JP7073247B2 - 車線境界線検出モデルを生成するための方法、車線境界線を検出するための方法、車線境界線検出モデルを生成するための装置、車線境界線を検出するための装置、機器、コンピュータ読み取り可能な記憶媒体およびコンピュータプログラム - Google Patents
車線境界線検出モデルを生成するための方法、車線境界線を検出するための方法、車線境界線検出モデルを生成するための装置、車線境界線を検出するための装置、機器、コンピュータ読み取り可能な記憶媒体およびコンピュータプログラム Download PDFInfo
- Publication number
- JP7073247B2 JP7073247B2 JP2018242720A JP2018242720A JP7073247B2 JP 7073247 B2 JP7073247 B2 JP 7073247B2 JP 2018242720 A JP2018242720 A JP 2018242720A JP 2018242720 A JP2018242720 A JP 2018242720A JP 7073247 B2 JP7073247 B2 JP 7073247B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- lane boundary
- generate
- boundary line
- generating
- 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
- 238000000034 method Methods 0.000 title claims description 87
- 238000001514 detection method Methods 0.000 title claims description 46
- 238000004590 computer program Methods 0.000 title claims description 17
- 238000012549 training Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims 1
- 230000008685 targeting Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 38
- 238000010586 diagram Methods 0.000 description 17
- 238000013135 deep learning Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Traffic Control Systems (AREA)
Description
本発明の第1の態様において、車線境界線検出モデルを生成するための方法を提供する。
車線境界線を検出するためのプロセス(適用過程とも呼ばれる)に、検出された車線境界線に関連する第1の画像を、上述したようなトレーニングされた分類器モデルに入力することで、車線境界線の自動認識を実現する。この方法により、本発明の方案は、コンピュータビジョンアルゴリズムの簡易性と深層学習の強力な汎化能力を同時に備える。これにより、簡潔かつ効果的な方法で車線境界線検出を実現することで、高精度地図と自律走行の性能を向上させることができる。
図3は、本発明の実施形態に係る車線境界線検出モデルを生成するためのプロセス300のフローチャートを示す。プロセス300は、計算装置120によって実現されることができる。ブロック310において、計算装置120は、元画像200Aから車線境界線を検出し、検出された車線境界線に関連する第1の画像200Bを生成する。ブロック310は、画像処理プロセスと呼ばれてもよい。以下、図4を組み合わせて、ブロック310の詳細を説明する。
図4は、本発明の一部の実施形態に係る第1の画像200Bを生成するプロセス400のフローチャートを示す。プロセス400は、上述したプロセス300中のブロック310の一の例示的実現と見なすことができる。ブロック410において、計算装置120は、収集実体110から元画像200Aを取得する。
[表記生成過程]
図5は、本発明の一部の実施形態に係る少なくとも一つの表記を生成するプロセス500のフローチャートを示す。プロセス500は、上述したプロセス300中のブロック330の一の例示的実現と見なすことができる。ブロック510において、計算装置120は、第1の画像200Bと第2の画像200Cを比較して、第1の画像200Bと第2の画像200Cがマッチングするか否かを確定する。一部の実施形態において、計算機器120は、第1の画像200Bと第2の画像200Cを比較して、第1の画像200Bと第2の画像200Cとの間の類似度を取得することができる。類似度が所定の閾値を超える場合、計算機器120は、第1の画像200Bと第2の画像200Cがマッチングされると確定することができる。
先に図3~図5を組み合わせて車線境界線検出モデルを生成するためのプロセスのフローチャートを説明した。以下、図6を参考しながら車線境界線を検出するためのプロセス600のフローチャートを説明する。ブロック610において、元画像200Aで車線境界線を検出し、検出された車線境界線に関連する第1の画像200Bを生成する。ブロック610の動作は、上述したブロック310の動作と似ているので、ここでこれに対する詳細な説明を省略する。
Claims (20)
- 計算機器が車線境界線検出モデルを生成するための方法であって、
収集装置で撮像された画像である元画像から、コンピュータビジョンアルゴリズムの手法を使用して車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、第1の画像を生成するステップと、
前記元画像の車線境界線とその他のグラフィック要素とが区別されるようにマークされた車線境界線のみを含む第2の画像を生成するステップと、
前記第1の画像と前記第2の画像とがマッチングするか否かに基づいて、前記検出された車線境界線が正しいことを示す表記または正しくないことを示す表記を生成するステップと、
前記第1の画像と前記検出された車線境界線が正しいことを示す表記または正しくないことを示す表記に基づいて、前記検出された車線境界線が正しいことを示す表記が付けられた前記第1の画像を出力することにより、前記車線境界線を自動的に認識するための分類器(classifier)モデルをトレーニングするステップとを含む車線境界線検出モデルを生成するための方法。 - 請求項1において、
