WO2015043510A1 - 车道线检测方法、系统、车道偏离预警方法及系统 - Google Patents

车道线检测方法、系统、车道偏离预警方法及系统 Download PDF

Info

Publication number
WO2015043510A1
WO2015043510A1 PCT/CN2014/087570 CN2014087570W WO2015043510A1 WO 2015043510 A1 WO2015043510 A1 WO 2015043510A1 CN 2014087570 W CN2014087570 W CN 2014087570W WO 2015043510 A1 WO2015043510 A1 WO 2015043510A1
Authority
WO
WIPO (PCT)
Prior art keywords
lane
lane line
image
vehicle
line
Prior art date
Application number
PCT/CN2014/087570
Other languages
English (en)
French (fr)
Inventor
丁赞
徐波
Original Assignee
比亚迪股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 比亚迪股份有限公司 filed Critical 比亚迪股份有限公司
Publication of WO2015043510A1 publication Critical patent/WO2015043510A1/zh

Links

Images

Classifications

    • 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

Definitions

  • the present invention relates to the field of vehicle safety assisted driving technology, and in particular, to a lane line detection method, system, lane departure warning method and system.
  • the working process of the traditional lane departure warning system is as follows: First, an image including a lane line of the vehicle is captured by a camera; then edge detection is performed on the image, and finally a straight line is extracted by a Hough transform to obtain a lane line.
  • the lane line detection method directly performs a Hough transform detection line on the image captured by the camera, and when performing the Hough transform, it is necessary to base each point coordinate (x, y) in the rectangular coordinate XY representing the image space.
  • the technical problem to be solved by the present invention is to provide a lane line detection method for the problem of system reaction delay caused by the large calculation amount of the existing lane line detection method.
  • Embodiments of the present invention provide a lane line detection method, including the following steps:
  • a straight line formed by the lane edge target point is detected as a lane line by the Hough transform.
  • the lane line detecting method further includes:
  • the above lane line image is denoised and smoothed by a Gaussian filter.
  • collecting the lane line image including the left and right lane lines of the lane where the vehicle is located includes:
  • the image is decoded to obtain the lane line image.
  • extracting a lane edge target point in the lane line image is to extract a lane edge target point in the lane line image row by row.
  • extracting the lane edge target points in the lane line image line by line includes:
  • the edge point is extracted as a lane edge target point on the lane line image.
  • performing perspective transformation on the lane edge target point includes:
  • the coordinates of M and N are: M(-d, -h, m), N(-d, -h,n);
  • the coordinates of the image points M', N' on the imaging plane can be obtained: M' (df / m, hf / m, -f), N' (df / n, hf / n, - f);
  • the lane line image is perspective transformed using the angle ⁇ and the slope k.
  • detecting a straight line formed by the lane edge target point by the Hough transform as the lane line includes:
  • (a) Calculate the values of the respective polar values p for each polar angle a value progressively in steps of 80-100° in the parameter space, if the polar diameter p value falls within a certain square, The accumulator of the small cell is incremented by one; when all the points in the Cartesian coordinates are transformed, the small cell is checked, and the small cell with the largest count value has an (a, p) value corresponding to the rectangular coordinate. A straight line is obtained, which is the lane line.
  • the extracted lane edge target points are perspective-transformed, so that the Hough transform calculation amount can be reduced, the system reaction time can be reduced, and the vehicle driving safety can be enhanced.
  • an embodiment of the present invention further provides a lane line detection system, including an acquisition device, the collection device is configured to collect a lane line image including left and right lane lines of a lane where the vehicle is located, and an extraction device, and the extraction device is configured to extract a lane edge target point in the lane line image; a perspective transformation device, the perspective transformation device is configured to perform perspective transformation on the lane edge target point; and a detecting device, wherein the detecting device is configured to detect the A straight line formed by the target point of the lane edge serves as a lane line.
  • the lane line detection system further includes: an image processing apparatus, configured to perform denoising and smoothing processing on the lane line image by using a Gaussian filter.
  • the image capturing device includes: a camera for capturing an image of a left and right lane line including a lane in which the vehicle is located in front of the vehicle; and a decoder for performing the image The lane line image is decoded.
  • an embodiment of the present invention further provides a lane departure warning method, including the following steps:
  • the lane line is detected according to the lane line detection method described above;
  • the lane departure warning method further includes: pre-warning in the form of sound and/or light in the case of determining that an early warning is required.
  • the extracted lane edge target points are perspective-transformed, so that the Hough transform calculation amount can be reduced, and the system reaction time can be reduced, that is, when the lane deviation occurs, the system The warning is more rapid and enhances the driving safety of the vehicle.
  • an embodiment of the present invention further provides a lane departure warning system, including the lane line detection system, and a relative position detection module, where the relative position detection module is configured to determine a relative position of a vehicle and a lane line; The judging module is configured to judge whether an early warning is needed according to the relative position of the current vehicle and the lane line and the current state of the vehicle.
  • the lane departure warning system further includes: an early warning module, configured to perform an early warning in the form of sound and/or light when an early warning is required.
  • FIG. 1 is a flow chart of a lane line detecting method according to an embodiment of the present invention.
  • FIG. 2 is a perspective view of a camera perspective transformation imaging model according to an embodiment of the invention.
  • FIG. 3 is a schematic diagram of a real shot image of a lane line detection method according to an embodiment of the invention.
  • FIG. 4 is a schematic view of the real shot image shown in FIG. 3 after perspective transformation
  • FIG. 5 is a block diagram of a lane line detection system in accordance with an embodiment of the present invention.
  • FIG. 6 is a flow chart of a lane departure warning method according to an embodiment of the present invention.
  • FIG. 7 is a block diagram of a lane departure warning system in accordance with an embodiment of the present invention.
  • an embodiment of the present invention provides a lane line detection method, including the following steps:
  • S110 Collect a lane line image of the left and right lane lines including the lane where the vehicle is located.
  • Step S110 specifically includes the following steps:
  • a lane line image of a left and right lane line including a lane in which the vehicle is located in front of the vehicle is photographed by the forward looking camera, and an image signal is input to the video decoder.
  • the video decoder decodes the image signal (analog signal) input by the camera into a digital signal of YUV and inputs it to the control unit, and the control unit collects the image signal through the video input interface thereon, and stores the collected image signal in Flash Flash and / or memory DDR type of memory.
  • the control unit is preferably a DSP (Digital Signal Processing) chip.
