CN101629820A - 道路边缘检测 - Google Patents
道路边缘检测 Download PDFInfo
- Publication number
- CN101629820A CN101629820A CN200910164549A CN200910164549A CN101629820A CN 101629820 A CN101629820 A CN 101629820A CN 200910164549 A CN200910164549 A CN 200910164549A CN 200910164549 A CN200910164549 A CN 200910164549A CN 101629820 A CN101629820 A CN 101629820A
- Authority
- CN
- China
- Prior art keywords
- road
- side edges
- candidate region
- road segment
- candidate
- 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.)
- Granted
Links
- 238000003708 edge detection Methods 0.000 title abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000004044 response Effects 0.000 claims description 25
- 230000008676 import Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 2
- 238000013528 artificial neural network Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 238000001914 filtration Methods 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 238000010200 validation analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及道路边缘检测。提供一种使用基于光的传感***来检测道路部分中道路侧边缘的方法。输入测距数据使用基于光的传感***来获得。根据获得的输入测距数据产生基于海拔的道路部分。所述基于海拔的道路部分通过滤波技术进行处理以识别道路部分候选区域且通过模式识别技术进行处理以确定候选区域是否是道路部分。输入测距数据也投影到地平面上以进行进一步确认。识别投影的点的线表征。候选区域的线表征在俯视图中与简单道路/道路边缘模型进行比较,以确定候选区域是否是带有边缘的道路部分。提出的方法对于在获得的测距数据中同时检测道路和道路侧边缘提供快速处理速度和可靠检测性能。
Description
技术领域
[0001]实施例总体上涉及通过检测道路的道路侧边缘来进行道路检测。
背景技术
[0002]道路侧边缘检测***用于警告车辆驾驶员在车辆驾驶路径中道路边缘的存在,或者提供用于在自主驾驶时路线计划的可行驾驶区域限制。典型的***采用基于视觉的***(如,照相机)来分析获得的图像。由于来自于树、建筑物的阴影和其它环境状况,这种基于视觉的***易造成不正确地区分道路侧边缘,如路边。此外,基于视觉的***通常受到道路中的某些状况如急弯的考验。
发明内容
[0003]本发明的益处为在获得的LIDAR测距数据中同时检测道路和道路侧边缘提供快速处理速度和可靠检测性能。所述方法首先基于海拔数据来选择道路和道路侧边缘的候选区域,然后在地平面上的投影中检查所述候选区域,以确定道路及其道路侧边缘的存在和位置。
[0004]一个实施例设想使用基于光的传感***来检测道路部分中道路侧边缘的方法。输入测距数据使用基于光的传感***来获得。根据获得的输入测距数据提取基于海拔的部分。所述基于海拔的部分用差分滤波器进行卷积,以产生识别道路部分候选区域的滤波器响应。所述道路部分候选区域包括形成候选道路部分、第一道路侧边缘候选和第二道路侧边缘候选的多个数据点。计算道路部分候选区域的标准偏差。根据道路部分候选区域的标准偏差和道路部分候选区域内的数据点的数目来确定道路部分候选区域的目标值。将所述目标值与阈值进行比较,以确定道路部分候选区域是否是潜在道路部分。在俯视图中进一步检查潜在道路部分。通过将输入数据投影到地平面上获得输入数据的二维表征。在二维表征中识别线段。如果侧面上的线段垂直于所投影地平面上的中间线段,那么潜在区域识别为具有道路侧边缘的检测道路。
[0005]一个实施例设想一种道路侧边缘检测***,包括用于获得输入测距数据的基于光的传感装置。所述***还包括接收获得的输入测距数据的处理器。所述处理器响应于获得的输入测距数据产生基于海拔的道路部分数据。所述处理器将所述基于海拔的道路部分数据用滤波器进行卷积,以识别道路部分候选区域,所述道路部分候选区域包括候选道路部分、第一边缘候选部分和第二边缘候选部分。所述处理器确定道路部分候选区域的加权标准偏差。所述处理器根据所述加权标准偏差和道路部分候选区域内的数据点的数目来计算道路部分候选区域的目标值。所述处理器将所述目标值与阈值进行比较,以确定道路部分候选区域是否是潜在道路部分。所述处理器在俯视图中进一步检查潜在道路部分。所述处理器将输入数据投影到地平面上以获得输入数据的二维表征。所述处理器在二维表征中寻找线段。如果潜在区域侧面上的线段垂直于所投影地平面上的中间线段,那么所述处理器将潜在区域识别为具有道路侧边缘的检测道路部分。输出装置识别道路部分的道路侧边缘中的每个的位置。
附图说明
[0006]图1是基于测距的道路部分检测***的示意图。
[0007]图2是用于检测基于测距的道路部分的道路侧边缘的方法的框图。
[0008]图3是获得的图像的一维视图。
[0009]图4是三维空间中获得的输入信号的基于测距的曲线图。
[0010]图5是基于海拔的道路部分的曲线图。
[0011]图6是应用于基于海拔的道路部分的差分滤波器的例子。
[0012]图7是基于海拔的道路部分的滤波器响应。
[0013]图8是输入测距数据的地平面投影的俯视图。
[0014]图9是所获得的图像的突出道路侧边缘的显示。
[0015]图10是用于检测道路部分中的道路侧边缘的方法的流程图。
具体实施方式
[0016]图1中示出了用于检测道路中的道路侧边缘的基于光的传感***10。基于光的传感***10用于检测驾驶车辆道路中的道路侧边缘。基于光的传感***10在自主转向***中用于道路检测。可选地,基于光的传感***10可用于使得驾驶员注意由驾驶员驾驶的车辆,以在白天或晚上道路可视性较差时或在确保增强可视性时的其它情况下增强可视性。
[0017]基于光的传感***10包括道路传感装置12,包括但不限于光检测及测距(LIDAR)光学传感技术装置。LIDAR装置测量散射光的属性,以确定某些特性,例如到目标物的距离或其它信息。
[0018]基于光的传感***10还包括处理器16,用于接收和处理由道路传感装置12获得的数据。也可以设置存储器装置18,用于存储和取回数据。
[0019]处理器16执行程序,所述程序将所获得的数据进行滤波,以确定道路侧边缘的存在和位置。所检测的道路侧边缘提供给输出装置14,如自主转向模块或图像显示装置。自主转向模块可以使用已处理的信息,以自主地保持在车辆道路中的道路位置。图像显示装置可以包括但不限于监测式显示器、投影式成像显示器、全息照相式成像显示器、或类似的成像显示器,可以使用已处理的信息来在图像显示装置中突出道路侧边缘,以给车辆驾驶员提供道路的视觉增强。术语“突出”指的是在图像数据中识别道路侧边缘或道路部分的位置,且可以通过用于在图像数据中识别道路侧边缘或道路部分的位置的任何相当方法来执行。所述检测结果也为自主驾驶中的路线计划提供可行驾驶区域限制。
[0020]图2示出了用于从获得的图像数据检测道路侧边缘的框图。基于光的传感***10根据LIDAR光学传感技术,该技术使用光来确定到目标物的距离(例如,基于光的传感***在扫描的道路部分区域范围内确定各个距离)。在框20,LIDAR光学传感装置以图3所示的阵列扫描车辆外部的候选道路部分。LIDAR光学传感装置选择扫描线并分析扫描线,以检测扫描的道路部分区域的测距变化。LIDAR光学传感装置输出信号作为图4所示的三维点曲线图。
[0021]在框21,LIDAR输入信号的海拔(即,一维曲线)提供给处理单元,以处理和检测潜在的道路侧边缘。应当理解的是,“道路侧边缘”指的是表示道路和路外地形之间的变化的路边或道路边缘的其它变化。处理器应用一维道路边缘检测算法,所述算法分析获得的输入数据的海拔变化。即,道路边缘检测算法仅仅分析获得的道路图像的海拔。由处理单元产生基于海拔的道路部分信号,以增强绘出的输入信号中的海拔变化。基于海拔的道路部分的示例在图5中示出。
[0022]在框22,如图6所示的差分滤波器用于将基于海拔的道路部分信号转换,以区分道路侧边缘的候选区域。所述差分滤波器可以包括但不限于Gaussian差分滤波器,用于识别表示道路边缘候选区域的正峰值和负峰值。在框23,差分滤波器经由卷积倍乘器用基于海拔的道路部分卷积,以输出滤波器响应信号。滤波器响应信号的示例在图7中示出。
[0023]在框24,产生滤波器响应以选择基于海拔的道路部分候选区域,所述道路部分候选区域包括多个大致水平的数据点(例如,候选道路部分)和多个下移和上移数据点(例如,道路侧边缘)。由滤波器响应中的局部负峰值表示的第一道路侧边缘候选在滤波后的响应中的数据点在和与下移点并置的大致水平数据点相比时突然下移处识别。由滤波器响应中的局部正峰值表示的第二道路侧边缘候选在滤波后的响应中的数据点在和与上移点并置的大致水平数据点相比时突然上移处识别。这些相应响应的峰值响应幅值需要高于预定峰值阈值,以与任何噪音相区分。负峰值和正峰值之间的相应区域是图7所示的道路部分的候选。
[0024]在框25,特征提取应用于基于海拔的道路部分候选区域。地面标高的差异用作要提取的特征。这通过确定道路部分候选区域的加权标准偏差来进行。用于确定加权标准偏差的公式表示为:
其中,σ(w)是加权标准偏差,wi是确定的权重,xi是的一组值的相应值,x是该组值中所有值xi的加权平均值,且N是值的数目。用于加权标准偏差所确定的权重wi使用以下公式来确定:
其中,N是相应道路部分候选区域内的数据点的数目。
[0025]在框26,提供分类器,用于选择在用于确定道路部分候选区域是否是潜在道路部分的公式中使用的平衡参数。所述分类器可以包括任何分类器,包括但不限于,支持向量机或神经网络训练程序。由训练的分类器选择的平衡参数在道路部分候选区域的加权标准偏差σ(w)和道路部分候选区域内的数据点的总数目N之间提供平衡。所述平衡参数用于计算目标值,所述目标值用于确定道路部分候选区域是否是道路部分。用于确定目标值f的公式由以下公式表示:
f=α*σw+γ/ N
其中,σ(w)是道路部分候选区域的加权标准偏差,α是应用于加权标准偏差的平衡参数,N是道路部分候选区域内的值的数目,且γ是应用于所述值的数目的平衡参数。平衡参数被选择,用于平衡道路部分候选区域的加权标准偏差和值的数目。
[0026]确定的目标值f与预定阈值进行比较,以确定道路部分候选区域是否是道路部分。如果目标值小于预定阈值,那么确定道路部分候选区域是道路部分。如果目标值大于预定阈值,那么认为道路部分候选区域不是道路部分。
[0027]在框27,应用减少错误警报试验,以确认道路部分候选区域是道路部分。道路部分的宽度表示为距离(d)。距离(d)与预定距离进行比较。预定距离是***为了确认相应道路侧边缘之间的道路部分候选区域是道路这样的假定所需要的最小距离。如果距离(d)大于预定距离,那么认为道路部分候选区域是道路部分。如果距离(d)小于预定距离,那么认为道路部分候选区域不是道路部分。
[0028]在框28,输入测距数据也投影到地平面上,用于使用图8所示的俯视图中的路边检测来进行进一步检查。与道路边缘/路边相交的点形成多条线。由于传感器用小的俯冲角扫描现场表面,以确保向前看的距离,因而在投影的地平面上道路边缘/路边线垂直于道路表面。如果侧面上的线段垂直于投影地平面上的中间线段,那么候选区域识别为具有道路侧边缘的检测道路。
[0029]道路侧边缘检测应用于输出装置。先前所述的输出装置可以包括但不限于自主转向模块或图像显示装置。自主转向模块使用检测的道路侧边缘,以自主地保持车辆在道路侧边缘之间。图像显示装置突出检测的道路侧边缘,以给车辆驾驶员视觉增强道路部分,如图9所示。如先前所述,“突出”指的是在图像数据中识别道路侧边缘或道路部分的位置,且可以通过用于在图像数据中显示道路侧边缘或道路部分的位置的任何相当方法来执行。
[0030]图10是用于检测道路部分的方法的流程图。在步骤30,道路输入数据由道路传感装置获得,所述道路传感装置包括但不限于基于LIDAR的传感装置。在步骤31,基于海拔的道路部分响应于获得的输入道路数据而产生。
[0031]在步骤32,基于海拔的道路部分用差分滤波器进行卷积,以产生滤波器响应信号。所述滤波器响应信号增强相应道路侧边缘候选。
[0032]在步骤33,确定基于海拔的道路部分的加权标准偏差。在步骤34,选择相应平衡参数,以在标准偏差、和基于海拔的道路部分中的数据点的数目之间提供平衡。
[0033]在步骤35,根据加权标准偏差、应用于加权标准偏差的相应平衡参数、基于海拔的道路部分内的数据点的数目、和应用于数据点的数目的相应平衡参数来确定基于海拔的道路部分的目标值。
[0034]在步骤36,所述目标值与预定阈值进行比较。如果目标值大于预定阈值,那么确定基于海拔的道路部分不是道路部分,且例程在步骤39结束。如果确定目标值小于预定阈值,那么确定基于海拔的道路部分可能是道路部分,且例程前进到步骤37。
[0035]在步骤37,确定基于海拔的道路部分的宽度。在步骤38,所述宽度与预定距离阈值进行比较。如果宽度小于预定距离阈值,那么例程前进到步骤39,例程在步骤39结束。如果宽度大于预定距离,那么例程前进到步骤40。
[0036]在步骤40,道路部分的道路侧边缘还借助于将输入数据投影到地平面(如图8所示)而在俯视图中使用路边检测来确认。多条线使用霍夫变换来在俯视图中识别。计算中间部分和侧面部分之间的角度θ。
[0037]本文所述的***一起检测道路和道路侧边缘,以改进处理速度和稳定性。由于假设道路在中间包含平坦表面且在侧边包含两个急剧海拔变化(道路侧边缘),因而所述***用中间的平坦表面和侧边海拔的急剧海拔变化来识别候选区域。测距数据也投影到地平面上,以进行进一步检查。提取投影的点的线表征。由于LIDAR数据用小的俯冲角扫描现场表面,以确保向前看的距离,因而在投影的地平面上道路边缘线垂直于道路表面。因而,在侧面上的线段垂直于投影地平面上的中间线段的候选区域识别为具有道路侧边缘的检测道路。
[0038]在步骤41,确定第一和第二道路侧边缘是否大致垂直于候选道路部分。本文使用的术语“大致垂直”指的是两个部分在90度的预定阈值内。该步骤通过确定任一侧部分的绝对值|θ-90|是否小于预定阈值来完成。如果绝对值小于预定阈值,那么候选部分被确认为带有道路侧边缘的道路部分,且例程前进到步骤42;否则,例程前进到步骤39,例程在步骤39结束。
[0039]在步骤42,道路部分的检测道路侧边缘数据提供给输出装置。输出装置可以包括但不限于用于在检测的道路侧边缘内自主地转向车辆的自主转向模块或用于给车辆驾驶员视觉增强道路部分的位置的图像显示装置。
[0040]虽然已经详细描述了本发明的某些实施例,但是本发明所属领域技术人员将认识到用于实践由所附权利要求书限定的本发明的各种可选设计和实施例。
Claims (20)
1.一种使用基于光的传感***来检测道路部分中道路侧边缘的方法,所述方法包括步骤:
使用基于光的传感***来获得输入测距数据;
根据获得的输入测距数据产生基于海拔的道路部分;
所述基于海拔的道路部分用差分滤波器进行卷积,以产生识别道路部分候选区域的滤波器响应;所述道路部分候选区域包括形成候选道路部分、第一道路侧边缘候选和第二道路侧边缘候选的多个数据点;
计算形成道路部分候选区域的所述多个数据点的标准偏差;
根据道路部分候选区域的标准偏差和道路部分候选区域内的数据点的数目来确定道路部分候选区域的目标值;和
将所述目标值与阈值进行比较,以确定道路部分候选区域是否是道路部分。
2.根据权利要求1所述的方法,还包括步骤:应用减少错误警报分析,以确认道路部分候选区域是否是道路部分,所述减少错误警报分析还包括步骤:
确定第一道路侧边缘候选和第二道路侧边缘候选之间的距离;
将所述距离与预定距离进行比较;和
响应于所述距离大于预定距离来确定道路部分候选区域是道路部分,否则,确定道路部分候选区域不是道路部分。
3.根据权利要求1所述的方法,其中,第一道路侧边缘候选由滤波器响应中的负峰值识别,第二道路侧边缘候选由滤波器响应中的正峰值识别。
4.根据权利要求4所述的方法,其中,滤波后的响应包括多个大致水平的数据点和多个下移数据点,其中,所述负峰值在滤波后的响应在和与下移数据点并置的大致水平的数据点进行比较时数据点的突然下移处识别。
5.根据权利要求4所述的方法,其中,滤波后的响应包括多个大致水平的数据点和多个上移数据点,其中,所述正峰值在滤波后的响应在和与上移数据点并置的大致水平的数据点进行比较时数据点的突然上移处识别。
6.根据权利要求1所述的方法,其中,确定标准偏差的步骤包括计算道路部分候选区域的加权标准偏差。
7.根据权利要求1所述的方法,还包括步骤:执行道路侧边缘确认例程,以确认候选道路侧边缘是道路侧边缘,所述道路侧边缘确认例程还包括步骤:
将输入测距数据投影到地平面上;
确定所述第一道路侧边缘候选和第二道路侧边缘候选是否大致垂直于候选道路部分;和
响应于所述第一道路侧边缘候选和第二道路侧边缘候选大致垂直于候选道路部分而确认所述第一道路侧边缘候选和第二道路侧边缘候选为道路侧边缘。
8.根据权利要求1所述的方法,其中,确定目标值(f)从以下公式导出:
f=α*σZ+γ/N
其中,σ(Z)是道路部分候选区域的加权标准偏差,α是应用于道路部分候选区域的加权标准偏差的平衡参数,N是道路部分候选区域内的数据点的数目,且γ是应用于所述道路部分候选区域内的数据点的数目(N)的平衡参数。
9.根据权利要求8所述的方法,其中,相应平衡参数由分类器确定。
10.根据权利要求9所述的方法,其中,相应平衡参数由支持向量机分类器确定。
11.根据权利要求9所述的方法,其中,相应平衡参数由基于神经网络的训练程序确定。
12.根据权利要求8所述的方法,其中,选择相应平衡参数,以在道路部分候选区域的加权标准偏差和数据点的数目之间提供平衡。
13.根据权利要求1所述的方法,其中,所述道路部分提供给自主转向***,以提供道路侧边缘的位置,以便保持道路位置。
14.根据权利要求1所述的方法,其中,所述道路部分提供给图像显示装置,以在图像显示装置中提供道路侧边缘的位置。
15.一种道路侧边缘检测***,包括:
用于获得输入测距数据的基于光的传感装置;
用于接收获得的输入测距数据的处理器,所述处理器响应于获得的输入测距数据产生基于海拔的道路部分数据,所述处理器将所述基于海拔的道路部分数据用滤波器进行卷积,以识别道路部分候选区域,所述道路部分候选区域包括形成候选道路部分、第一边缘候选部分和第二边缘候选部分的多个数据点,所述处理器确定形成基于海拔的道路部分候选区域的多个数据点的加权标准偏差;所述处理器根据所述加权标准偏差和道路部分候选区域内的数据点的数目来计算道路部分候选区域的目标值,所述处理器将所述目标值与阈值进行比较,以确定道路部分候选区域是否是道路部分;和
输出装置,所述输出装置识别道路部分的道路侧边缘中的每个的位置。
16.根据权利要求14所述的道路侧边缘检测***,还包括减少错误警报模块,用于确认道路部分候选区域是否是道路部分,其中,在第一边缘候选区域和第二边缘候选区域之间确定的距离与预定距离进行比较,且其中,如果所述距离大于预定距离,那么所述部分确定为道路部分,否则,确定所述部分不是道路部分。
17.根据权利要求13所述的道路侧边缘检测***,还包括分类器,用于产生加权参数。
18.根据权利要求15所述的道路侧边缘检测***,其中,所述分类器是支持向量机分类器。
19.根据权利要求15所述的道路侧边缘检测***,其中,所述分类器是神经网络训练程序。
20.根据权利要求13所述的道路侧边缘检测***,其中,所述基于光的传感装置包括LIDAR传感装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/175634 | 2008-07-18 | ||
US12/175,634 US8099213B2 (en) | 2008-07-18 | 2008-07-18 | Road-edge detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101629820A true CN101629820A (zh) | 2010-01-20 |
CN101629820B CN101629820B (zh) | 2011-07-06 |
Family
ID=41531029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101645493A Expired - Fee Related CN101629820B (zh) | 2008-07-18 | 2009-07-20 | 道路边缘检测 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8099213B2 (zh) |
CN (1) | CN101629820B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456182A (zh) * | 2013-09-06 | 2013-12-18 | 浙江大学 | 一种基于测距传感器的道路边缘检测方法及其*** |
CN105303576A (zh) * | 2015-10-29 | 2016-02-03 | 小米科技有限责任公司 | 边缘检测方法及装置 |
CN108140325A (zh) * | 2015-10-16 | 2018-06-08 | 株式会社电装 | 显示控制装置以及车辆控制装置 |
CN109814543A (zh) * | 2017-11-22 | 2019-05-28 | 通用汽车环球科技运作有限责任公司 | 道路廊道 |
US10670701B2 (en) | 2017-12-11 | 2020-06-02 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN111273314A (zh) * | 2018-11-16 | 2020-06-12 | 北京四维图新科技股份有限公司 | 点云数据处理方法、装置和存储介质 |
CN111688705A (zh) * | 2019-03-11 | 2020-09-22 | 本田技研工业株式会社 | 路面检测装置 |
CN112307808A (zh) * | 2019-07-25 | 2021-02-02 | 郑州宇通客车股份有限公司 | 一种车辆实验场地及其车道线检测方法 |
Families Citing this family (83)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8332134B2 (en) * | 2008-04-24 | 2012-12-11 | GM Global Technology Operations LLC | Three-dimensional LIDAR-based clear path detection |
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
US8670592B2 (en) * | 2008-04-24 | 2014-03-11 | GM Global Technology Operations LLC | Clear path detection using segmentation-based method |
US8487991B2 (en) * | 2008-04-24 | 2013-07-16 | GM Global Technology Operations LLC | Clear path detection using a vanishing point |
US8803966B2 (en) * | 2008-04-24 | 2014-08-12 | GM Global Technology Operations LLC | Clear path detection using an example-based approach |
US8421859B2 (en) * | 2008-04-24 | 2013-04-16 | GM Global Technology Operations LLC | Clear path detection using a hierachical approach |
US8917904B2 (en) * | 2008-04-24 | 2014-12-23 | GM Global Technology Operations LLC | Vehicle clear path detection |
US8611585B2 (en) * | 2008-04-24 | 2013-12-17 | GM Global Technology Operations LLC | Clear path detection using patch approach |
US8699754B2 (en) * | 2008-04-24 | 2014-04-15 | GM Global Technology Operations LLC | Clear path detection through road modeling |
US8428305B2 (en) * | 2008-04-24 | 2013-04-23 | GM Global Technology Operations LLC | Method for detecting a clear path through topographical variation analysis |
US8751154B2 (en) | 2008-04-24 | 2014-06-10 | GM Global Technology Operations LLC | Enhanced clear path detection in the presence of traffic infrastructure indicator |
US8890951B2 (en) * | 2008-04-24 | 2014-11-18 | GM Global Technology Operations LLC | Clear path detection with patch smoothing approach |
DE102009033689A1 (de) * | 2009-07-17 | 2011-01-20 | Trw Automotive Gmbh | Fahrzeugsicherheitsgurtsystem |
US20110232719A1 (en) * | 2010-02-17 | 2011-09-29 | Freda Robert M | Solar power system |
JP5488518B2 (ja) | 2010-07-05 | 2014-05-14 | 株式会社デンソー | 道路端検出装置、運転者支援装置、および道路端検出方法 |
US8509982B2 (en) | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
US8773535B2 (en) * | 2010-12-08 | 2014-07-08 | GM Global Technology Operations LLC | Adaptation for clear path detection using reliable local model updating |
US8855911B2 (en) | 2010-12-09 | 2014-10-07 | Honeywell International Inc. | Systems and methods for navigation using cross correlation on evidence grids |
US8811748B2 (en) | 2011-05-20 | 2014-08-19 | Autodesk, Inc. | Collaborative feature extraction system for three dimensional datasets |
EP2574958B1 (en) * | 2011-09-28 | 2017-02-22 | Honda Research Institute Europe GmbH | Road-terrain detection method and system for driver assistance systems |
WO2013049597A1 (en) | 2011-09-29 | 2013-04-04 | Allpoint Systems, Llc | Method and system for three dimensional mapping of an environment |
US8818722B2 (en) | 2011-11-22 | 2014-08-26 | Honeywell International Inc. | Rapid lidar image correlation for ground navigation |
US9049433B1 (en) | 2012-01-06 | 2015-06-02 | John H. Prince | High-speed railroad inspection using coordinated 3D cameras |
US8559727B1 (en) * | 2012-04-09 | 2013-10-15 | GM Global Technology Operations LLC | Temporal coherence in clear path detection |
US9157743B2 (en) | 2012-07-18 | 2015-10-13 | Honeywell International Inc. | Systems and methods for correlating reduced evidence grids |
KR20140019501A (ko) * | 2012-08-06 | 2014-02-17 | 현대자동차주식회사 | 장애물 인식을 위한 분류기의 생성방법 |
CN104050654B (zh) | 2013-03-11 | 2017-06-09 | 株式会社理光 | 道路边缘检测方法和装置 |
US9406138B1 (en) | 2013-09-17 | 2016-08-02 | Bentley Systems, Incorporated | Semi-automatic polyline extraction from point cloud |
JP6221607B2 (ja) * | 2013-10-08 | 2017-11-01 | 株式会社デンソー | 物体検出装置 |
TWI498831B (zh) * | 2013-10-15 | 2015-09-01 | Nat Univ Chung Hsing | 產生可變形狀之適應性動態區域之系統與其控制方法 |
US20150120244A1 (en) * | 2013-10-31 | 2015-04-30 | Here Global B.V. | Method and apparatus for road width estimation |
US9285230B1 (en) * | 2013-12-20 | 2016-03-15 | Google Inc. | Methods and systems for detecting road curbs |
WO2015134886A1 (en) * | 2014-03-06 | 2015-09-11 | Raven Industries, Inc. | System and method for sensing an edge |
US20150316387A1 (en) | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
US20150316386A1 (en) * | 2014-04-30 | 2015-11-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detailed map format for autonomous driving |
CN112580456A (zh) * | 2014-05-14 | 2021-03-30 | 御眼视觉技术有限公司 | 用于路缘检测和行人危险评估的***和方法 |
KR101632486B1 (ko) * | 2014-07-09 | 2016-06-22 | 고려대학교 산학협력단 | 레이저 거리 센서를 이용한 도로의 연석 추출 방법 및 도로의 연석 정보를 이용한 이동 로봇의 위치 측정 방법 |
US9321461B1 (en) | 2014-08-29 | 2016-04-26 | Google Inc. | Change detection using curve alignment |
US9248834B1 (en) | 2014-10-02 | 2016-02-02 | Google Inc. | Predicting trajectories of objects based on contextual information |
US9494093B2 (en) | 2014-10-08 | 2016-11-15 | Ford Global Technologies, Llc | Detecting and negotiating a climbable obstacle in a vehicle |
US10115024B2 (en) * | 2015-02-26 | 2018-10-30 | Mobileye Vision Technologies Ltd. | Road vertical contour detection using a stabilized coordinate frame |
US10300760B1 (en) | 2015-03-18 | 2019-05-28 | Apple Inc. | Fully-actuated suspension system |
US9811743B2 (en) | 2015-06-29 | 2017-11-07 | Sharp Laboratories Of America, Inc. | Tracking road boundaries |
US9830509B2 (en) | 2015-06-29 | 2017-11-28 | Nokia Technologies Oy | Method and apparatus for constructing a digital elevation model utilizing ground points captured by ground-based LiDAR |
JP6975945B2 (ja) * | 2016-02-24 | 2021-12-01 | パナソニックIpマネジメント株式会社 | 判定装置、判定方法、プログラムおよびプログラムを記録した記録媒体 |
US10108866B2 (en) * | 2016-05-26 | 2018-10-23 | GM Global Technology Operations LLC | Method and system for robust curb and bump detection from front or rear monocular cameras |
GB201612528D0 (en) * | 2016-07-19 | 2016-08-31 | Machines With Vision Ltd | Vehicle localisation using the ground or road surface |
CN106446864A (zh) * | 2016-10-12 | 2017-02-22 | 成都快眼科技有限公司 | 一种可行道路的检测方法 |
US10814690B1 (en) | 2017-04-18 | 2020-10-27 | Apple Inc. | Active suspension system with energy storage device |
JP2020518514A (ja) | 2017-05-08 | 2020-06-25 | アップル インコーポレイテッドApple Inc. | アクティブサスペンションシステム |
US10899340B1 (en) | 2017-06-21 | 2021-01-26 | Apple Inc. | Vehicle with automated subsystems |
US11173766B1 (en) | 2017-09-07 | 2021-11-16 | Apple Inc. | Suspension system with locking structure |
US11065931B1 (en) | 2017-09-15 | 2021-07-20 | Apple Inc. | Active suspension system |
US11714193B1 (en) * | 2017-09-19 | 2023-08-01 | Direct Current Capital LLC | Method for registering distance scan data |
US11124035B1 (en) | 2017-09-25 | 2021-09-21 | Apple Inc. | Multi-stage active suspension actuator |
US10960723B1 (en) | 2017-09-26 | 2021-03-30 | Apple Inc. | Wheel-mounted suspension actuators |
JP6960827B2 (ja) * | 2017-11-08 | 2021-11-05 | フォルシアクラリオン・エレクトロニクス株式会社 | 路面領域検出装置 |
US10690773B2 (en) | 2017-12-07 | 2020-06-23 | Velodyne Lidar, Inc. | Systems and methods for efficient multi-return light detectors |
CN108415032B (zh) * | 2018-03-05 | 2021-06-25 | 中山大学 | 一种基于深度学习与激光雷达的点云语义地图构建方法 |
US10942030B2 (en) | 2018-08-17 | 2021-03-09 | Lyft, Inc. | Road segment similarity determination |
US10479356B1 (en) | 2018-08-17 | 2019-11-19 | Lyft, Inc. | Road segment similarity determination |
US11285773B1 (en) | 2018-09-12 | 2022-03-29 | Apple Inc. | Control system |
US11634167B1 (en) | 2018-09-14 | 2023-04-25 | Apple Inc. | Transmitting axial and rotational movement to a hub |
US11010621B2 (en) | 2018-12-05 | 2021-05-18 | Here Global B.V. | Automatic detection and positioning of structure faces |
JP7103981B2 (ja) * | 2019-03-11 | 2022-07-20 | 本田技研工業株式会社 | 路面検出装置 |
US11345209B1 (en) | 2019-06-03 | 2022-05-31 | Apple Inc. | Suspension systems |
US11928557B2 (en) | 2019-06-13 | 2024-03-12 | Lyft, Inc. | Systems and methods for routing vehicles to capture and evaluate targeted scenarios |
US11157007B2 (en) | 2019-06-28 | 2021-10-26 | Lyft, Inc. | Approaches for encoding environmental information |
US11449475B2 (en) | 2019-06-28 | 2022-09-20 | Lyft, Inc. | Approaches for encoding environmental information |
US11179991B1 (en) | 2019-09-23 | 2021-11-23 | Apple Inc. | Suspension systems |
US11938922B1 (en) | 2019-09-23 | 2024-03-26 | Apple Inc. | Motion control system |
US11788846B2 (en) | 2019-09-30 | 2023-10-17 | Lyft, Inc. | Mapping and determining scenarios for geographic regions |
US12039785B2 (en) | 2019-10-23 | 2024-07-16 | Lyft, Inc. | Approaches for encoding environmental information |
US11816900B2 (en) | 2019-10-23 | 2023-11-14 | Lyft, Inc. | Approaches for encoding environmental information |
US11707961B1 (en) | 2020-04-28 | 2023-07-25 | Apple Inc. | Actuator with reinforcing structure for torsion resistance |
US11828339B1 (en) | 2020-07-07 | 2023-11-28 | Apple Inc. | Vibration control system |
CN112270251B (zh) * | 2020-10-26 | 2021-07-06 | 清华大学 | 一种基于互信息的自适应多传感器数据融合方法及*** |
DE102021101133A1 (de) | 2021-01-20 | 2022-07-21 | Valeo Schalter Und Sensoren Gmbh | Detektion eines lateralen Endes einer Fahrbahn |
JP2024517787A (ja) | 2021-06-07 | 2024-04-23 | アップル インコーポレイテッド | 質量ダンパシステム |
CN113420687A (zh) * | 2021-06-29 | 2021-09-21 | 三一专用汽车有限责任公司 | 可行驶区域的获取方法、装置和车辆 |
US11810370B2 (en) | 2021-06-30 | 2023-11-07 | Zoox, Inc. | Techniques for identifying curbs |
EP4141815A1 (en) | 2021-08-26 | 2023-03-01 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for determining a color of a substrate being laterally adjacent to a non-elevated surface of a road |
JP7486556B2 (ja) | 2022-09-02 | 2024-05-17 | 本田技研工業株式会社 | 区画線認識装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5675489A (en) | 1995-07-06 | 1997-10-07 | Carnegie Mellon University | System and method for estimating lateral position |
AU2001253619A1 (en) | 2000-04-14 | 2001-10-30 | Mobileye, Inc. | Generating a model of the path of a roadway from an image recorded by a camera |
JP3780922B2 (ja) * | 2001-11-30 | 2006-05-31 | 日産自動車株式会社 | 道路白線認識装置 |
JP4016735B2 (ja) * | 2001-11-30 | 2007-12-05 | 株式会社日立製作所 | レーンマーク認識方法 |
JP4659631B2 (ja) * | 2005-04-26 | 2011-03-30 | 富士重工業株式会社 | 車線認識装置 |
US7876926B2 (en) * | 2006-11-03 | 2011-01-25 | Delphi Technologies, Inc. | Lane marker detection and fitting methods |
US8462988B2 (en) * | 2007-01-23 | 2013-06-11 | Valeo Schalter Und Sensoren Gmbh | Method and system for universal lane boundary detection |
JP4622001B2 (ja) * | 2008-05-27 | 2011-02-02 | トヨタ自動車株式会社 | 道路区画線検出装置および道路区画線検出方法 |
US8204277B2 (en) * | 2008-07-18 | 2012-06-19 | GM Global Technology Operations LLC | Apparatus and method for camera-bases lane marker detection |
-
2008
- 2008-07-18 US US12/175,634 patent/US8099213B2/en not_active Expired - Fee Related
-
2009
- 2009-07-20 CN CN2009101645493A patent/CN101629820B/zh not_active Expired - Fee Related
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456182A (zh) * | 2013-09-06 | 2013-12-18 | 浙江大学 | 一种基于测距传感器的道路边缘检测方法及其*** |
CN103456182B (zh) * | 2013-09-06 | 2015-10-21 | 浙江大学 | 一种基于测距传感器的道路边缘检测方法及其*** |
CN108140325A (zh) * | 2015-10-16 | 2018-06-08 | 株式会社电装 | 显示控制装置以及车辆控制装置 |
CN105303576A (zh) * | 2015-10-29 | 2016-02-03 | 小米科技有限责任公司 | 边缘检测方法及装置 |
CN105303576B (zh) * | 2015-10-29 | 2019-03-29 | 小米科技有限责任公司 | 边缘检测方法及装置 |
CN109814543A (zh) * | 2017-11-22 | 2019-05-28 | 通用汽车环球科技运作有限责任公司 | 道路廊道 |
US10670701B2 (en) | 2017-12-11 | 2020-06-02 | Automotive Research & Testing Center | Dynamic road surface detecting method based on three-dimensional sensor |
CN111273314A (zh) * | 2018-11-16 | 2020-06-12 | 北京四维图新科技股份有限公司 | 点云数据处理方法、装置和存储介质 |
CN111688705A (zh) * | 2019-03-11 | 2020-09-22 | 本田技研工业株式会社 | 路面检测装置 |
CN111688705B (zh) * | 2019-03-11 | 2023-08-29 | 本田技研工业株式会社 | 路面检测装置 |
CN112307808A (zh) * | 2019-07-25 | 2021-02-02 | 郑州宇通客车股份有限公司 | 一种车辆实验场地及其车道线检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20100017060A1 (en) | 2010-01-21 |
CN101629820B (zh) | 2011-07-06 |
US8099213B2 (en) | 2012-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101629820B (zh) | 道路边缘检测 | |
CN101670835B (zh) | 道路车道标志检测 | |
López et al. | Robust lane markings detection and road geometry computation | |
CN107025432B (zh) | 一种高效的车道线检测跟踪方法及*** | |
Huang et al. | On-board vision system for lane recognition and front-vehicle detection to enhance driver's awareness | |
EP1780675B1 (en) | Object detector | |
US6845172B2 (en) | Road lane marker recognition | |
US8983126B2 (en) | Method and system for detecting vehicle position by employing polarization image | |
CN106096525A (zh) | 一种复合型车道识别***及方法 | |
CN104700414A (zh) | 一种基于车载双目相机的前方道路行人快速测距方法 | |
CN106407924A (zh) | 基于路面特征的双目道路识别检测方法 | |
CN103489175A (zh) | 路面检测方法和装置 | |
WO2017038134A1 (ja) | ランドマーク認識装置及び認識方法 | |
KR20150112656A (ko) | 카메라 캘리브레이션 방법 및 그 장치 | |
CN103714538A (zh) | 道路边缘检测方法、装置及车辆 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
KR101584907B1 (ko) | 관심 영역을 이용한 차선 인식 방법 및 그 장치 | |
CN111179220B (zh) | 车道标识线质量检测方法、***及存储介质 | |
Zhang et al. | Rapid inspection of pavement markings using mobile LiDAR point clouds | |
CN107796373A (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
US8744131B2 (en) | Pedestrian-crossing marking detecting method and pedestrian-crossing marking detecting device | |
JP2002334330A (ja) | 車両認識装置 | |
CN111332306A (zh) | 一种基于机器视觉的交通道路感知辅助驾驶预警装置 | |
CN112801024A (zh) | 一种检测信息处理方法和装置 | |
Barua et al. | An Efficient Method of Lane Detection and Tracking for Highway Safety |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110706 |