CN107909007B - 车道线检测方法及装置 - Google Patents
车道线检测方法及装置 Download PDFInfo
- Publication number
- CN107909007B CN107909007B CN201711026669.8A CN201711026669A CN107909007B CN 107909007 B CN107909007 B CN 107909007B CN 201711026669 A CN201711026669 A CN 201711026669A CN 107909007 B CN107909007 B CN 107909007B
- Authority
- CN
- China
- Prior art keywords
- image
- lane line
- features
- frame
- detection
- 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
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
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及车道线检测技术领域,具体涉及一种车道线检测方法及装置,方法包括a、获取拍摄装置拍摄到的连续多帧图像,b、对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,当匹配时,根据各图像特征得到车道线模型特征,c、获取得到车道线模型特征后拍摄装置拍摄到的下一帧图像作为第一帧图像,d、对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征及更新所述车道线模型,输出所述第一图像,并返回步骤c。通过上述方法,以有效避免车道线检测结果不稳定及可靠性差的情况。
Description
技术领域
本发明涉及车道线检测技术领域,具体而言,涉及一种车道线检测方法及装置。
背景技术
随着经济水平和人民生活水平的不断提高,各大中小城市中车辆不断的增加。与此同时,随之而来的交通问题也越来越备受关注。因此,车辆行驶过程中,有效提高行驶过程中车道线检测结果的准确性是有效避免交通事故的重要因素。传统基于视觉的车道线检测方法通常采用基于逆透视变换的检测方法。
发明人经研究发现,基于逆透视变换的检测方法对车辆颠簸和坡度变化敏感,会导致逆变换后的待检测图像变形失真,从而影响检测结果。因此基于逆透视变换的检测方法经常会存在检测结果不稳定和可靠性差的问题。
发明内容
有鉴于此,本发明的目的在于提供一种车道线检测方法及装置,以有效避免车道线检测结果不稳定及可靠性差的情况。
为了达到上述目的,本发明较佳实施例提供一种车道线检测方法,应用于包括拍摄装置的检测***,所述方法包括:
a、获取所述拍摄装置拍摄到的连续多帧图像;
b、对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,当匹配时,根据各图像特征得到车道线模型特征;
c、获取得到所述车道线模型特征后所述拍摄装置拍摄到的下一帧图像作为第一帧图像;
d、对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像,并返回步骤c。
在本发明较佳实施例中,在上述车道线检测方法中,当第一帧图像特征与所述车道线模型特征不匹配时,所述方法还包括:
获取该第一帧图像的下一帧图像作为第二帧图像,并对该第二帧图像进行边缘检测和特征提取得到第二图像特征,将所述第二图像特征与所述车道线模型特征进行匹配,并在匹配不一致时,获取该第二帧图像的下一帧图像作为第三帧图像,直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置另外拍摄到的连续多帧图像,并返回步骤b。
在本发明较佳实施例中,在上述车道线检测方法中,所述对各帧图像进行边缘检测和特征提取得到图像特征的步骤之前,所述方法还包括:
对各帧图像进行高斯滤波和方向滤波得到滤波后的图像;
所述对该第一帧图像进行边缘检测和特征提取得到第一图像特征的步骤之前,所述方法还包括:
对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像;
所述对该第二帧图像进行边缘检测和特征提取得到第二图像特征的步骤之前,所述方法还包括:
对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像。
在本发明较佳实施例中,在上述车道线检测方法中,对各帧图像进行边缘检测和特征提取得到图像特征的步骤包括:
对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征;
所述对该第一帧图像进行边缘检测和特征提取得到第一图像特征的步骤包括:
对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征;
所述对该第二帧图像进行边缘检测和特征提取得到第二图像特征的步骤包括:
对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征。
在本发明较佳实施例中,在上述车道线检测方法中,当各帧图像对应的图像特征与预设车道线特征不匹配时,所述方法还包括:
再次获取所述拍摄装置重新拍摄到的连续多帧图像,并返回步骤b。
本发明还提供一种车道线检测装置,应用于包括拍摄装置的检测***,所述装置包括:
图像获取模块:用于获取所述拍摄装置拍摄到的连续多帧图像。