前記第1の画像を生成するステップは、
前記元画像に対して逆透視変換(inverse perspective mapping)を行うステップと、
逆透視変換された前記元画像から前記車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、前記第1の画像を生成するステップとを含む車線境界線検出モデルを生成するための方法。 - 請求項1において、
前記第1の画像を生成するステップは、
前記元画像に対してグレースケール変換を行って、グレースケール変換された前記元画像を生成するステップであって、グレースケール変換は、画像の色を除去し、単に画像の明るさだけを保留することであるステップと、
グレースケール変換された前記元画像に対して二値化処理を行って二値画像を生成するステップと、
前記二値画像から前記車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、前記第1の画像を生成するステップとを含む車線境界線検出モデルを生成するための方法。 - 請求項1において、
前記第1の画像を生成するステップは、
前記元画像に対してノイズ低減処理を行って、ノイズ低減処理された画像を生成するステップと、
前記ノイズ低減処理された画像から前記車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、前記第1の画像を生成するステップとを含む車線境界線検出モデルを生成するための方法。 - 請求項1において、
前記第1の画像を生成するステップは、
前記元画像に輪郭検出を適用して前記車線境界線の輪郭を生成するステップと、
前記輪郭に基づいて前記第1の画像を生成するステップとを含み、
前記輪郭に基づいて前記第1の画像を生成するステップは、
前記輪郭に対して曲線フィッティング(curve fitting)を行って、前記車線境界線を表示する曲線を生成するステップと、
前記曲線を前記元画像にマッピングさせて前記第1の画像を生成するステップとを含む車線境界線検出モデルを生成するための方法。 - 請求項1において、
前記検出された車線境界線が正しいことを示す表記または正しくないことを示す表記を生成するステップは、
前記第1の画像を、前記検出された車線境界線の一部を含む第1セットの画像ブロックにそれぞれ分割するステップと、
前記第2の画像を、前記マークされた車線境界線の一部を含む第2セットの画像ブロックにそれぞれ分割するステップと、
前記第1セットの画像ブロックと前記第2セットの画像ブロックのうちの対応する画像ブロックを比較して、前記検出された車線境界線の複数の部分を対象とする複数の表記を生成するステップであって、各表記は、前記検出された車線境界線の相応する部分が正しいか否かを示すものである、ステップとを含む車線境界線検出モデルを生成するための方法。 - 計算機器が車線境界線を検出するための方法であって、
収集装置で撮像された画像である元画像から、コンピュータビジョンアルゴリズムの手法を使用して車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、第1の画像を生成するステップと、
前記第1の画像を請求項1から請求項6に記載の車線境界線検出モデルを生成するための方法によって生成された分類器モデルに入力するステップとを含む車線境界線を検出するための方法。 - 車線境界線検出モデルを生成するための装置であって、
収集装置で撮像された画像である元画像から、コンピュータビジョンアルゴリズムの手法を使用して車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、第1の画像を生成するように構成された第1の画像生成モジュールと、
前記元画像の車線境界線とその他のグラフィック要素とが区別されるようにマークされた車線境界線のみを含む第2の画像を生成するように構成された第2の画像取得モジュールと、
前記第1の画像と前記第2の画像とがマッチングするか否かに基づいて、前記検出された車線境界線が正しいことを示す表記または正しくないことを示す表記を生成するように構成された表記生成モジュールと、
前記第1の画像と前記検出された車線境界線が正しいことを示す表記または正しくないことを示す表記に基づいて、前記検出された車線境界線が正しいことを示す表記が付けられた前記第1の画像を出力することにより、前記車線境界線を自動的に認識するための分類器モデルをトレーニングするように構成されたモデルトレーニングモジュールとを含む車線境界線検出モデルを生成するための装置。 - 請求項8において、
前記第1の画像生成モジュールは、
前記元画像に対して逆透視変換を行うように構成された逆透視変換モジュールと、
逆透視変換された前記元画像から前記車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、前記第1の画像を生成するように構成された逆透視変換済み画像生成モジュールとを含む車線境界線検出モデルを生成するための装置。 - 請求項8において、
前記第1の画像生成モジュールは、
前記元画像に対してグレースケール変換を行って、グレースケール変換された前記元画像を生成するように構成されたグレースケールモジュールであって、グレースケール変換は、画像の色を除去し、単に画像の明るさだけを保留することであるモジュールと、
グレースケール変換された前記元画像に対して二値化を行って二値画像を生成するように構成された二値化モジュールと、
前記二値画像から前記車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、前記第1の画像を生成するように構成された二値化済み画像生成モジュールとを含む車線境界線検出モデルを生成するための装置。 - 請求項8において、
前記第1の画像生成モジュールは、
前記元画像に対してノイズ低減処理を行って、ノイズ低減処理された画像を生成するように構成されたノイズ低減モジュールと、
前記ノイズ低減処理された画像から、前記車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、前記第1の画像を生成するように構成されたノイズ低減済み画像生成モジュールとを含む車線境界線検出モデルを生成するための装置。 - 請求項8において、
前記第1の画像生成モジュールは、
前記元画像に輪郭検出を適用して前記車線境界線の輪郭を生成するように構成された輪郭検出モジュールと、
前記輪郭に基づいて前記第1の画像を生成するように構成された輪郭検出済み画像生成モジュールと、