  • the lane edge target points in the lane line image are extracted line by line.
  • Step S120 specifically includes the following steps:
  • S121 Perform lateral edge detection on the lane line image by using a one-dimensional sobel operator, and detect an edge point of each line on the lane line image.
  • S122 Determine, by histogram binarization, a binarization threshold of each row on the lane line image.
  • lateral edge detection is performed on the lane line image by a one-dimensional sobel operator [-1, 0, 1], and the first line on the lane line image is detected.
  • the lane edge target points of the other lines on the lane line image are obtained in the same manner, thereby obtaining all the lane edge target points of the lane line, wherein the first line or the last line of the first behavior image is extracted line by line. It is from the first line to the last line, or from the last line to the first line.
  • the non-lane edge target points detected by most of the sobel edges can be eliminated, and the system separately obtains the binarization threshold for each row. Therefore, compared with the conventional gray image binarization or sobel edge detection, this The method is adaptable to the environment.
  • step S130 includes the following steps:
  • Fig. 3 shows the effect of the real shot image
  • Fig. 4 shows the effect of the perspective transformation of the image.
  • the left and right lane lines transformed by the perspective are parallel to each other and perpendicular to the x-axis (the angle ⁇ is 90 degrees).
  • the original real shot image may be perspective-transformed as a whole, or only the lane line portion may be perspective-transformed (ie, only the extracted lane edge target point may be perspective-transformed).
  • the extracted lane edge target points are perspective-transformed, thereby avoiding perspective transformation on a large number of non-target points, and the operation amount of the perspective transformation is reduced by more than 90%, thereby ensuring real-time performance of the system.
  • y*sin(a) calculates the value of each polar diameter p for each polar angle a value that is progressively stepped by a small step in the 80-100° angle in the parameter space.
  • the accumulator of the small cell is incremented by one; when all the points in the Cartesian coordinates are transformed, the small cell is checked, and the small cell with the largest count value has a (a, p) value corresponding to the right angle.
  • the polar angle a of the lane line in polar coordinates is about 90°.
  • the value of the polar angle a may vary by about 5°, that is, when the Hough transform is performed in this embodiment of the present invention, the value of a ranges from 80 to 100°, and each pole diameter is calculated.
  • the p value not all of the a values are taken, but the respective P values are calculated for the polar angle a values advanced in the step size of the small cells to optimize the Hough transform.
  • the lane line detecting method is further performed after step S110, and before step S120, the lane line image is denoised and smoothed by using a Gaussian filter to improve image quality.
  • the extracted lane edge target points are perspective-transformed, so that the Hough transform calculation amount can be reduced, the system reaction time can be reduced, and the vehicle driving safety can be enhanced.
  • an embodiment of the present invention further provides a lane line detection system, including: an acquisition device 510, an extraction device 520, a perspective transformation device 530, and a detection device 540.
  • the collection device 10 is configured to capture a lane line image including left and right lane lines of a lane in which the vehicle is located.
  • the extraction device 520 is configured to extract a lane edge target point in the lane line image.
  • the perspective transformation device 530 is configured to perform perspective transformation on the lane edge target point.
  • the detecting device 540 is configured to detect a straight line formed by the lane edge target point as a lane line by a Hough transform.
  • the collection device 510 includes a camera 511 and a decoder 512.
  • the camera 511 is configured to capture an image of a left and right lane line including a lane in which the vehicle is located in front of the vehicle, and the decoder 512 is configured to decode the image to obtain the lane line image.
  • the image signal captured by the camera 511 is received by the decoder 512, and the image signal is decoded and input to the control unit, and the control unit collects the image signal by using the video input interface thereon, and
  • the acquired image signals are stored in a memory.
  • the memory can be DDR memory or FLASH flash.
  • the control unit is preferably a DSP chip.
  • the lane line detecting system further includes an image processing apparatus 550 for performing denoising and smoothing processing on the lane line image using a Gaussian filter.
  • image processing device 550 is integrated in a DSP chip.
  • the camera 511 in the acquisition device 510 is a front view camera of the vehicle look-and-view system, and the front view camera is used to capture an image of the left and right lane lines in front of the vehicle including the lane in which the vehicle is located.
  • the use of the vehicle's existing surround system to achieve lane detection without the need to add other equipment, is conducive to reducing parts and reducing production costs.
  • the present invention also provides a lane departure warning method, which includes the following steps:
  • S610 Collect a lane line image including left and right lane lines of a lane where the vehicle is located;
  • a line formed by detecting the lane edge target point by the Hough transform is used as a lane line.
  • the lane departure warning method further includes:
  • an early warning is made in the form of sound and/or light.
  • the extracted lane edge target points are perspective-transformed, so that the Hough transform calculation amount can be reduced, and the system reaction time can be reduced, that is, when the lane deviation occurs, the system The warning is more rapid and enhances the driving safety of the vehicle.
  • the present invention further provides a lane departure warning system, including: a lane line detection system, a relative position detection module 710, and a determination module 720 provided by the above embodiment of the present invention.
  • the relative position detection module 710 is configured to determine the relative position of the vehicle to the lane line.
  • the determining module 720 is configured to determine whether an early warning is needed according to the relative position of the current vehicle and the lane line and the current state of the vehicle.
  • the relative position detecting module 710 is configured to determine the relative position of the vehicle to the lane line in combination with the position of the lane line detected by the lane line detecting system and the vehicle calibration parameter.
  • the relative position detecting module 710 and the determining module 720 are integrated in the DSP chip, and the lane line detecting function is implemented by writing corresponding software in the DSP chip.
  • the lane departure warning system further includes an early warning module 730, which is used to Early warning in the form of sound and / or light during the police.
  • the early warning module 730 pre-warms the user in the form of sound and/or light according to the judgment result of the determining module 720, for example, an early warning by a buzzer, or in a vehicle.
  • the warning message is displayed on the DVD, or the warning information is displayed on the LCD panel of the dashboard.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种车道线检测方法，包括以下步骤：采集包含车辆所在车道的左右车道线的车道线图像；提取所述车道线图像中的车道边缘目标点；对所述车道边缘目标点进行透视变换；通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线。根据本发明的车道线检测方法，在进行霍夫变换之前，先对提取的车道边缘目标点进行透视变换，这样，可以减少霍夫变换计算量，减少系统反应时间，增强车辆行驶安全性。另外，本发明还提供了一种车道线检测系统、车道偏离预警方法及系统。