图像处理模块:用于对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,当匹配时,根据各图像特征得到车道线模型特征。
所述图像获取模块:还用于获取得到所述车道线模型特征后所述拍摄装置拍摄到的下一帧图像作为第一帧图像。
所述图像处理模块:还用于对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像。
在本发明较佳实施例中,在上述车道线检测装置中,当第一帧图像特征与所述车道线模型特征不匹配时,所述获取模块还用于:
获取该第一帧图像的下一帧图像作为第二帧图像,并对该第二帧图像进行边缘检测和特征提取得到第二图像特征,将所述第二图像特征与所述车道线模型特征进行匹配,并在匹配不一致时,获取该第二帧图像的下一帧图像作为第三帧图像,直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置另外拍摄到的连续多帧图像。
在本发明较佳实施例中,在上述车道线检测装置中,所述装置还包括滤波模块;
所述滤波模块:用于对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像,以及对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像。
在本发明较佳实施例中,在上述车道线检测装置中,所述图像处理模块还用于:对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征;
对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征;以及
对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征。
在本发明较佳实施例中,在上述车道线检测装置中,当各帧图像对应的图像特征与预设车道线特征不匹配时,所述图像获取模块:还用于再次获取所述拍摄装置重新拍摄到的连续多帧图像。
本发明实施例提供的一种车道线检测方法及装置,应用于包括拍摄装置的检测***,所述方法包括a、获取所述拍摄装置拍摄到的连续多帧图像,b、对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,当匹配时,根据各图像特征得到车道线模型特征,c、获取得到所述车道线模型特征后所述拍摄装置拍摄到的下一帧图像作为第一帧图像,d、对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像,并返回步骤c。通过上述方法,以有效避免车道线检测结果不稳定及可靠性差的情况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种检测***的连接框图。
图2为本发明实施例提供的一种拍摄装置的连接框图。
图3为本发明实施例提供的一种车道线检测方法的流程示意图。
图4为本发明实施例提供的一种车道线检测装置的连接框图。
图标:1-车道线检测***;10-处理装置;30-拍摄装置;50-终端设备;14-处理器;100-车道线检测装置;110-图像获取模块;120-图像处理模块;200-存储器;300-处理器;400-通信单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示,是本发明较佳实施例提供的一种车道线检测***1的连接框图。所述车道线检测***1包括处理装置10、拍摄装置30和终端设备50。所述处理装置10、拍摄装置30和终端设备50可通过网络进行通信,以实现数据通讯或交互。在本实施例中,所述网络为有线网络。
其中,所述处理装置10可以是具有处理能力的独立电子设备,如:服务器等,也可以是所述拍摄装置30或终端设备50中的内嵌子装置,本实施例对此不做限制。
所述拍摄装置30指具有图像或视频采集功能的设备,例如摄像机、摄像头等,其中,所述摄像机可以为云台摄像机、球机、网络摄像机等。所述终端设备50可以是,但不限于,智能手机、电脑(personal computer,PC)、平板电脑、数字助理(personal digitalassistant,PDA)、移动上网设备(mobile Internet device,MID)、显示屏等能够获取所述拍摄装置30获得的信息并进行显示的电子设备。
请参阅图2,是图1所示的处理装置10的方框示意图。所述处理装置10包括车道线检测装置100、存储器200、处理器300以及通信单元400。
所述存储器200、处理器300以及通信单元400各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可以通过一条或多条通讯总线或信号线实现电性连接。所述车道线检测装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器200中的功能模块。所述处理器300用于执行所述存储器200中存储的可执行模块,例如所述车道线检测装置100所包括的软件功能模块及计算机程序等,以实现本实施例中的车道线检测方法。
其中,所述存储器200可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
所述存储器200用于存储程序,例如,本发明提供的车道线检测装置100所对应的功能模块,可通过所述处理器300实现对道路进行检测的目的。
所述处理器300可以是一种集成电路芯片,具有信号处理能力。所述处理器300可以是通用处理器,包括中央处理器(Central Processing Unit, CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述通信单元400用于建立所述处理装置10与终端设备50之间的通信连接,并用于通过所述网络收发数据。