前記輪郭に対して曲線フィッティングを行って、前記車線境界線を表示する曲線を生成するように構成された曲線フィッティングモジュールと、
前記曲線を前記元画像にマッピングさせて前記第1の画像を生成するように構成された曲線フィッティング済み画像生成モジュールとを含む、
車線境界線検出モデルを生成するための装置。 - 請求項8において、
前記表記生成モジュールは、
前記第1の画像を、前記検出された車線境界線の一部を含む第1セットの画像ブロックにそれぞれ分割するように構成された第1の画像分割モジュールと、
前記第2の画像を、前記マークされた車線境界線の一部を含む第2セットの画像ブロックにそれぞれ分割するように構成された第2の画像の分割モジュールと、
前記第1セットの画像ブロックと前記第2セットの画像ブロックのうちの対応する画像ブロックを比較して、前記検出された車線境界線の複数の部分を対象とする複数の表記を生成するように構成されたローカル表記生成モジュールであって、各表記は、前記検出された車線境界線の相応する部分が正しいか否かを示すものである、ローカル表記生成モジュールとを含む車線境界線検出モデルを生成するための装置。 - 車線境界線を検出するための装置であって、
収集装置で撮像された画像である元画像から、コンピュータビジョンアルゴリズムの手法を使用して車線境界線を検出し、検出された車線境界線を前記元画像に表示することにより、第1の画像を生成するように構成された第1の画像生成モジュールと、
前記第1の画像を請求項1から請求項7に記載の分類器モデルに入力するように構成されたモデル適用モジュールとを含む車線境界線を検出するための装置。 - 1つまたは複数のプロセッサと、
1つまたは複数のプログラムを格納するための記憶装置とを含む機器であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行される場合、前記1つまたは複数のプロセッサが請求項1から請求項6のうちいずれか1項の方法を実現する機器。 - 1つまたは複数のプロセッサと、
1つまたは複数のプログラムを格納するための記憶装置とを含む機器であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行される場合、前記1つまたは複数のプロセッサが請求項7の方法を実現する機器。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行される場合、請求項1から請求項6のうち何れか1項の方法を実現するコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行される場合、請求項7の方法を実現するコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行されると、請求項1から請求項6のうち何れか1項の方法を実現させるコンピュータプログラム。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行されると、請求項7の方法を実現させるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485383.6A CN108229386B (zh) | 2017-12-29 | 2017-12-29 | 用于检测车道线的方法、装置和介质 |
CN201711485383.6 | 2017-12-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019135643A JP2019135643A (ja) | 2019-08-15 |
JP7073247B2 true JP7073247B2 (ja) | 2022-05-23 |
Family
ID=62647366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018242720A Active JP7073247B2 (ja) | 2017-12-29 | 2018-12-26 | 車線境界線検出モデルを生成するための方法、車線境界線を検出するための方法、車線境界線検出モデルを生成するための装置、車線境界線を検出するための装置、機器、コンピュータ読み取り可能な記憶媒体およびコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US10846543B2 (ja) |
EP (1) | EP3506156A1 (ja) |
JP (1) | JP7073247B2 (ja) |
KR (1) | KR102379287B1 (ja) |
CN (1) | CN108229386B (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256446B (zh) * | 2017-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN110858405A (zh) * | 2018-08-24 | 2020-03-03 | 北京市商汤科技开发有限公司 | 车载摄像头的姿态估计方法、装置和系统及电子设备 |
US10223614B1 (en) * | 2018-09-04 | 2019-03-05 | StradVision, Inc. | Learning method, learning device for detecting lane through classification of lane candidate pixels and testing method, testing device using the same |
US11068724B2 (en) * | 2018-10-11 | 2021-07-20 | Baidu Usa Llc | Deep learning continuous lane lines detection system for autonomous vehicles |
CN109470254B (zh) * | 2018-10-31 | 2020-09-08 | 百度在线网络技术(北京)有限公司 | 地图车道线的生成方法、装置、系统及存储介质 |
WO2020139355A1 (en) * | 2018-12-27 | 2020-07-02 | Didi Research America, Llc | System for automated lane marking |
CN110135302B (zh) | 2019-04-30 | 2021-08-31 | 百度在线网络技术(北京)有限公司 | 训练车道线识别模型的方法、装置、设备和存储介质 |