Description

车道线检测方法、系统、车道偏离预警方法及系统 技术领域
本发明涉及车辆安全辅助驾驶技术领域，特别是涉及一种车道线检测方法、系统、车道偏离预警方法及系统。
背景技术
随着社会的发展，汽车已经成为大众化的交通工具，因为疲劳驾驶或者注意力分散，车辆偏离车道线造成的事故也不断增多，并且此类事故发生时通常车速较高，因此危害性较高。
研究表明，若在潜在的交通事故发生前1秒钟给驾驶员预警，则可以避免绝大部分的类似交通事故。因此，实时检测车道线，识别车辆是否偏离车道，在驾驶员未进行变道操作但车辆却趋于偏离车道时及时提醒驾驶员，能够大大提高行车安全性。
传统的车道偏离预警系统的工作过程如下：首先，通过摄像头拍摄包含车辆所在车道线的图像；接着对上述图像进行边缘检测，最后利用霍夫(Hough)变换提取直线，从而得到车道线。但是，此种车道线检测方法直接对摄像头拍摄的图像进行霍夫变换检测直线，而在进行霍夫变换时，需要根据表示图像空间的直角坐标X-Y中的每一点坐标(x，y)，依据公式p＝x*cos(a)+y*sin(a)对参数空间中0-180°角度内所有极角a值，计算各个极径p值，并根据a值与p值对数组进行累加，然后对数组进行局部峰值检测，以得到被检测直线的a值与p值，进而得到了车道线，因此，此种车道线检测方法计算量巨大，容易导致系统反应延迟，且安全性降低。
发明内容
本发明所要解决的技术问题是针对现有的车道线检测方法计算量大所导致的系统反应延迟的问题，提供一种车道线检测方法。
本发明实施例提供一种车道线检测方法，包括以下步骤：
采集包含车辆所在车道的左右车道线的车道线图像；
提取所述车道线图像中的车道边缘目标点；
对所述车道边缘目标点进行透视变换；
通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线。
在本发明实施例中，车道线检测方法进一步包括：
利用高斯滤波器对上述车道线图像进行去噪和平滑处理。
在本发明实施例中，采集包含车辆所在车道的左右车道线的车道线图像包括：
拍摄车辆前方的包含车辆所在车道的左右车道线的图像；以及
对所述图像进行解码得到所述车道线图像。
在本发明实施例中，提取所述车道线图像中的车道边缘目标点为逐行提取所述车道线图像中的车道边缘目标点。
在本发明实施例中，逐行提取所述车道线图像中的车道边缘目标点包括：
通过一维sobel算子对所述车道线图像进行横向边缘检测，检测出所述车道线图像上每一行的边缘点；
通过直方图二值化求出所述车道线图像上每一行的二值化阈值；
在边缘点的灰度值大于所述二值化阈值时，将所述边缘点提取作为所述车道线图像上的车道边缘目标点。
在本发明实施例中，对所述车道边缘目标点进行透视变换包括：
以所述车辆上的摄像头光心为原点建立世界坐标系，其中，假设所述摄像头的光轴为直线O1O4，所述摄像头的成像平面为O1M′N′，所述摄像头的焦距为f，路面为平面MNPH，车道线上的两点为MN，所述车道线上的两点在成像平面上的像点是M′、N′；
假设所述车辆行驶方向与所述车道线MN平行，则摄像机光轴O1O4与路面MNPH及车道线MN平行，摄像机安装高度为h＝O2P＝O3H，点M、N在x轴上的坐标为-d，在z轴上的坐标分别为m、n，则在世界坐标系中M、N的坐标为：M(-d，-h，m)，N(-d，-h，n)；
根据成像原理可得到成像平面上的像点M′、N′的坐标：M′(df/m，hf/m，-f)，N′(df/n，hf/n，-f)；
根据平面几何关系，得到车道线在所述车道线图像上与x轴夹角α以及车道线的斜率k：
k＝(hf/m-hf/n)/(df/m-df/n)＝h/d；
α＝tan-1k＝tan-1(h/d)；
使用夹角α以及斜率k，对所述车道线图像进行透视变换。
在本发明实施例中，通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线包括：
将表示参数空间的极坐标a-p量化成多个相同的小格，根据表示图像空间的直角坐标X-Y中的每一点坐标(x，y)，依据公式p＝x*cos(a)+y*sin(a)对参数空间中80-100°角度内以小格的步长递进的各个极角a值，计算各个极径p值，如果所述极径p值落入某个小格内，便使该小格的累加记数器加1；当直角坐标中全部的点都变换后，对小格进行检验，计数值最大的小格，其(a，p)值对应于直角坐标中所求直线，所述直线即所述车道线。
根据本发明的车道线检测方法，在进行霍夫变换之前，先对提取的车道边缘目标点进行透视变换，这样，可以减少霍夫变换计算量，减少系统反应时间，增强车辆行驶安全性。
另外，本发明实施例还提供了一种车道线检测系统，包括采集设备，所述采集设备用于采集包含车辆所在车道的左右车道线的车道线图像；提取设备，所述提取设备用于提取所述车道线图像中的车道边缘目标点；透视变换设备，所述透视变换设备用于对所述车道边缘目标点进行透视变换；检测设备，所述检测设备用于通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线。
在本发明实施例中，所述车道线检测系统进一步包括：图像处理设备，所述图像处理设备用于利用高斯滤波器对所述车道线图像进行去噪和平滑处理。
在本发明实施例中，所述图像采集设备包括：摄像头，所述摄像头用于拍摄车辆前方的包含车辆所在车道的左右车道线的图像；以及解码器，所述解码器用于对所述图像进行解码得到所述车道线图像。
另外，本发明实施例还提供了一种车道偏离预警方法，包括如下步骤：
根据上述车道线检测方法检测得到车道线；
根据检测到的车道线与车辆的相对位置以及车辆的当前状态，确定是否需要预警。
在本发明实施例中，所述车道偏离预警方法进一步包括：在确定需要预警的情况下，以声和/或光的形式预警。
根据本发明的车道偏离预警方法，在进行霍夫变换之前，先对提取的车道边缘目标点进行透视变换，这样，可以减少霍夫变换计算量，减少系统反应时间，即车道发生偏离时，系统的预警更加迅速，增强车辆行驶安全性。
另外，本发明实施例还提供了一种车道偏离预警系统，包括上述车道线检测系统；相对位置检测模块，所述相对位置检测模块用于确定车辆与车道线的相对位置；判断模块，所述判断模块用于根据当前车辆与车道线的相对位置以及车辆当前状态判断是否需要预警。
在本发明实施例中，所述车道偏离预警系统进一步包括：预警模块，所述预警模块用于在需要预警时进行声和/或光形式的预警。
附图说明
图1是根据本发明一实施例的车道线检测方法的流程图；
图2是根据本发明一实施例的摄像头透视变换成像模型图；
图3是根据本发明一实施例的车道线检测方法实拍图像的示意图；
图4是图3所示的实拍图像经过透视变换后的示意图；
图5是根据本发明一实施例的车道线检测系统的框图；
图6是根据本发明一实施例的车道偏离预警方法的流程图；
图7是根据本发明一实施例的车道偏离预警系统的框图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种车道线检测方法，包括以下步骤：
S110、采集包含车辆所在车道的左右车道线的车道线图像。
步骤S110具体包括以下步骤：
S111、拍摄车辆前方的包含车辆所在车道的左右车道线的图像；和
S112、对所述图像进行解码得到所述车道线图像。
具体地，在本发明的一个实施例中，通过前视摄像头拍摄车辆前方包含车辆所在车道的左右车道线的车道线图像，并将图像信号输入给视频解码器。所述视频解码器将摄像头输入的图像信号(模拟信号)解码为YUV的数字信号后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号存储在闪存Flash和/或内存DDR类型的存储器中。控制单元优选为DSP(Digital Signal Processing，数字信号处理器)芯片。
S120、提取上述车道线图像中的车道边缘目标点。
具体地，逐行提取所述车道线图像中的车道边缘目标点。
则步骤S120具体包括以下步骤：