应当理解,图2所示的结构仅为示意,所述处理装置10可以包括比图2所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图3,本发明提供的一种车道线检测方法,应用于包括拍摄装置30的车道线检测***1,所述车道线检测方法包括步骤S110~步骤S140四个步骤:
步骤S110:获取所述拍摄装置30拍摄到的连续多帧图像。
可选的,所述拍摄装置30设置于车辆的车身前侧的一固定位置处,以使该拍摄装置30能够拍摄车身前侧拍摄范围内的图像。通常车辆在道路上行驶过程中,所述拍摄装置30才会启动并进行抓拍。所述拍摄装置30拍摄到的连续多帧图像可以是但不限于两帧、三帧或四帧,在此不作具体限定,根据实际需求进行设置即可。需要说明的是:当所述拍摄装置30启动即开始执行本发明实施例中的车道线检测方法,当所述拍摄装置30停止即结束所述车道线检测方法的执行过程。
步骤S120:对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配。
当匹配时,则执行步骤S122:根据各图像特征得到车道线模型特征。
可选的,当不匹配时,则执行步骤S124:再次获取所述拍摄装置30重新拍摄到的连续多帧图像,并返回步骤S120。
可选的,所述预设道路特征为多个,且各预设道路特征不同,例如可以包括左、中、右三条车道线的预设道路特征,包括左右两条车道线的预设道路特征,以及包括多条车道线的预设道路特征,在此不作具体限定,根据实际需求进行设置即可。
需要说明的是,根据各图像特征得到车道线模型特征的方式可以是根据各车道线模型特征进行均值运算得到车道线模型特征,进行均值运算的方式可以是直接计算各帧图像特征的平均值,也可以是根据各帧图像的时间顺序分配不同权重比例进行加权平均,还可以是根据各帧图像特征的分布情况计算可信度,从而进行加权平均得到特征的加权平均值作为车道线模型特征。
可选的,在本实施例中根据各图像特征得到车道线模型特征为:根据各帧图像特征的平均值作为车道线模型特征。
通过对于连续多帧得到相对稳定的车道线结果,才认定车道线初始化完成,这样可以得到的车道线模型特征结果可信度更高。
具体的,当多帧图像中存在一帧图像对应的图像特征与预设车道线特征不匹配,则再次获取所述重新拍摄到的连续多帧图像。通过上述设置,以有效避免车辆在经过路口或斑马线等位置时,通过循环检测以在通过斑马线和路口后迅速得到初始车道线,以有效避免延时及检测结果不稳定的情况。
可选的,在本实施例中,所述对各帧图像进行边缘检测和特征提取得到图像特征的步骤之前,所述方法还包括:
对各帧图像进行高斯滤波和方向滤波得到滤波后的图像。
可选的,所述车道线检测***1中存储有拍摄装置30位于车身前侧的位置信息和角度信息,对各帧图像进行高斯滤波和方向滤波可以是根据所述拍摄装置30位于车身前侧的位置信息和角度信息对各帧图像进行高斯滤波和方向滤波得到滤波后的图像。
具体的,根据所述拍摄装置30位于车设前侧的位置信息和角度信息进行高斯滤波可以有效除环境噪声。此身,在正常行驶过程中,车道线与垂直方向的夹角更小,因此利用方向滤波以有效提取显著的垂直方向边缘信息,减弱或消除与车道线方向角度较大的线段带来的影响,并有效减小计算量。
可选的,在本实施例中,所述对各帧图像进行边缘检测和特征提取得到图像特征的步骤包括:
对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征。
具体的,由于不同视角及不同光照条件下的差异,颜色信息在车道线检测中可信度不高,尤其在光线条件复杂的情况下,通过颜色信息无法得到满意的车道线结果。通过采取边缘信息刻画车道线的结构,适应范围更广,得到的各帧检测图更加准确。此外,路面区域的各帧图像进行边缘检测,得到各帧检测图中的蕴含的边缘信息,即边缘二值图像,之后再对所得到的各帧检测图对应的边缘二值图像进行直线提取得到提取图,使得所述提取图更加准确,通过采用预设条件对所述提取图中的特征进行筛选和分类得到图像特征。
需要说明的是,所述预设条件包括预设角度、预设垂直夹角车与道线对应关系、预设跨车道线信息,在进行筛选时,根据线段的角度,对所有车道线进行初步筛选,排除与水平方向夹角小于预设角度的线段。根据预设垂直夹角车与道线对应关系将检测到的车道线进行分类,例如将车道线粗略分为三类,即左、中、右三类。根据预设跨车道线信息判断是否存在跨车道线的情况,并在存在跨车道线情况时,对中间车道线进行验证。
步骤S130:获取得到所述车道线模型特征后所述拍摄装置30拍摄到的下一帧图像作为第一帧图像。
步骤S140:对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与车道线模型特征进行匹配。
当匹配时,则执行步骤S142:根据该第一图像特征更新所述车道线模型特征,输出所述第一图像,并返回步骤S130。
可选的,当不匹配时,执行步骤S144:再次执行步骤S130-S140直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置30另外拍摄到的连续多帧图像,并返回步骤S120。
具体的,当不匹配时获取该第一帧图像的下一帧图像作为第二帧图像,并对该第二帧图像进行边缘检测和特征提取得到第二图像特征,将所述第二图像特征与所述车道线模型特征进行匹配,并在匹配不一致时,获取该第二帧图像的下一帧图像作为第三帧图像,直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置30另外拍摄到的连续多帧图像,并返回步骤S120。