CN112215041B (zh) * | 2019-07-11 | 2024-05-31 | 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 |
CN110516550B (zh) * | 2019-07-26 | 2022-07-05 | 电子科技大学 | 一种基于fpga的车道线实时检测方法 |
CN110796003B (zh) * | 2019-09-24 | 2022-04-26 | 成都旷视金智科技有限公司 | 车道线检测方法、装置及电子设备 |
CN112785595B (zh) * | 2019-11-07 | 2023-02-28 | 北京市商汤科技开发有限公司 | 目标属性检测、神经网络训练及智能行驶方法、装置 |
CN111114544A (zh) * | 2019-11-25 | 2020-05-08 | 福瑞泰克智能系统有限公司 | 一种补偿车道线确定方法、装置、可移动设备及存储介质 |
CN111583341B (zh) * | 2020-04-30 | 2023-05-23 | 中远海运科技股份有限公司 | 云台像机移位检测方法 |
CN111597995B (zh) * | 2020-05-15 | 2023-04-28 | 汇智机器人科技(深圳)有限公司 | 一种车道标记线检测方法、系统、以及存储介质 |
US20220042258A1 (en) * | 2020-08-07 | 2022-02-10 | LimnTech LLC | Machine learning based roadway striping apparatus and method |
CN116670001A (zh) | 2020-12-10 | 2023-08-29 | 三菱电机株式会社 | 驾驶辅助控制装置及驾驶辅助控制方法 |
US11636693B2 (en) * | 2021-01-20 | 2023-04-25 | Qualcomm Incorporated | Robust lane-boundary association for road map generation |
CN112733793A (zh) * | 2021-01-22 | 2021-04-30 | 北京嘀嘀无限科技发展有限公司 | 检测公交车道的方法、装置、电子设备和存储介质 |
CN113192001B (zh) * | 2021-03-19 | 2022-04-19 | 易思维(杭州)科技有限公司 | 曲线状待测物视觉检测结果的显示方法 |
CN116071284A (zh) * | 2021-10-25 | 2023-05-05 | 北京图森智途科技有限公司 | 交通标志物检测方法和交通标志物检测模型的训练方法 |
TWI832591B (zh) * | 2022-11-30 | 2024-02-11 | 鴻海精密工業股份有限公司 | 車道線檢測方法、電腦設備及儲存介質 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046235A (zh) | 2015-08-03 | 2015-11-11 | 百度在线网络技术(北京)有限公司 | 车道线的识别建模方法和装置、识别方法和装置 |
Family Cites Families (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4414959B2 (ja) * | 2005-11-16 | 2010-02-17 | アイシン精機株式会社 | 駐車支援装置 |
US8098889B2 (en) * | 2007-01-18 | 2012-01-17 | Siemens Corporation | System and method for vehicle detection and tracking |
JP5014237B2 (ja) * | 2008-04-23 | 2012-08-29 | 本田技研工業株式会社 | レーンマーカ認識装置、車両、及びレーンマーカ認識用プログラム |
US8751154B2 (en) * | 2008-04-24 | 2014-06-10 | GM Global Technology Operations LLC | Enhanced clear path detection in the presence of traffic infrastructure indicator |
US8965700B2 (en) * | 2008-10-02 | 2015-02-24 | Certusview Technologies, Llc | Methods and apparatus for generating an electronic record of environmental landmarks based on marking device actuations |
KR101163446B1 (ko) * | 2009-03-18 | 2012-07-18 | 기아자동차주식회사 | 가상 차선을 이용하는 차선 이탈 경보 방법 및 그에 따른 시스템 |
CN102275558B (zh) * | 2010-06-12 | 2013-01-23 | 财团法人车辆研究测试中心 | 双视觉前车安全警示装置及其方法 |
US20140118552A1 (en) * | 2011-06-13 | 2014-05-01 | Taku Takahama | Road shape determining device, in-vehicle image recognizing device, imaging axis adjusting device, and lane recognizing method |
JPWO2013015021A1 (ja) * | 2011-07-25 | 2015-02-23 | 本田技研工業株式会社 | 車両の運転支援装置 |
KR101818542B1 (ko) * | 2011-07-26 | 2018-02-22 | 현대모비스 주식회사 | 차선 인식 신뢰도 향상 시스템 및 그 방법 |
US8589071B2 (en) * | 2011-08-15 | 2013-11-19 | Honeywell International Inc. | Aircraft vision system including a runway position indicator |