S121、通过一维sobel算子对所述车道线图像进行横向边缘检测，检测出所述车道线图像上每一行的边缘点；
S122、通过直方图二值化求出所述车道线图像上每一行的二值化阈值；
S123、在边缘点的灰度值大于所述二值化阈值时，将所述边缘点提取作为所述车道线图像上的车道边缘目标点。
具体地，在本发明的一个实施例中，首先，通过一维sobel算子[-1，0，1]对所述车道线图像进行横向边缘检测，检测出所述车道线图像上第一行的边缘点；然后通过直方图二值化求出当前行的二值化阈值，在sobel检测出的边缘点的灰度值大于所述二值化阈值时，将该边缘点提取为图像上该行的车道边缘目标点。
进一步地，以同样的方法得到所述车道线图像上其它行的车道边缘目标点，从而得到车道线的所有车道边缘目标点，其中，第一行为图像的首行或末行，逐行提取可以是由首行至末行，也可是由末行至首行。通过此方法，可以剔除大部分sobel边缘检测出的非车道边缘目标点，同时系统分别对每一行求取二值化阈值，因此，相对于传统的灰度图像二值化或者sobel边缘检测，此方法对环境的适应性强。
S130、对所述车道边缘目标点进行透视变换。
具体地，步骤S130包括以下步骤：
S131、以所述车辆上的摄像头光心O为原点建立世界坐标系，如图2所示，其中，假设所述摄像头的光轴为直线O1O4，所述摄像头的成像平面为O1M′N′，所述摄像头的焦距为f，路面为平面MNPH，车道线上的两点为MN，所述车道线上的两点在成像平面上的像点是M′、N′；
S132、假设所述车辆行驶方向与所述车道线MN平行，则摄像机光轴O1O4与路面MNPH及车道线MN平行，摄像机安装高度为h＝O2P＝O3H，点M、N在x轴上的坐标为-d，在z轴上的坐标分别为m、n，则在世界坐标系中M、N的坐标为：M(-d，-h，m)，N(-d，-h，n)；
S133、根据成像原理可得到成像平面上的像点M′、N′的坐标：M′(df/m，hf/m，-f)，N′(df/n，hf/n，-f)，其中，M′、N′在图像平面中的表示如图2所示；
S134、根据平面几何关系，得到车道线在所述车道线图像上与x轴夹角α以及车道线的斜率k：
k＝(hf/m-hf/n)/(df/m-df/n)＝h/d；
α＝tan-1k＝tan-1(h/d)；
S135、使用夹角α以及斜率k，对所述车道线图像进行透视变换，从而实现了对提取的车道边缘目标点的透视变换。
图3所示为实拍图像效果，图4所示为图像透视变换后的效果，图4中，经透视变换的左右车道线相互平行，且垂直于x轴(夹角α为90度)。
在本发明的一个实施例中，可以对原实拍图像整体进行透视变换，也可以只对车道线部分进行透视变换(即仅对提取的车道边缘目标点进行透视变换)。优选地，仅对提取的车道边缘目标点进行透视变换，从而避免的对大量非目标点进行透视变换，透视变换的运算量减小90％以上，保证系统的实时性。
S140、通过霍夫变换检测上述车道边缘目标点所构成的直线，从而得到车道线。
具体地，将表示参数空间的极坐标a-p量化成多个相同的小格，根据表示图像空间的直角坐标X-Y中的每一点坐标(x，y)，依据公式p＝x*cos(a)+y*sin(a)对参数空间中80-100°角度内以小格的步长递进的各个极角a值，计算各个极径p值，如果所述极径p值落入某个小格内，便使该小格的累加记数器加1；当直角坐标中全部的点都变换后，对小格进行检验，计数值最大的小格，其(a，p)值对应于直角坐标中所求直线，所述直线即所述车道线。
在本发明的一个实施例中，对提取的车道边缘目标点进行透视变换后，车道线在极坐标中极角a值约为90°。当车道偏离时，所述极角a值会有5°左右的变化，即在本发明该实施例中进行霍夫变换时，a的取值范围为80-100°，且在计算各个极径p值时，并没有取尽所有a值，而是针对以小格的步长递进的极角a值计算各个P值，以优化所述霍夫变换。通过所述优化后的霍夫变换检测直线，运算量减小80％以上，大大提高了车道线检测效率，同时也提高了车道线检测的准确率。
此外，在本发明的一个实施例中，所述车道线检测方法在步骤S110之后，步骤S120之前还包括利用高斯滤波器对所述车道线图像进行去噪和平滑处理，以提高图像质量。
根据本发明的车道线检测方法，在进行霍夫变换之前，先对提取的车道边缘目标点进行透视变换，这样，可以减少霍夫变换计算量，减少系统反应时间，增强车辆行驶安全性。
另外，如图5所示，本发明实施例还提供了一种车道线检测系统，包括：采集设备510、提取设备520、透视变换设备530和检测设备540。
具体地，采集设备10用于采集包含车辆所在车道的左右车道线的车道线图像。提取设备520用于提取所述车道线图像中的车道边缘目标点。透视变换设备530用于对所述车道边缘目标点进行透视变换。检测设备540用于通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线。
进一步地，采集设备510包括：摄像头511和解码器512。所述摄像头511用于拍摄车辆前方的包含车辆所在车道的左右车道线的图像，所述解码器512用于对所述图像进行解码得到所述车道线图像。
在本发明的一个实施例中，通过解码器512接收摄像头511拍摄的图像信号，并将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并 将采集到的图像信号存储在存储器中。存储器可以是DDR内存或FLASH闪存。控制单元优选为DSP芯片。
此外，根据本发明实施例的车道线检测系统还包括图像处理设备550，所述图像处理设备550用于利用高斯滤波器对所述车道线图像进行去噪和平滑处理。在本发明的一个实施例中，图像处理设备550集成在DSP芯片中。
在本发明该实施例中，所述采集设备510中的摄像头511为车辆环视系统的前视摄像头，所述前视摄像头用于拍摄车辆前方包含车辆所在车道的左右车道线的图像。利用车辆现有的环视系统来实现车道检测，而无需增加其它设备，有利于减少零部件及降低生产成本。
另外，如图6所示，本发明还提供了一种车道偏离预警方法，包括如下步骤：
S610、采集包含车辆所在车道的左右车道线的车道线图像；
S620、提取上述车道线图像中的车道边缘目标点；
S630、对车道边缘目标点进行透视变换；
S640、通过霍夫变换检测上述车道边缘目标点所构成的直线作为车道线。
S650、根据检测到的车道线与车辆的相对位置以及车辆的当前状态，确定是否需要预警。
其中图6所示的车道偏离预警方法中的步骤S610至S640的具体步骤与根据图1所示的车道线检测方法相同，在此不再赘述。
进一步地，所述车道偏离预警方法还包括：
S660、在确定需要预警的情况下，以声和/或光的形式预警。
根据本发明的车道偏离预警方法，在进行霍夫变换之前，先对提取的车道边缘目标点进行透视变换，这样，可以减少霍夫变换计算量，减少系统反应时间，即车道发生偏离时，系统的预警更加迅速，增强车辆行驶安全性。
另外，如图7所示，本发明还提供了一种车道偏离预警系统，包括：本发明上述实施例提供的车道线检测系统、相对位置检测模块710和判断模块720。
相对位置检测模块710用于确定车辆与车道线的相对位置。判断模块720用于根据当前车辆与车道线的相对位置以及车辆当前状态判断是否需要预警。具体地，相对位置检测模块710用于结合所述车道线检测系统所检测到的车道线的位置与车辆标定参数，确定车辆当前与车道线的相对位置。
在本发明的一个实施例中，所述相对位置检测模块710和判断模块720均集成在DSP芯片中，通过在DSP芯片中写入相应软件来实现车道线检测功能。
此外，所述车道偏离预警系统还包括预警模块730，所述预警模块730用于在需要预 警时进行声和/或光形式的预警。
在本发明的一个实施例中，所述预警模块730根据所述判断模块720的判断结果，对使用者提前进行声和/或光形式的预警，例如通过蜂鸣器发出预警，或者是在车辆DVD上显示预警信息，或者是在仪表盘液晶显示屏上显示预警信息。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (14)