其中,当连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,则认为当前场景中不存在车道线,例如遇到路口或行进至没有车道线的路段,此时,再次获取所述拍摄装置30另外拍摄到的连续多帧图像,并返回步骤S120,直至路面重新出现车道线以继续后续检测和跟踪。该预设数量可以是但不限于3、4或5,在此不作具体限定。
通过上述设置,实现了跟踪策略与车道线检测方法相结合,对检测到的直线根据车道线模型特征中车道线的角度和位置进行筛选,仅保留与车道线模型特征中车道线位置和角度相似的边缘;然后再对其进行后续分类和拟合处理。不但利用了帧与帧之间的先验信息,还针对车道线场景设计了追踪优化策略。有效避免车道线检测结果不稳定及可靠性差的情况,使得车道线检测结果更加准确合理。
可选的,所述对该第一帧图像进行边缘检测和特征提取得到第一图像特征的步骤之前,所述方法还包括:
对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像。
需要说明的是,对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像请参照前述对各帧图像进行高斯滤波和方向滤波得到滤波后的图像的具体描述,在此不作更多说明。
可选的,所述对该第一帧图像进行边缘检测和特征提取得到第一图像特征的步骤包括:
对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征。
需要说明的是,对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征的具体描述请参照前述中对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征的描述,在此不作更多说明。
可选的,在本实施例中,所述对该第二帧图像进行边缘检测和特征提取得到第二图像特征的步骤之前,所述方法还包括:
对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像。
需要说明的是,对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像请参照前述对各帧图像进行高斯滤波和方向滤波得到滤波后的图像的具体描述,在此不作更多说明。
可选的,所述对该第二帧图像进行边缘检测和特征提取得到第二图像特征的步骤包括:
对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征。
需要说明的是,对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征的具体描述请参照前述中对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征的描述,在此不作更多说明。
请结合图4,在上述基础上,本发明还提供一种车道线检测装置100,应用于包括拍摄装置30的车道线检测***1,所述车道线检测装置100包括:图像获取模块110、图像处理模块120。
所述图像获取模块110用于获取所述拍摄装置30拍摄到的连续多帧图像。具体地,所述图像获取模块110可用于执行图3中所示的步骤S110,具体的操作方法可参考步骤S110的详细描述。
所述图像处理模块120用于对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,当匹配时,根据各图像特征得到车道线模型特征。具体地,所述图像处理块可用于执行图3中所示的步骤S120,具体的操作方法可参考步骤S120的详细描述。
所述图像获取模块110:还用于获取得到所述车道线模型特征后所述拍摄装置30拍摄到的下一帧图像作为第一帧图像。
所述图像处理模块120:还用于对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像。
可选的,当各帧图像对应的图像特征与预设车道线特征不匹配时,所述图像获取模块110还用于再次获取所述拍摄装置30重新拍摄到的连续多帧图像。
可选的,当第一帧图像特征与当所述车道线模型特征不匹配时,所述图像获取模块110还用于:获取该第一帧图像的下一帧图像作为第二帧图像,并对该第二帧图像进行边缘检测和特征提取得到第二图像特征,将所述第二图像特征与所述车道线模型特征进行匹配,并在匹配不一致时,获取该第二帧图像的下一帧图像作为第三帧图像,直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置30另外拍摄到的连续多帧图像。
可选的,所述图像处理模块120还用于对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征。对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征。以及对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征。
可选的,在的本实施例中,所述车道线检测装置100还包括滤波模块;
所述滤波模块用于对各帧图像进行高斯滤波和方向滤波得到滤波后的图像,对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像,以及对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像。
综上,本发明提供的一种车道线检测方法及装置,所述方法应用于包括拍摄装置30的车道线检测***1,所述方法包括获取所述拍摄装置30拍摄到的连续多帧图像,对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,当匹配时,根据各图像特征得到车道线模型特征,获取得到所述车道线模型特征后所述拍摄装置30拍摄到的下一帧图像作为第一帧图像,对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像。通过上述方法,以有效避免车道线检测结果不稳定及可靠性差的情况。进一步的,当直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置30重新拍摄到的连续多帧图像,并继续进行车道线检测,以有效避免在通过路口的情况是不能及时获取车道线的情况。通过对所述拍摄装置30获取到的图像进行高斯滤波和方向滤波,以进一步提高车道线检测结果稳定性及可靠性。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车道线检测方法,应用于包括拍摄装置的检测***,其特征在于,所述方法包括:
a、获取安装在车内前方标定好的拍摄装置拍摄到的连续多帧图像;
b、对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,其中,所述预设车道线特征包括三车道线的预设车道线特征、两车道线的预设车道线特征,当各帧图像对应的图像特征与预设车道线特征都匹配时,对所述多帧图像对应的图像特征求取加权平均得到车道线模型特征,完成车道线模型初始化;
c、获取得到所述车道线模型特征后所述拍摄装置拍摄到的下一帧图像作为第一帧图像;
d、对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像,并返回步骤c;
所述对各帧图像进行边缘检测和特征提取得到图像特征的步骤,包括:
对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征;
其中,所述预设条件包括预设角度、预设垂直夹角与车道线对应关系、预设跨车道线信息,在进行筛选时,根据车道线的角度,对所有车道线进行初步筛选,排除与水平方向夹角小于预设角度的车道线,根据预设垂直夹角与车道线对应关系将检测到的车道线进行分类,根据预设跨车道线信息判断是否存在跨车道线情况,并在存在跨车道线情况时,对中间车道线进行验证。
2.根据权利要求1所述的车道线检测方法,其特征在于,当第一帧图像特征与所述车道线模型特征不匹配时,所述方法还包括:
获取该第一帧图像的下一帧图像作为第二帧图像,并对该第二帧图像进行边缘检测和特征提取得到第二图像特征,将所述第二图像特征与所述车道线模型特征行匹配,并在匹配不一致时,获取该第二帧图像的下一帧图像作为第三帧图像,直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置另外拍摄到的连续多帧图像,并返回步骤b。
3.根据权利要求2所述的车道线检测方法,其特征在于,所述对各帧图像进行边缘检测和特征提取得到图像特征的步骤之前,所述方法还包括:
对各帧图像进行高斯滤波和方向滤波得到滤波后的图像;
所述对该第一帧图像进行边缘检测和特征提取得到第一图像特征的步骤之前,所述方法还包括:
对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像;
所述对该第二帧图像进行边缘检测和特征提取得到第二图像特征的步骤之前,所述方法还包括:
对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像。
4.根据权利要求2所述的车道线检测方法,其特征在于,所述对该第一帧图像进行边缘检测和特征提取得到第一图像特征的步骤包括:
对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征;
所述对该第二帧图像进行边缘检测和特征提取得到第二图像特征的步骤包括:
对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征。
5.根据权利要求1所述的车道线检测方法,其特征在于,所述方法还包括:
当存在图像对应的图像特征与预设车道线特征不匹配时,再次获取所述拍摄装置重新拍摄到的连续多帧图像,并返回步骤b。
6.一种车道线检测装置,应用于包括拍摄装置的检测***,其特征在于,所述装置包括:
图像获取模块:用于获取安装在车内前方标定好的拍摄装置拍摄到的连续多帧图像;
图像处理模块:用于对各帧图像进行边缘检测和特征提取得到图像特征,并判断各帧图像对应的图像特征是否与预设车道线特征匹配,其中,所述预设车道线特征包括三车道线的预设车道线特征、两车道线的预设车道线特征,当各帧图像对应的图像特征与预设车道线特征都匹配时,对所述多帧图像对应的图像特征求取加权平均得到车道线模型特征,完成车道线模型初始化;
所述图像获取模块:还用于获取得到所述车道线模型特征后所述拍摄装置拍摄到的下一帧图像作为第一帧图像;
所述图像处理模块:还用于对该第一帧图像进行边缘检测和特征提取得到第一图像特征,并将第一图像特征与所述车道线模型特征进行匹配,当匹配时,根据该第一图像特征更新所述车道线模型特征,输出所述第一图像;
所述图像处理模块用于通过以下方式对各帧图像进行边缘检测和特征提取得到图像特征:
对各帧图像进行边缘检测得到检测图,对所述检测图进行特征提取得到提取图,并按照预设条件对所述提取图中的特征进行筛选和分类得到图像特征;
其中,所述预设条件包括预设角度、预设垂直夹角与车道线对应关系、预设跨车道线信息,在进行筛选时,根据车道线的角度,对所有车道线进行初步筛选,排除与水平方向夹角小于预设角度的车道线,根据预设垂直夹角与车道线对应关系将检测到的车道线进行分类,根据预设跨车道线信息判断是否存在跨车道线情况,并在存在跨车道线情况时,对中间车道线进行验证。
7.根据权利要求6所述的车道线检测装置,其特征在于,当第一帧图像特征与所述车道线模型特征不匹配时,所述图像获取模块还用于:
获取该第一帧图像的下一帧图像作为第二帧图像,并对该第二帧图像进行边缘检测和特征提取得到第二图像特征,将所述第二图像特征与所述车道线模型特征进行匹配,并在匹配不一致时,获取该第二帧图像的下一帧图像作为第三帧图像,直至连续预设数量的帧图像对应的特征图与所述车道线模型特征都不匹配时,再次获取所述拍摄装置另外拍摄到的连续多帧图像。
8.根据权利要求7所述的车道线检测装置,其特征在于,所述装置还包括滤波模块;
所述滤波模块:用于对该第一帧图像进行高斯滤波和方向滤波得到滤波后的第一帧图像,以及对该第二帧图像进行高斯滤波和方向滤波得到滤波后的第二帧图像。
9.根据权利要求7所述的车道线检测装置,其特征在于,所述图像处理模块:还用于对该第一帧图像进行边缘检测得到第一检测图,对所述第一检测图进行特征提取得到第一提取图,并按照所述预设条件对所述第一提取图中的特征进行筛选和分类得到第一图像特征;以及
对该第二帧图像进行边缘检测得到第二检测图,对所述第二检测图进行特征提取得到第二提取图,并按照所述预设条件对所述第二提取图中的特征进行筛选和分类得到第二图像特征。
10.根据权利要求6所述的车道线检测装置,其特征在于,所述图像获取模块:还用于当存在图像对应的图像特征与预设车道线特征不匹配时,再次获取所述拍摄装置重新拍摄到的连续多帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711026669.8A CN107909007B (zh) | 2017-10-27 | 2017-10-27 | 车道线检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711026669.8A CN107909007B (zh) | 2017-10-27 | 2017-10-27 | 车道线检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107909007A CN107909007A (zh) | 2018-04-13 |
CN107909007B true CN107909007B (zh) | 2019-12-13 |
Family
ID=61842470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711026669.8A Active CN107909007B (zh) | 2017-10-27 | 2017-10-27 | 车道线检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107909007B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793356B (zh) * | 2018-09-30 | 2023-06-23 | 百度在线网络技术(北京)有限公司 | 车道线检测方法和装置 |
CN110263713B (zh) * | 2019-06-20 | 2021-08-10 | 百度在线网络技术(北京)有限公司 | 车道线检测方法、装置、电子设备及存储介质 |
CN110674770A (zh) * | 2019-09-29 | 2020-01-10 | 上海依图网络科技有限公司 | 用于人脸表情检测的***以及方法 |
CN110930459B (zh) * | 2019-10-29 | 2023-02-17 | 北京经纬恒润科技股份有限公司 | 灭点提取方法、相机标定方法以及存储介质 |
CN111598911B (zh) * | 2020-07-14 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种机器人平台的自主巡线方法、装置及存储介质 |
CN113392794B (zh) * | 2021-06-28 | 2023-06-02 | 北京百度网讯科技有限公司 | 车辆跨线识别方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521589B (zh) * | 2011-11-18 | 2013-06-12 | 深圳市宝捷信科技有限公司 | 一种车道线检测的方法及*** |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN106326822A (zh) * | 2015-07-07 | 2017-01-11 | 北京易车互联信息技术有限公司 | 车道线检测的方法及装置 |
CN106682586A (zh) * | 2016-12-03 | 2017-05-17 | 北京联合大学 | 一种复杂光照条件下基于视觉的实时车道线检测的方法 |
CN107025432A (zh) * | 2017-02-28 | 2017-08-08 | 合肥工业大学 | 一种高效的车道线检测跟踪方法及*** |
CN107133600A (zh) * | 2017-05-11 | 2017-09-05 | 南宁市正祥科技有限公司 | 一种基于帧间关联的实时车道线检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8694224B2 (en) * | 2012-03-01 | 2014-04-08 | Magna Electronics Inc. | Vehicle yaw rate correction |
JP5989701B2 (ja) * | 2014-03-24 | 2016-09-07 | トヨタ自動車株式会社 | 境界検出装置および境界検出方法 |
CN104392212B (zh) * | 2014-11-14 | 2017-09-01 | 北京工业大学 | 一种基于视觉的道路信息检测及前方车辆识别方法 |
EP3295422B1 (en) * | 2015-05-10 | 2020-01-01 | Mobileye Vision Technologies Ltd. | Road profile along a predicted path |
CN105868696B (zh) * | 2016-03-23 | 2019-06-14 | 奇瑞汽车股份有限公司 | 一种检测多车道车道线的方法和装置 |
-
2017
- 2017-10-27 CN CN201711026669.8A patent/CN107909007B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521589B (zh) * | 2011-11-18 | 2013-06-12 | 深圳市宝捷信科技有限公司 | 一种车道线检测的方法及*** |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN106326822A (zh) * | 2015-07-07 | 2017-01-11 | 北京易车互联信息技术有限公司 | 车道线检测的方法及装置 |
CN106682586A (zh) * | 2016-12-03 | 2017-05-17 | 北京联合大学 | 一种复杂光照条件下基于视觉的实时车道线检测的方法 |
CN107025432A (zh) * | 2017-02-28 | 2017-08-08 | 合肥工业大学 | 一种高效的车道线检测跟踪方法及*** |
CN107133600A (zh) * | 2017-05-11 | 2017-09-05 | 南宁市正祥科技有限公司 | 一种基于帧间关联的实时车道线检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107909007A (zh) | 2018-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909007B (zh) | 车道线检测方法及装置 | |
Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
JP5867807B2 (ja) | 車両識別装置 | |
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
EP2955664A1 (en) | Traffic lane boundary line extraction apparatus, traffic lane boundary line extraction method, and program | |
CN110135235B (zh) | 一种眩光处理方法、装置及车辆 | |
CN110088766B (zh) | 车道线识别方法、车道线识别装置以及非易失性存储介质 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
US11017552B2 (en) | Measurement method and apparatus | |
Yuan et al. | Road segmentation in aerial images by exploiting road vector data | |
CN110738686A (zh) | 静动态结合的视频人车检测方法及*** | |
CN107766847B (zh) | 一种车道线检测方法及装置 | |
KR101236223B1 (ko) | 차선 검출 방법 | |
CN114170565A (zh) | 一种基于无人机航拍的图像对比方法、装置及终端设备 | |
JP6375911B2 (ja) | カーブミラー検出装置 | |
US11037266B2 (en) | Attached substance detection device and attached substance detection method | |
CN116228756B (zh) | 一种自动驾驶中相机坏点的检测方法及检测*** | |
CN112241660A (zh) | 一种基于视觉的防盗监测方法和装置 | |
JP6126849B2 (ja) | 車線識別装置および車線識別方法 | |
CN114724119A (zh) | 车道线提取方法、检测设备及存储介质 | |
CN112287731B (zh) | 目标的三元图像构建方法和装置及检测方法和装置 | |
JP2008028478A (ja) | 障害物検出システム、及び障害物検出方法 | |
CN112183413B (zh) | 一种车位检测方法、装置、存储介质及车辆 | |
US20220058416A1 (en) | Printed character recognition | |
CN115861624B (zh) | 摄像头被遮挡的检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |