信息与第二消失点位置信息;
根据所述第一消失点位置信息与所述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合,其中,所述根据所述第一消失点位置信息与所述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合,包括:
将所述第一车道线图像中各个边界像素点在所述第一车道线图像中的各个位置信息确定为第一边界像素点位置信息集合;
将所述第一消失点位置信息中的第一消失点位置纵坐标确定为第一目标纵坐标;
将所述第一边界像素点位置信息集合中的每个第一边界像素点位置信息中的第一边界像素点位置纵坐标确定为第一纵坐标,得到第一纵坐标集合;
对于所述第一纵坐标集合中的每个第一纵坐标,响应于确定所述第一纵坐标与所述第一目标纵坐标相同,将对应所述第一纵坐标的第一边界像素点位置信息确定为第一目标像素点位置信息,得到第一目标像素点位置信息集合;
将所述第一车道线图像中各个顶点像素点在所述第一车道线图像中的位置信息确定为待筛选第二目标像素点位置信息集合;
将所述待筛选第二目标像素点位置信息集合中满足第一预设筛选条件的各个待筛选第二目标像素点位置信息确定为第二目标像素点位置信息集合;
将所述第一目标像素点位置信息集合与所述第二目标像素点位置信息集合确定为第一目标点位置信息集合;
将所述第二车道线图像中各个边界像素点在所述第二车道线图像中的位置信息确定为第二边界像素点位置信息集合;
将所述第二消失点位置信息中的第二消失点位置纵坐标确定为第二目标纵坐标;
将所述第二边界像素点位置信息集合中的每个第二边界像素点位置信息中的第二边界像素点位置纵坐标确定为第二纵坐标,得到第二纵坐标集合;
对于所述第二纵坐标集合中的每个第二纵坐标,响应于确定所述第二纵坐标与所述第二目标纵坐标相同,将对应所述第二纵坐标的第二边界像素点位置信息确定为第三目标像素点位置信息,得到第三目标像素点位置信息集合;
将所述第二车道线图像中各个顶点像素点在所述第二车道线图像中的位置信息确定为待筛选第四目标像素点位置信息集合;
将所述待筛选第四目标像素点位置信息集合中满足第二预设筛选条件的各个待筛选第四目标像素点位置信息确定为第四目标像素点位置信息集合;
将所述第三目标像素点位置信息集合与所述第四目标像素点位置信息集合确定为第二目标点位置信息集合;
根据所述第一目标点位置信息集合与所述第二目标点位置信息集合,确定透视变换矩阵;
获取用于车道线检测的数据待增强图像,其中,当前用于车道线检测的数据待增强图像是在拍摄高度变化前即摄像头在第一预设高度时且拍摄时间在第一次获取摄像头所采集的第一预设拍摄高度的车道线图像的获取时间之后拍摄的车道线检测图像;
基于所述透视变换矩阵,对所述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
2.根据权利要求1所述的方法,其中,所述基于所述第一车道线图像与所述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息,包括:
对所述第一车道线图像与所述第二车道线图像进行车道线检测,得到第一车道线像素点位置信息集合与第二车道线像素点位置信息集合;
将所述第一车道线像素点位置信息集合确定为第一像素点位置信息集合;
将所述第二车道线像素点位置信息集合确定为第二像素点位置信息集合;
将所述第一像素点位置信息集合与所述第二像素点位置信息集合分别输入至预设关联模型,得到第一车道线拟合直线信息与第二车道线拟合直线信息;
根据所述第一车道线拟合直线信息,确定第一车道线交点位置信息作为第一消失点位置信息;
根据所述第二车道线拟合直线信息,确定第二车道线交点位置信息作为第二消失点位置信息。
3.根据权利要求1所述的方法,其中,所述根据所述第一目标点位置信息集合与所述第二目标点位置信息集合,确定透视变换矩阵,包括:
确定预设初始透视变换矩阵;
基于所述预设初始透视变换矩阵,确定透视变换坐标转换信息;
基于所述第一目标点位置信息集合、所述第二目标点位置信息集合与所述透视变换坐标转换信息,确定透视变换矩阵。
4.根据权利要求1所述的方法,其中,所述基于所述透视变换矩阵,对所述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像,包括:
对于所述数据待增强图像中的每个像素点,执行以下处理步骤:
将所述像素点在所述数据待增强图像中的位置信息确定为初始位置信息;
对所述初始位置信息进行升维处理,得到升维处理后的初始位置信息;
基于所述透视变换矩阵,对所述升维处理后的初始位置信息进行坐标变换,得到变换后初始位置信息作为目标位置信息;
对所述目标位置信息进行降维处理,以更新目标位置信息,得到更新后的目标位置信息作为待替换位置信息;
将所述像素点的位置信息更新为所述待替换位置信息;
将数据待增强图像中的各个像素点通过所述处理步骤处理后的数据待增强图像确定为用于车道线检测的数据增强图像。
5.一种用于车道线检测的图像数据处理装置,包括:
第一获取单元,被配置成获取对应第一预设拍摄高度的车道线图像作为第一车道线图像;
第二获取单元,被配置成获取对应第二预设拍摄高度的车道线图像作为第二车道线图像;
第一确定单元,被配置成基于所述第一车道线图像与所述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息,其中,所述第一消失点位置信息为所述第一车道线图像中所包含的各个车道线的交点位置信息,所述第二消失点位置信息为所述第二车道线图像中所包含的各个车道线的交点位置信息,所述基于所述第一车道线图像与所述第二车道线图像,确定第一消失点位置信息与第二消失点位置信息,包括:响应于确定所述第一车道线图像与所述第二车道线图像中各个像素点的颜色通道数均为第一预设数值,将所述第一车道线图像与所述第二车道线图像分别确定为第一预处理图像与第二预处理图像;响应于确定所述第一车道线图像与所述第二车道线图像中各个像素点的颜色通道数均为第二预设数值,对于所述第一车道线图像与所述第二车道线图像中的每个像素点,执行以下像素点处理步骤:确定所述像素点的三基色值信息;根据所述三基色值信息,生成对应所述像素点的颜色平均值;将所述像素点的颜色通道数确定为所述第一预设数值;将所述颜色平均值确定为所述像素点的颜色值;将所述第一车道线图像中的各个像素点通过所述像素点处理步骤处理后的第一车道线图像确定为第一预处理图像;将所述第二车道线图像的各个像素点通过所述像素点处理步骤处理后的第二车道线图像确定为第二预处理图像;对所述第一预处理图像进行去噪处理,得到去噪处理后的第一预处理图像作为第一去噪图像;对所述第一去噪图像进行阈值分割处理,得到第一目标区域;将所述第一去噪图像中的第一目标区域中各个像素点的像素值确定为第一预设值,以对第一去噪图像中的各个像素点进行更新;将各个像素点更新后的第一去噪图像确定为初始第一掩膜图像;将所述初始第一掩膜图像中满足第一预设条件的各个像素点的像素值确定为第二预设值,以对初始第一掩膜图像中的各个像素点进行更新;将各个像素点更新后的初始第一掩膜图像确定为第一掩膜图像;对所述第二预处理图像进行去噪处理,得到去噪处理后的第二预处理图像作为第二去噪图像;对所述第二去噪图像进行阈值分割处理,得到第二目标区域;将所述第二去噪图像中的第二目标区域中各个像素点的像素值均确定为第一预设值,以对第二去噪图像中的各个像素点进行更新;将各个像素点更新后的第二去噪图像确定为初始第二掩膜图像;将所述初始第二掩膜图像中满足第一预设条件的像素点的各个像素值均确定为第二预设值,以对初始第二掩膜图像中的各个像素点进行更新;将各个像素点更新后的初始第二掩膜图像确定为第二掩膜图像;基于所述第一掩膜图像与所述第二掩膜图像,生成第一目标区域图像与第二目标区域图像;基于所述第一目标区域图像与所述第二目标区域图像,确定第一消失点位置信息与第二消失点位置信息;
第二确定单元,被配置成根据所述第一消失点位置信息与所述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合,其中,所述根据所述第一消失点位置信息与所述第二消失点位置信息,确定第一目标点位置信息集合与第二目标点位置信息集合,包括:将所述第一车道线图像中各个边界像素点在所述第一车道线图像中的各个位置信息确定为第一边界像素点位置信息集合;将所述第一消失点位置信息中的第一消失点位置纵坐标确定为第一目标纵坐标;将所述第一边界像素点位置信息集合中的每个第一边界像素点位置信息中的第一边界像素点位置纵坐标确定为第一纵坐标,得到第一纵坐标集合;对于所述第一纵坐标集合中的每个第一纵坐标,响应于确定所述第一纵坐标与所述第一目标纵坐标相同,将对应所述第一纵坐标的第一边界像素点位置信息确定为第一目标像素点位置信息,得到第一目标像素点位置信息集合;将所述第一车道线图像中各个顶点像素点在所述第一车道线图像中的位置信息确定为待筛选第二目标像素点位置信息集合;将所述待筛选第二目标像素点位置信息集合中满足第一预设筛选条件的各个待筛选第二目标像素点位置信息确定为第二目标像素点位置信息集合;将所述第一目标像素点位置信息集合与所述第二目标像素点位置信息集合确定为第一目标点位置信息集合;将所述第二车道线图像中各个边界像素点在所述第二车道线图像中的位置信息确定为第二边界像素点位置信息集合;将所述第二消失点位置信息中的第二消失点位置纵坐标确定为第二目标纵坐标;将所述第二边界像素点位置信息集合中的每个第二边界像素点位置信息中的第二边界像素点位置纵坐标确定为第二纵坐标,得到第二纵坐标集合;对于所述第二纵坐标集合中的每个第二纵坐标,响应于确定所述第二纵坐标与所述第二目标纵坐标相同,将对应所述第二纵坐标的第二边界像素点位置信息确定为第三目标像素点位置信息,得到第三目标像素点位置信息集合;将所述第二车道线图像中各个顶点像素点在所述第二车道线图像中的位置信息确定为待筛选第四目标像素点位置信息集合;将所述待筛选第四目标像素点位置信息集合中满足第二预设筛选条件的各个待筛选第四目标像素点位置信息确定为第四目标像素点位置信息集合;将所述第三目标像素点位置信息集合与所述第四目标像素点位置信息集合确定为第二目标点位置信息集合;
第三确定单元,被配置成根据所述第一目标点位置信息集合与所述第二目标点位置信息集合,确定透视变换矩阵;
第三获取单元,被配置成获取用于车道线检测的数据待增强图像,其中,当前用于车道线检测的数据待增强图像是在拍摄高度变化前即摄像头在第一预设高度时且拍摄时间在第一次获取摄像头所采集的第一预设拍摄高度的车道线图像的获取时间之后拍摄的车道线检测图像;
处理单元,被配置成基于所述透视变换矩阵,对所述数据待增强图像进行像素点坐标位置变换处理,得到用于车道线检测的数据增强图像。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1至4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310864194.9A CN116993637B (zh) | 2023-07-14 | 2023-07-14 | 用于车道线检测的图像数据处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310864194.9A CN116993637B (zh) | 2023-07-14 | 2023-07-14 | 用于车道线检测的图像数据处理方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116993637A CN116993637A (zh) | 2023-11-03 |
CN116993637B true CN116993637B (zh) | 2024-03-12 |
Family
ID=88533101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310864194.9A Active CN116993637B (zh) | 2023-07-14 | 2023-07-14 | 用于车道线检测的图像数据处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993637B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915532A (zh) * | 2011-06-30 | 2013-02-06 | 哈曼贝克自动系统股份有限公司 | 确定车辆视觉系统外部参数的方法以及车辆视觉系统 |
KR20140148171A (ko) * | 2013-06-21 | 2014-12-31 | 가천대학교 산학협력단 | 지능형 차량의 차선 검출방법 |
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 |
CN109242892A (zh) * | 2018-09-12 | 2019-01-18 | 北京字节跳动网络技术有限公司 | 用于确定图像间的几何变换关系的方法和装置 |
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 |
CN110567469A (zh) * | 2018-06-05 | 2019-12-13 | 北京市商汤科技开发有限公司 | 视觉定位方法、装置、电子设备及系统 |
CN111279354A (zh) * | 2018-12-28 | 2020-06-12 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及计算机可读存储介质 |
CN111767853A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 车道线检测方法和装置 |
CN112598762A (zh) * | 2020-09-16 | 2021-04-02 | 禾多科技(北京)有限公司 | 三维车道线信息生成方法、装置、电子设备和介质 |
CN114549654A (zh) * | 2022-01-19 | 2022-05-27 | 福思(杭州)智能科技有限公司 | 一种车载相机的外参标定方法、装置、设备及存储介质 |
-
2023
- 2023-07-14 CN CN202310864194.9A patent/CN116993637B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915532A (zh) * | 2011-06-30 | 2013-02-06 | 哈曼贝克自动系统股份有限公司 | 确定车辆视觉系统外部参数的方法以及车辆视觉系统 |
KR20140148171A (ko) * | 2013-06-21 | 2014-12-31 | 가천대학교 산학협력단 | 지능형 차량의 차선 검출방법 |
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 |
CN110567469A (zh) * | 2018-06-05 | 2019-12-13 | 北京市商汤科技开发有限公司 | 视觉定位方法、装置、电子设备及系统 |
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 |
CN109242892A (zh) * | 2018-09-12 | 2019-01-18 | 北京字节跳动网络技术有限公司 | 用于确定图像间的几何变换关系的方法和装置 |
CN111279354A (zh) * | 2018-12-28 | 2020-06-12 | 深圳市大疆创新科技有限公司 | 图像处理方法、设备及计算机可读存储介质 |
CN111767853A (zh) * | 2020-06-30 | 2020-10-13 | 北京百度网讯科技有限公司 | 车道线检测方法和装置 |
CN112598762A (zh) * | 2020-09-16 | 2021-04-02 | 禾多科技(北京)有限公司 | 三维车道线信息生成方法、装置、电子设备和介质 |
CN114549654A (zh) * | 2022-01-19 | 2022-05-27 | 福思(杭州)智能科技有限公司 | 一种车载相机的外参标定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116993637A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622240B (zh) | 人脸检测方法和装置 | |
CN111369427B (zh) | 图像处理方法、装置、可读介质和电子设备 | |
CN115409881A (zh) | 图像处理方法、装置及设备 | |
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN111757100B (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
CN110827301B (zh) | 用于处理图像的方法和装置 | |
CN112419179A (zh) | 修复图像的方法、装置、设备和计算机可读介质 | |
CN113592033B (zh) | 油罐图像识别模型训练方法、油罐图像识别方法和装置 | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN110288691B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN116993637B (zh) | 用于车道线检测的图像数据处理方法、装置、设备和介质 | |
CN116597430A (zh) | 物品识别方法、装置、电子设备和计算机可读介质 | |
CN113762266B (zh) | 目标检测方法、装置、电子设备和计算机可读介质 | |
CN111815535B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111784709B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111369472B (zh) | 图像去雾方法、装置、电子设备及介质 | |
CN114037716A (zh) | 图像分割方法、装置、设备及存储介质 | |
CN115841151B (zh) | 模型训练方法、装置、电子设备和计算机可读介质 | |
CN111340813A (zh) | 图像实例分割方法、装置、电子设备及存储介质 | |
CN116704473B (zh) | 障碍物信息检测方法、装置、电子设备和计算机可读介质 | |
CN111784710B (zh) | 图像处理方法、装置、电子设备和介质 | |
CN113240595B (zh) | 图像检测方法、装置、存储介质及计算机设备 | |
CN116778263B (zh) | 分拣设备控制方法、电子设备和计算机可读介质 |
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 |