  1. 一种车道线检测方法，包括以下步骤：
    采集包含车辆所在车道的左右车道线的车道线图像；
    提取所述车道线图像中的车道边缘目标点；
    对所述车道边缘目标点进行透视变换；
    通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线。
  2. 根据权利要求1所述的车道线检测方法，进一步包括：
    利用高斯滤波器对所述车道线图像进行去噪和平滑处理。
  3. 根据权利要求1或2所述的车道线检测方法，其中，采集包含车辆所在车道的左右车道线的车道线图像包括：
    拍摄车辆前方的包含车辆所在车道的左右车道线的图像；以及
    对所述图像进行解码得到所述车道线图像。
  4. 根据权利要求1至3中任一项所述的车道线检测方法，其中，所述提取所述车道线图像中的车道边缘目标点为逐行提取所述车道线图像中的车道边缘目标点。
  5. 根据权利要求4所述的车道线检测方法，其中，逐行提取所述车道线图像中的车道边缘目标点包括：
    通过一维sobel算子对所述车道线图像进行横向边缘检测，检测出所述车道线图像上每一行的边缘点；
    通过直方图二值化求出所述车道线图像上每一行的二值化阈值；
    在边缘点的灰度值大于所述二值化阈值时，将所述边缘点提取作为所述车道线图像上的车道边缘目标点。
  6. 根据权利要求1至5中任一项所述的车道线检测方法，其中，对所述车道边缘目标点进行透视变换包括：
    以所述车辆上的摄像头光心为原点建立世界坐标系，其中，假设所述摄像头的光轴为直线O1O4，所述摄像头的成像平面为O1M′N′，所述摄像头的焦距为f，路面为平面MNPH，车道线上的两点为MN，所述车道线上的两点在成像平面上的像点是M′、N′；
    假设所述车辆行驶方向与所述车道线MN平行，则摄像机光轴O1O4与路面MNPH及车道线MN平行，摄像机安装高度为h＝O2P＝O3H，点M、N在x轴上的坐标为-d，在z轴上的坐标分别为m、n，则在世界坐标系中M、N的坐标为：M(-d，-h，m)，N(-d，-h，n)；
    根据成像原理可得到成像平面上的像点M′、N′的坐标：M′(df/m，hf/m，-f)，N′ (df/n，hf/n，-f)；
    根据平面几何关系，得到车道线在所述车道线图像上与x轴夹角α以及车道线的斜率k：
    k＝(hf/m-hf/n)/(df/m-df/n)＝h/d；
    α＝tan-1k＝tan-1(h/d)；
    使用夹角α以及斜率k，对所述车道线图像进行透视变换。
  7. 根据权利要求1-6中任一项所述的车道线检测方法，其中，通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线包括：
    将表示参数空间的极坐标a-p量化成多个相同的小格，根据表示图像空间的直角坐标X-Y中的每一点坐标(x，y)，依据公式p＝x*cos(a)+y*sin(a)对参数空间中80-100°角度内以小格的步长递进的各个极角a值，计算各个极径p值，如果所述极径p值落入某个小格内，便使该小格的累加记数器加1；当直角坐标中全部的点都变换后，对小格进行检验，计数值最大的小格，其(a，p)值对应于直角坐标中所求直线，所述直线即所述车道线。
  8. 一种车道线检测系统，包括：
    采集设备，所述采集设备用于采集包含车辆所在车道的左右车道线的车道线图像；
    提取设备，所述提取设备用于提取所述车道线图像中的车道边缘目标点；
    透视变换设备，所述透视变换设备用于对所述车道边缘目标点进行透视变换；
    检测设备，所述检测设备用于通过霍夫变换检测所述车道边缘目标点所构成的直线作为车道线。
  9. 根据权利要求8所述的车道线检测系统，进一步包括：
    图像处理设备，所述图像处理设备用于利用高斯滤波器对所述车道线图像进行去噪和平滑处理。
  10. 根据权利要求8或9所述的车道线检测系统，其中所述采集设备包括：
    摄像头，所述摄像头用于拍摄车辆前方的包含车辆所在车道的左右车道线的图像；以及
    解码器，所述解码器用于对所述图像进行解码得到所述车道线图像。
  11. 一种车道偏离预警方法，包括如下步骤：
    根据权利要求1至7中任意一项所述的车道线检测方法检测得到车道线；
    根据检测到的车道线与车辆的相对位置以及车辆的当前状态，确定是否需要预警。
  12. 根据权利要求11所述的车道偏离预警方法，进一步包括：
    如果需要预警的情况下，以声和/或光的形式预警。
  13. 一种车道偏离预警系统，包括：
    权利要求8至10中任一项所述的车道线检测系统；
    相对位置检测模块，所述相对位置检测模块用于确定车辆与车道线的相对位置；以及
    判断模块，所述判断模块用于根据当前车辆与车道线的相对位置以及车辆当前状态判断是否需要预警。
  14. 根据权利要求13所述的车道偏离预警系统，进一步包括：
    预警模块，所述预警模块用于在需要预警时进行声和/或光形式的预警。
PCT/CN2014/087570 2013-09-27 2014-09-26 车道线检测方法、系统、车道偏离预警方法及系统 WO2015043510A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310450258.7 2013-09-27
CN201310450258.7A CN104517111B (zh) 2013-09-27 2013-09-27 车道线检测方法、系统、车道偏离预警方法及系统

Publications (1)

Publication Number Publication Date
WO2015043510A1 true WO2015043510A1 (zh) 2015-04-02

Family

ID=52742083

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/087570 WO2015043510A1 (zh) 2013-09-27 2014-09-26 车道线检测方法、系统、车道偏离预警方法及系统

Country Status (2)

Country Link
CN (1) CN104517111B (zh)
WO (1) WO2015043510A1 (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488498A (zh) * 2016-01-15 2016-04-13 武汉光庭信息技术股份有限公司 一种基于激光点云的车道边线自动提取方法及系统
CN107578037A (zh) * 2017-09-27 2018-01-12 浙江工商大学 一种基于似物性估计的道线检测方法
CN109753843A (zh) * 2017-11-02 2019-05-14 郭宇铮 基于视觉传感器的行车辅助驾驶系统
CN109747529A (zh) * 2017-11-02 2019-05-14 郭宇铮 一种车道线预警装置
CN110264512A (zh) * 2019-06-28 2019-09-20 清华大学苏州汽车研究院（吴江） 基于视频分析的车道边距检测方法及装置
CN110415298A (zh) * 2019-07-22 2019-11-05 昆山伟宇慧创智能科技有限公司 一种用于车道偏离的计算方法
CN111160231A (zh) * 2019-12-27 2020-05-15 北京联合大学 一种基于Mask R-CNN的自动驾驶环境道路提取方法
CN111316284A (zh) * 2019-02-13 2020-06-19 深圳市大疆创新科技有限公司 车道线检测方法、装置、系统与车辆、存储介质
CN111368797A (zh) * 2020-03-23 2020-07-03 福州视驰科技有限公司 一种基于路端单目摄像头的目标实时测距方法
CN111881748A (zh) * 2020-06-23 2020-11-03 安徽信息工程学院 一种基于vbai平台建模的车道线视觉识别方法和系统
CN112070039A (zh) * 2020-09-11 2020-12-11 广州亚美智造科技有限公司 一种基于哈希编码的车辆碰撞检测方法及系统
CN112507964A (zh) * 2020-12-22 2021-03-16 北京百度网讯科技有限公司 用于车道级事件的检测方法和装置、路侧设备和云控平台
CN112597846A (zh) * 2020-12-14 2021-04-02 合肥英睿系统技术有限公司 车道线检测方法、装置、计算机设备和存储介质
CN112926365A (zh) * 2019-12-06 2021-06-08 广州汽车集团股份有限公司 一种车道线检测方法及其系统
CN113255404A (zh) * 2020-02-11 2021-08-13 北京百度网讯科技有限公司 车道线识别方法、装置、电子设备和计算机可读存储介质
CN114419582A (zh) * 2021-12-29 2022-04-29 山西省交通科技研发有限公司 一种基于相位一致性霍夫变换的磨损车道线检测方法
CN115830011A (zh) * 2023-02-08 2023-03-21 山东瑞峰新材料科技有限公司 一种无声胶带生产过程的视觉检测方法

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104988818B (zh) * 2015-05-26 2017-04-12 浙江工业大学 一种基于透视变换的交叉路口多车道标定方法
CN106324618B (zh) * 2015-06-17 2019-03-15 高田汽车电子(上海)有限公司 实现基于激光雷达检测车道线系统的方法
JP6610665B2 (ja) * 2015-06-23 2019-11-27 日本電気株式会社 検出システム、検出方法、及び、プログラム
CN105261020B (zh) * 2015-10-16 2018-11-20 桂林电子科技大学 一种快速车道线检测方法
CN105389561B (zh) * 2015-11-13 2018-06-26 深圳华中科技大学研究院 一种基于视频的公交车道检测方法
CN105654064A (zh) * 2016-01-25 2016-06-08 北京中科慧眼科技有限公司 车道线检测方法和装置及高级驾驶辅助系统
CN105740800B (zh) * 2016-01-27 2019-06-07 大连楼兰科技股份有限公司 一种基于角度跟踪的车道线检测方法
CN105678791B (zh) * 2016-02-24 2018-07-17 西安交通大学 一种基于参数不唯一的车道线检测与跟踪方法
CN105809149A (zh) * 2016-03-31 2016-07-27 电子科技大学 基于最大长度直线的车道线检测方法
CN105975957B (zh) * 2016-05-30 2019-02-05 大连理工大学 一种基于车道线边缘的道路平面检测方法
CN106203398B (zh) * 2016-07-26 2019-08-13 东软集团股份有限公司 一种检测车道边界的方法、装置和设备
CN106384085A (zh) * 2016-08-31 2017-02-08 浙江众泰汽车制造有限公司 一种无人车偏航角计算方法
CN106355919B (zh) * 2016-09-21 2019-02-22 山西省交通科学研究院 一种基于机器视觉的弯道车速限速计算方法及超速警示装置
CN107092862A (zh) * 2017-03-16 2017-08-25 浙江零跑科技有限公司 一种基于卷积神经网络的车道边缘检测方法
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
CN109591694B (zh) * 2017-09-30 2021-09-28 上海欧菲智能车联科技有限公司 车道偏离预警系统、车道偏离预警方法和车辆
CN107901907B (zh) * 2017-09-30 2019-12-20 惠州市德赛西威汽车电子股份有限公司 一种基于色块统计的车道线检测方法
CN108189844B (zh) * 2017-12-28 2020-06-26 东风商用车有限公司 一种车道偏离预警系统的报警方法
CN108470142B (zh) * 2018-01-30 2021-09-03 西安电子科技大学 基于逆透视投影和车道距离约束的车道定位方法
CN108776767B (zh) * 2018-04-18 2019-12-17 福州大学 一种有效判别车辆压线及预先提示系统
CN109572715A (zh) * 2018-11-01 2019-04-05 北京海纳川汽车部件股份有限公司 自动驾驶车辆的车道偏离预警方法、装置及自动驾驶车辆
CN109583418B (zh) * 2018-12-13 2021-03-12 武汉光庭信息技术股份有限公司 一种基于平行关系的车道线偏离自校正方法和装置
CN109443374A (zh) * 2018-12-26 2019-03-08 联创汽车电子有限公司 车道线融合系统及其融合方法
CN109741602A (zh) * 2019-01-11 2019-05-10 福建工程学院 一种轻微交通事故辅助定责的方法及系统
CN112395927A (zh) * 2019-08-19 2021-02-23 长城汽车股份有限公司 基于霍夫变换的图像处理方法和装置
CN110487562B (zh) * 2019-08-21 2020-04-14 北京航空航天大学 一种用于无人驾驶的车道保持能力检测系统及方法
CN111046795A (zh) * 2019-12-12 2020-04-21 扬州后潮科技有限公司 一种基于双目视觉的实时车辆压线行为检测方法
CN112396569A (zh) * 2020-12-02 2021-02-23 北京皮尔布莱尼软件有限公司 一种对图像进行数据增强的方法
CN113223031A (zh) * 2021-04-20 2021-08-06 毫末智行科技有限公司 基于霍夫变换的目标边缘线检测方法及装置
CN116935349B (zh) * 2023-09-15 2023-11-28 华中科技大学 一种基于Zigzag变换的车道线检测方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663356A (zh) * 2012-03-28 2012-09-12 柳州博实唯汽车科技有限公司 车道线提取及偏离预警方法
CN102722705A (zh) * 2012-06-12 2012-10-10 武汉大学 一种基于ransac算法的多车道线检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102303609B (zh) * 2011-06-16 2013-11-06 广东铁将军防盗设备有限公司 车道偏离预警系统及方法
CN102663744B (zh) * 2012-03-22 2015-07-08 杭州电子科技大学 梯度点对约束下的复杂道路检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663356A (zh) * 2012-03-28 2012-09-12 柳州博实唯汽车科技有限公司 车道线提取及偏离预警方法
CN102722705A (zh) * 2012-06-12 2012-10-10 武汉大学 一种基于ransac算法的多车道线检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI, MINXIAN ET AL.: "The Segmentation and Detection of Vehicle Lane Based on Inverse Perspective Transform", PROCEEDINGS OF 2010 THE 3RD INTERNATIONAL CONFERENCE ON POWER ELECTRONIC AND INTELLIGENT TRANSPORTATION SYSTEM, vol. 5, 20 November 2010 (2010-11-20) *
QIU, WEI: "Research on Lane Departure Warning System on the Highway", FULL-TEXT DATABASE OF MASTER DEGREE EXCELLENT THESES OF CHINA, vol. 2007, no. 05, 15 November 2007 (2007-11-15) *
ZHANG, YUNGANG ET AL.: "The Detection of Vehicle Lane Based on Inverse Transmission Transform and Hough Transform", JOURNAL OF YUNNAN UNIVERSITY ( NATURAL SCIENCES EDITION, vol. 34, no. S1, 31 December 2009 (2009-12-31) *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488498A (zh) * 2016-01-15 2016-04-13 武汉光庭信息技术股份有限公司 一种基于激光点云的车道边线自动提取方法及系统
CN105488498B (zh) * 2016-01-15 2019-07-30 武汉中海庭数据技术有限公司 一种基于激光点云的车道边线自动提取方法及系统
CN107578037A (zh) * 2017-09-27 2018-01-12 浙江工商大学 一种基于似物性估计的道线检测方法
CN107578037B (zh) * 2017-09-27 2020-10-16 浙江工商大学 一种基于似物性估计的道线检测方法
CN109753843A (zh) * 2017-11-02 2019-05-14 郭宇铮 基于视觉传感器的行车辅助驾驶系统
CN109747529A (zh) * 2017-11-02 2019-05-14 郭宇铮 一种车道线预警装置
CN111316284A (zh) * 2019-02-13 2020-06-19 深圳市大疆创新科技有限公司 车道线检测方法、装置、系统与车辆、存储介质
CN110264512A (zh) * 2019-06-28 2019-09-20 清华大学苏州汽车研究院（吴江） 基于视频分析的车道边距检测方法及装置
CN110415298A (zh) * 2019-07-22 2019-11-05 昆山伟宇慧创智能科技有限公司 一种用于车道偏离的计算方法
CN110415298B (zh) * 2019-07-22 2023-02-03 昆山伟宇慧创智能科技有限公司 一种用于车道偏离的计算方法
CN112926365A (zh) * 2019-12-06 2021-06-08 广州汽车集团股份有限公司 一种车道线检测方法及其系统
CN111160231A (zh) * 2019-12-27 2020-05-15 北京联合大学 一种基于Mask R-CNN的自动驾驶环境道路提取方法
CN113255404A (zh) * 2020-02-11 2021-08-13 北京百度网讯科技有限公司 车道线识别方法、装置、电子设备和计算机可读存储介质
CN111368797A (zh) * 2020-03-23 2020-07-03 福州视驰科技有限公司 一种基于路端单目摄像头的目标实时测距方法
CN111881748A (zh) * 2020-06-23 2020-11-03 安徽信息工程学院 一种基于vbai平台建模的车道线视觉识别方法和系统
CN111881748B (zh) * 2020-06-23 2023-11-10 安徽信息工程学院 一种基于vbai平台建模的车道线视觉识别方法和系统
CN112070039A (zh) * 2020-09-11 2020-12-11 广州亚美智造科技有限公司 一种基于哈希编码的车辆碰撞检测方法及系统
CN112070039B (zh) * 2020-09-11 2023-08-15 亚美智联数据科技有限公司 一种基于哈希编码的车辆碰撞检测方法及系统
CN112597846B (zh) * 2020-12-14 2022-11-11 合肥英睿系统技术有限公司 车道线检测方法、装置、计算机设备和存储介质
CN112597846A (zh) * 2020-12-14 2021-04-02 合肥英睿系统技术有限公司 车道线检测方法、装置、计算机设备和存储介质
CN112507964A (zh) * 2020-12-22 2021-03-16 北京百度网讯科技有限公司 用于车道级事件的检测方法和装置、路侧设备和云控平台
CN112507964B (zh) * 2020-12-22 2024-04-19 阿波罗智联(北京)科技有限公司 用于车道级事件的检测方法和装置、路侧设备和云控平台
CN114419582A (zh) * 2021-12-29 2022-04-29 山西省交通科技研发有限公司 一种基于相位一致性霍夫变换的磨损车道线检测方法
CN115830011A (zh) * 2023-02-08 2023-03-21 山东瑞峰新材料科技有限公司 一种无声胶带生产过程的视觉检测方法

Also Published As

Publication number Publication date
CN104517111B (zh) 2018-09-07
CN104517111A (zh) 2015-04-15

Similar Documents

Publication Publication Date Title
WO2015043510A1 (zh) 车道线检测方法、系统、车道偏离预警方法及系统
CN107577988B (zh) 实现侧方车辆定位的方法、装置及存储介质、程序产品
KR101609303B1 (ko) 카메라 캘리브레이션 방법 및 그 장치
CN108416320B (zh) 巡检设备、巡检设备的控制方法及控制装置
CN111797741A (zh) 车辆检测方法、装置、车辆和存储介质
CN107891808B (zh) 行车提醒方法、装置及车辆
WO2020253010A1 (zh) 一种泊车定位中的停车场入口定位方法、装置及车载终端
CN110299028B (zh) 一种停车越线检测的方法、装置、设备以及可读存储介质
WO2017158958A1 (ja) 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム
CN112967283B (zh) 基于双目摄像头的目标识别方法、系统、设备及存储介质
CN110658539B (zh) 车辆定位方法、装置、车辆和计算机可读存储介质
US10759448B2 (en) Method and apparatus for early warning of vehicle offset
KR20140132210A (ko) 차선 인식 방법 및 그 시스템
JP5430232B2 (ja) 道路方向認識方法及び装置
CN109284731B (zh) 一种用于自动泊车系统的斜式车位的车位类型识别方法
JP6516012B2 (ja) 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム
Kim et al. System and method for detecting potholes based on video data
EP2926317B1 (en) System and method for detecting pedestrians using a single normal camera
KR101236223B1 (ko) 차선 검출 방법
CN109740526B (zh) 信号灯识别方法、装置、设备及介质
WO2019149213A1 (zh) 基于影像识别路锥的方法、装置、存储介质以及车辆
TW201536609A (zh) 障礙物偵測裝置
CN107255470B (zh) 障碍物检测装置
KR101289386B1 (ko) 스테레오 비전 기반의 장애물체 검출 및 분리 방법과 이를 실행하는 장치
Ling et al. Motorcycle detection and counting using stereo camera, IR camera, and microphone array

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14848899

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14848899

Country of ref document: EP

Kind code of ref document: A1