US9298991B2 (en) * | 2012-01-17 | 2016-03-29 | LimnTech LLC | GPS-based machine vision roadway mark locator, inspection apparatus, and marker |
US9784843B2 (en) * | 2012-01-17 | 2017-10-10 | Limn Tech LLC | Enhanced roadway mark locator, inspection apparatus, and marker |
US8935057B2 (en) * | 2012-01-17 | 2015-01-13 | LimnTech LLC | Roadway mark data acquisition and analysis apparatus, systems, and methods |
KR101333459B1 (ko) * | 2012-02-21 | 2013-11-26 | 영남대학교 산학협력단 | 차선 인식 방법 및 장치 |
KR20140103441A (ko) * | 2013-02-18 | 2014-08-27 | 주식회사 만도 | 시선 유도 반사체를 이용한 차선 인식 방법 및 시스템 |
CN105074793A (zh) * | 2013-03-15 | 2015-11-18 | 凯利普公司 | 用于车辆路径规划和交通管理的车道级车辆导航 |
JP6142784B2 (ja) * | 2013-11-27 | 2017-06-07 | 株式会社デンソー | 運転支援装置 |
EP4254383A3 (en) * | 2014-08-18 | 2023-12-20 | Mobileye Vision Technologies Ltd. | Recognition and prediction of lane constraints |
CN113654561A (zh) * | 2014-12-05 | 2021-11-16 | 苹果公司 | 自主导航系统 |
JP6485732B2 (ja) * | 2014-12-10 | 2019-03-20 | 株式会社リコー | 情報提供装置、情報提供方法及び情報提供用制御プログラム |
CN105774901B (zh) * | 2014-12-26 | 2019-01-29 | 比亚迪股份有限公司 | 车道保持控制系统及方法及车辆 |
CN104657727B (zh) * | 2015-03-18 | 2018-01-02 | 厦门麦克玛视电子信息技术有限公司 | 一种车道线的检测方法 |
CN104766058B (zh) * | 2015-03-31 | 2018-04-27 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
EP3098753A1 (en) * | 2015-05-28 | 2016-11-30 | Tata Consultancy Services Limited | Lane detection |
CN105069415B (zh) * | 2015-07-24 | 2018-09-11 | 深圳市佳信捷技术股份有限公司 | 车道线检测方法和装置 |
US9721472B2 (en) * | 2015-09-22 | 2017-08-01 | Ford Global Technologies, Llc | Formulating lane level routing plans |
CN105574527B (zh) * | 2015-12-14 | 2019-03-29 | 北京工业大学 | 一种基于局部特征学习的快速物体检测方法 |
CN105631880B (zh) * | 2015-12-31 | 2019-03-22 | 百度在线网络技术(北京)有限公司 | 车道线分割方法和装置 |
CN105654067A (zh) * | 2016-02-02 | 2016-06-08 | 北京格灵深瞳信息技术有限公司 | 一种车辆检测方法及装置 |
CN105760835B (zh) * | 2016-02-17 | 2018-03-06 | 银河水滴科技(北京)有限公司 | 一种基于深度学习的步态分割与步态识别一体化方法 |
CN105930791B (zh) * | 2016-04-19 | 2019-07-16 | 重庆邮电大学 | 基于ds证据理论的多摄像头融合的路面交通标志识别方法 |
US10007854B2 (en) * | 2016-07-07 | 2018-06-26 | Ants Technology (Hk) Limited | Computer vision based driver assistance devices, systems, methods and associated computer executable code |
US10102435B2 (en) * | 2016-08-10 | 2018-10-16 | Omnivision Technologies, Inc. | Lane departure warning system and associated methods |
KR101896778B1 (ko) * | 2016-10-06 | 2018-09-07 | 현대자동차주식회사 | 아웃사이드 미러를 이용한 차선 표시 장치 및 그 방법 |
EP3532801B1 (en) * | 2016-10-31 | 2020-12-16 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating lane merges and lane splits |
CN106529493B (zh) * | 2016-11-22 | 2019-12-20 | 北京联合大学 | 一种基于透视图的鲁棒性多车道线检测方法 |
CN106778551B (zh) * | 2016-11-30 | 2020-07-31 | 南京理工大学 | 一种高速路段及城市道路车道线识别方法 |
CN108168566B (zh) * | 2016-12-07 | 2020-09-04 | 北京三快在线科技有限公司 | 道路确定方法、装置及电子设备 |
WO2018111297A1 (en) * | 2016-12-16 | 2018-06-21 | Hitachi Automotive Systems, Ltd. | Road detection using traffic sign information |
JP6583252B2 (ja) * | 2016-12-27 | 2019-10-02 | トヨタ自動車株式会社 | 運転支援装置 |
CN106778668B (zh) * | 2016-12-30 | 2019-08-09 | 明见(厦门)技术有限公司 | 一种联合ransac和cnn的鲁棒的车道线检测方法 |
CN106874905B (zh) * | 2017-01-12 | 2019-06-11 | 中南大学 | 一种基于自学习色彩聚类的自然场景文本检测的方法 |
CN106874712B (zh) * | 2017-01-13 | 2019-01-29 | 天津大学 | 一种基于池化时间序列特征表示的细胞分裂事件识别方法 |
JP6494121B2 (ja) * | 2017-03-01 | 2019-04-03 | 本田技研工業株式会社 | 車線変更推定装置、車線変更推定方法、およびプログラム |
CN107045629B (zh) * | 2017-04-19 | 2020-06-26 | 南京理工大学 | 一种多车道线检测方法 |
US10210411B2 (en) * | 2017-04-24 | 2019-02-19 | Here Global B.V. | Method and apparatus for establishing feature prediction accuracy |
CN107392103B (zh) * | 2017-06-21 | 2020-06-26 | 海信集团有限公司 | 路面车道线的检测方法及装置、电子设备 |
US10296795B2 (en) * | 2017-06-26 | 2019-05-21 | Here Global B.V. | Method, apparatus, and system for estimating a quality of lane features of a roadway |
TWI657950B (zh) * | 2017-07-19 | 2019-05-01 | 緯創資通股份有限公司 | 指示物件的輔助辨識裝置與其之輔助識別及顯示方法 |
US11009884B2 (en) * | 2017-09-29 | 2021-05-18 | Direct Current Capital LLC | Method for calculating nominal vehicle paths for lanes within a geographic region |
JP7000822B2 (ja) * | 2017-12-06 | 2022-01-19 | 株式会社アイシン | 周辺監視装置 |
US10782419B2 (en) * | 2017-12-07 | 2020-09-22 | Westinghouse Air Brake Technologies Corporation | Method to determine clearance of an obstacle |
US10275689B1 (en) * | 2017-12-21 | 2019-04-30 | Luminar Technologies, Inc. | Object identification and labeling tool for training autonomous vehicle controllers |
US10997433B2 (en) * | 2018-02-27 | 2021-05-04 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
-
2017
- 2017-12-29 CN CN201711485383.6A patent/CN108229386B/zh active Active
-
2018
- 2018-10-31 KR KR1020180132472A patent/KR102379287B1/ko active IP Right Grant
- 2018-12-21 US US16/230,998 patent/US10846543B2/en active Active
- 2018-12-24 EP EP18215853.5A patent/EP3506156A1/en active Pending
- 2018-12-26 JP JP2018242720A patent/JP7073247B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046235A (zh) | 2015-08-03 | 2015-11-11 | 百度在线网络技术(北京)有限公司 | 车道线的识别建模方法和装置、识别方法和装置 |
Non-Patent Citations (1)
Title |
---|
Bei He 他3名,Accurate and Robust Lane Detection based on Dual-View Convolutional Neural Network,2016 IEEE Intelligent Vehicles Symposium (IV),2016年,1041-1046,https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7535517 |
Also Published As
Publication number | Publication date |
---|---|
US20190205664A1 (en) | 2019-07-04 |
KR102379287B1 (ko) | 2022-03-25 |
JP2019135643A (ja) | 2019-08-15 |
CN108229386A (zh) | 2018-06-29 |
CN108229386B (zh) | 2021-12-14 |
US10846543B2 (en) | 2020-11-24 |
KR20190088387A (ko) | 2019-07-26 |
EP3506156A1 (en) | 2019-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7073247B2 (ja) | 車線境界線検出モデルを生成するための方法、車線境界線を検出するための方法、車線境界線検出モデルを生成するための装置、車線境界線を検出するための装置、機器、コンピュータ読み取り可能な記憶媒体およびコンピュータプログラム | |
US11017244B2 (en) | Obstacle type recognizing method and apparatus, device and storage medium | |
Keller et al. | A new benchmark for stereo-based pedestrian detection | |
US11475681B2 (en) | Image processing method, apparatus, electronic device and computer readable storage medium | |
US20210158699A1 (en) | Method, device, readable medium and electronic device for identifying traffic light signal | |
WO2017041396A1 (zh) | 一种车道线数据的处理方法、装置、存储介质及设备 | |
Kanagaraj et al. | Deep learning using computer vision in self driving cars for lane and traffic sign detection | |
US20230005278A1 (en) | Lane extraction method using projection transformation of three-dimensional point cloud map | |
EP3620945A1 (en) | Obstacle distribution simulation method, device and terminal based on multiple models | |
CN112418216A (zh) | 一种复杂自然场景图像中的文字检测方法 | |
CN108197567B (zh) | 用于图像处理的方法、装置和计算机可读介质 | |
CN111414826A (zh) | 一种地标箭头的识别方法、设备及存储介质 | |
Hatolkar et al. | A survey on road traffic sign recognition system using convolution neural network | |
de Carvalho et al. | Bounding box-free instance segmentation using semi-supervised iterative learning for vehicle detection | |
Shao et al. | Semantic segmentation for free space and lane based on grid-based interest point detection | |
CN111210411B (zh) | 图像中灭点的检测方法、检测模型训练方法和电子设备 | |
Al Mamun et al. | Efficient lane marking detection using deep learning technique with differential and cross-entropy loss. | |
CN113449629B (zh) | 基于行车视频的车道线虚实识别装置、方法、设备及介质 | |
CN115311634A (zh) | 一种基于模板匹配的车道线跟踪方法、介质以及设备 | |
CN114997264A (zh) | 训练数据生成、模型训练及检测方法、装置及电子设备 | |
CN114419564A (zh) | 车辆位姿检测方法、装置、设备、介质及自动驾驶车辆 | |
CN110705695B (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
Li et al. | Two-stage hough transform algorithm for lane detection system based on tms320dm6437 | |
CN114581876A (zh) | 构建复杂场景下车道检测模型的方法和检测车道线方法 | |
CN112819953A (zh) | 三维重建方法、网络模型训练方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190412 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200805 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201105 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210201 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210803 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211029 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211129 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20211129 |
|
C11 | Written invitation by the commissioner to file amendments |
Free format text: JAPANESE INTERMEDIATE CODE: C11 Effective date: 20220201 |
|
C12 | Written invitation by the commissioner to file intermediate amendments |
Free format text: JAPANESE INTERMEDIATE CODE: C12 Effective date: 20220201 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220221 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220222 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220506 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220511 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7073247 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |