CN108229438A - 车道线检测方法、装置、终端和存储介质 - Google Patents
车道线检测方法、装置、终端和存储介质 Download PDFInfo
- Publication number
- CN108229438A CN108229438A CN201810110263.6A CN201810110263A CN108229438A CN 108229438 A CN108229438 A CN 108229438A CN 201810110263 A CN201810110263 A CN 201810110263A CN 108229438 A CN108229438 A CN 108229438A
- Authority
- CN
- China
- Prior art keywords
- lane
- filtering
- picture frame
- template
- track
- 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.)
- Pending
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种车道线检测方法、装置、终端和存储介质,涉及辅助驾驶技术领域,其中,该方法包括:在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值;基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板;基于所述滤波模板,执行车道线检测操作。本发明实施例提供的方法、装置、终端和存储介质,能够提高车道图像的滤波效果,进而提高车道线检测的准确性。
Description
技术领域
本发明实施例涉及辅助驾驶技术领域,尤其涉及一种车道线检测方法、装置、终端和存储介质。
背景技术
车道偏离预警***是汽车辅助驾驶的一个重要研究内容,该***通常利用摄像机拍摄汽车前方图像,并且根据图像内容获取车道信息。当车辆与车道的相对位置发生偏移时,能够及时向驾驶员预警,从而避免事故发生。该***最重要的一个步骤就是实时检测并输出车道信息,而实际采集的图像通常数据量较大,噪声较多,需要对图像进行滤波处理。
在现有的车道偏离预警***中通常采用高斯滤波,中值滤波,均值滤波中的一种进行图像滤波处理,图像滤波处理的方法固定且单一,不能适应复杂多变的路况场景,因此滤波效果较差。
发明内容
本发明实施例提供一种车道线检测方法、装置、终端和存储介质,用以提高车道图像的滤波效果,提高车道线检测的准确性。
本发明实施例第一方面提供一种车道线检测方法,该方法包括:
在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值;
基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板;
基于所述滤波模板,执行车道线检测操作。
可选的,所述基于所述滤波模板,执行车道线检测操作,包括:
基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理;
基于所述滤波处理后得到的滤波图像,执行车道线检测操作。
可选的,所述基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理,包括:
确定所述第一车道图像帧中车道对应的极角值和极径值在第二车道图像帧中对应的直线;
基于所述滤波模板在所述直线的预设邻域范围内进行滤波处理。
可选的,所述基于所述滤波处理后得到的滤波图像,执行车道线检测操作,包括:
基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像;
基于所述采样图像,执行车道线检测操作。
可选的,所述基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像,包括:
在基于预设的采样模板遍历所述滤波处理后得到的滤波图像时,从所述采样模板在所述滤波图像上的区域位置中抽取所述区域位置中滤波响应最大的像素点,形成采样图像。
本发明实施例第二方面提供一种车道线检测装置,包括:
处理模块,用于在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值;
确定模块,用于基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板;
执行模块,用于基于所述滤波模板,执行车道线检测操作。
可选的,所述执行模块包括:
滤波子模块,用于基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理;
执行子模块,用于基于所述滤波处理后得到的滤波图像,执行车道线检测操作。
可选的,所述滤波子模块,具体用于:
确定所述第一车道图像帧中车道对应的极角值和极径值在第二车道图像帧中对应的直线;
基于所述滤波模板在所述直线的预设邻域范围内进行滤波处理。
可选的,所述执行子模块,用于:
基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像;
基于所述采样图像,执行车道线检测操作。
可选的,所述执行子模块,用于:
在基于预设的采样模板遍历所述滤波处理后得到的滤波图像时,从所述采样模板在所述滤波图像上的区域位置中抽取所述区域位置中滤波响应最大的像素点,形成采样图像。
本发明实施例第三方面提供一种车道线检测终端,包括:
处理器;
摄像头组件,用于采集图像并输入到所述处理器中处理;
用于存储所述处理器可执行指令的存储器;
当所述处理器执行所述可执行指令时,可以实现上述第一方面提供的方法。
本发明实施例第四方面提供一种计算机可读存储介质,包括指令,当所述指令在所述计算机上运行时,所述计算机可以实现上述第一方面提供的方法。
本发明实施例,通过在获取到第一车道图像帧后,对第一车道图像帧进行霍夫变换,获得第一车道图像帧中车道的极角值,基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定第一车道图像帧中车道的极角值所对应的滤波模板,从而基于该滤波模板,执行车道线检测操作。由于本发明实施例不像现有技术那样采用固定的滤波模板,而是基于车道图像帧中车道的极角值来计算滤波模板,滤波模板随着车道图像帧中车道极角值的变化而变化,使得滤波模板能够始终与车道图像帧所对应的路况场景相匹配,进而,在使用该滤波模板对车道图像帧进行滤波时,就能够取得较好的滤波效果,提高车道线检测的准确性。尤其在考虑到车辆正常行驶时,车道是连续变化的,即在预设时间内车道信息的变化几乎可以忽略不计,因此,本发明实施例可以基于第一车道图像帧中的车道信息(比如,车道线的极角值),计算获得的滤波模板,对第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理,从而进一步提高滤波处理的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种车道线检测方法的流程图;
图2是本发明实施例提供的一种步骤101的执行方法流程图;
图3为本发明实施例提供的第二车道图像帧的示意图;
图4和图5为第二车道图像帧滤波后得到的滤波图像;
图6是本发明实施例提供的一种车道线检测方法的流程图;
图7为本实施例提供的一种降采样示意图;
图8为直接对图3进行二值化处理得到的二值化处理效果图;
图9和图10分别是基于图4和图5的二值化处理效果图;
图11是本发明实施例提供的一种车道线检测装置的结构示意图;
图12是本发明实施例提供的执行子模块132的结构示意图;
图13是本发明实施例提供的处理模块11的结构示意图;
图14为本发明实施例提供的车道线检测终端的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
本发明的说明书和权利要求书的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤的过程或结构的装置不必限于清楚地列出的那些结构或步骤而是可包括没有清楚地列出的或对于这些过程或装置固有的其它步骤或结构。
本发明实施例提供一种车道线检测方法,该方法可以由一种车道线检测装置来执行。参见图1,图1是本发明实施例提供的一种车道线检测方法的流程图,如图1所示,该方法包括如下步骤:
步骤101、在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值。
本实施例中以车道线检测装置安装在车辆上为例。车辆在行驶过程中通过搭载在车身上的拍摄设备拍摄获得车道图像,即本实施例中涉及的第一车道图像帧是通过车身上搭载的拍摄设备拍摄获得的。车道线检测装置可以通过通信链路与拍摄设备直接连接,拍摄设备实时拍摄获得的车道图像帧,通过通信链路发送给车道检测装置,即第一车道图像帧可以是拍摄设备拍摄获得的实时图像帧,或者,拍摄设备还可以周期性的对车辆所处的路况环境进行拍摄,并将拍摄获得的车道图像帧存储在预先设定的存储位置中,车道线检测装置在当前周期内从该存储位置中获取拍摄设备在当前周期内拍摄获得的车道图像帧,也就是说第一车道图像帧也可能不是实时的,当然上述两种获取第一车道图像帧的方法仅为示例说明而不是对发明的唯一限定。
可选的,本实施例中涉及的第一车道图像帧还可以是经过截取处理的图像帧。由于实际场景中拍摄设备拍摄获得的车道图像帧可能还包括天空等不包括车道的部分,为了提高车道检测效率,降低计算量,本实施例还可以将车道图像帧中不包括车道的部分截除,只保留包括车道的部分,获得第一车道图像帧。比如,可以通过边缘检测的方法获得车道与天空的分界线,删除分界线以上的部分(即天空),保留分界线以下的部分(即包括车道)获得第一车道图像帧,当然这里仅为示例说明而不是对本发明的唯一限定。
具体的,图2是本发明实施例提供的一种步骤101的执行方法流程图,如图2所示,在基于霍夫变换处理,获得第一车道图像帧中车道的极角值时,可以执行如下方法:
步骤201、根据预设的极径与极角之间的函数关系,计算第一车道图像帧在图像坐标空间中预设灰度值的像素点对应的极坐标。
步骤202、根据确定的图像坐标空间与参数空间之间的映射关系,获得所述极坐标在参数空间中的表决结果。
步骤203、确定所述表决结果中投票数最大的像素点的极角值为所述第一车道图像帧中车道的极角值。
示例的,假设第一车道图像帧中任一像素点在极坐标空间中的坐标为(ρ,θ),其中,ρ为像素点在极坐标空间中的极径值,θ为像素点在极坐标空间中的极角值。则对于第一车道图像帧在图像坐标空间中的每一个预设灰度值(比如,255但不局限于255)的像素点,都可以根据表达式:ρ=x*cosθ+y*sinθ,利用极坐标参数ρ和θ表示。遍历所有θ,求解相应的ρ,每计算出一对(ρ,θ),都将参数空间中对应的数组位置的统计值加1。所有的计算结束之后,在参数空间表决结果中找到投票数最大的像素点,该像素点所对应的(ρ,θ)就是第一车道图像帧中共线像素点数目最多的直线的参数,该条直线即为第一车道图像帧中的车道线(车道线和车道同向),即第一车道图像帧中的车道的极角值为参数空间表决结果中投票数最大的像素点的θ值,根据求得的θ值即可确定第一车道图像帧中车道的方向。本实施例求解车道的极角值的方法可以参见具体的霍夫处理算法,在这里不再赘述。
这里要说明的是,由于车道一般由两条车道线组成,而本实施例中车道的极角值对应的是车道线的极角值,因此,本实施例经过霍夫处理后得到的车道的极角值可能是两个。
另外还需要说明的是,在实际场景中,本实施例涉及的第一车道图像帧也可以是多个车道图像帧的统称,当第一车道图像帧包括多个车道图像帧时,可以采用预设的统计算法计算获得车道的极角值,比如,可以基于上述图2实施例提供的算法先分别计算每个车道图像帧中车道的极角值,再对计算获得的所有的车道的极角值进行求平均计算,获得目标极角值。当然这里仅为示例说明而不是对上述统计算法的唯一限定,实际上上述统计算法可以根据需要进行设定。
步骤102、基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板。
在实际图像采集过程中,由于环境因素影响,噪声较多,现有技术通常采用固定的滤波模板,比如,高斯滤波、均值滤波、中值滤波中的一种对采集获得的车道图像帧进行滤波处理,但是仅使用固定的滤波模板平滑图像,未能有效结合车道信息,无法适应复杂多变的路况环境,因而滤波效果较差。因而,本实施例在确定滤波模板时,将车道的极角值作为一个重要的考虑因素,以此来增强滤波模板的滤波效果。
在一种可能的实现方式中,可以预先设定车道的极角值与滤波模板的旋转角度之间的函数关系,根据第一车道图像帧中车道的极角值,计算获得滤波模板的旋转角度,比如,在一个示例中车道的极角值与滤波模板的旋转角度之间的函数关系可以被设置为:滤波模板的旋转角度等于车道的极角值加上或者减去一个小于1的正数,当然这里仅为示例说明而不是唯一限定。进一步的,在获得滤波模板的旋转角度后,根据预设的旋转角度与滤波模板之间的函数关系,确定滤波模板。
在另一种可能的实现方式中,可以设置滤波模板的旋转角度等于第一车道图像帧中车道的极角值,并根据预设的旋转角度与滤波模板之间的函数关系,确定滤波模板。
以上述第二种可能的实现方式为例,本实施例所称的预设的车道图像帧中车道的极角值与滤波模板之间的关联关系可以被具体为如下表达式:
其中,(x,y)为图像中的像素坐标,f(x,y)为滤波函数,f(x,y)的具体表现形式可以根据需要设定,比如,f(x,y)可以被具体为高斯滤波函数、均值滤波函数、中值滤波函数中的任意一种,θ为滤波模板的旋转角度,即上述计算获得的第一车道图像帧中车道的极角值,表示滤波模板的方向,θj表示车道的第j个极角值,表示将f(x,y)向θj的方向求导,M为滤波模板的导数阶数,M等于车道的极角值的个数,kj(θ)为方向系数函数,其具体表现形式也可以根据需要进行设定,比如,当M等于2时,可以设置为k1(θ)=cos(θ),k2(θ)=sin(θ),当然这里仅为示例说明,而不是对本发明的唯一限定。
示例的,若上述滤波函数为高斯函数:
第一车道图像帧中的车道包括左右两条车道线,左侧车道线和右侧车道线对应的极角值分别为θ1,θ2,导数阶数(即上述M的值)为2,假设kj(θ),为三角函数cos(θ),则k1(θ)=cos(θ),k2(θ)=sin(θ),滤波函数f(x,y)分别对于θ1,θ2两个方向求导,得到两个滤波模板分别为:
当然此处仅为示例说明而不是对本发明的唯一限定。
步骤103、基于所述滤波模板,执行车道线检测操作。
在一种可能的实现方式中,在获得滤波模板后,可以基于该滤波模板对第一车道图像帧进行滤波处理,并基于滤波处理后得到的滤波图像,执行第第一车道图像帧的车道线检测操作。
在另一种可能的实现方式中,考虑到车辆正常行驶时,车道是连续变化的,即在预设时间内车道信息的变化几乎可以忽略不计,因此,可以利用基于第一车道图像帧中的车道信息(比如,车道线的极角值),计算获得的滤波模板,对第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理,并基于滤波处理后得到的滤波图像,执行第二车道图像帧的车道线检测操作,从而提高滤波处理的效率。
本实施例以上述第二种可能的实现方式为例,在对第二车道图像帧进行滤波处理时至少可以采用如下方式中的一种:
在一种可能的滤波方式中,可以基于计算获得的滤波模板对第二车道图像帧进行全局滤波,即遍历第二车道图像帧上的所有像素点,得到滤波图像。
在另一种可能的滤波方式中,可以先确定第一车道图像帧中车道对应的极角值和极径值在第二车道图像帧中对应的直线(即第二车道图像帧中的车道线),再基于滤波模板在该直线的预设邻域范围内进行滤波,获得滤波图像,从而减少了计算量,提高了滤波处理的效率。
在上述两种滤波方式的基础上,具体的滤波方法可以是将滤波模板与第二车道图像帧进行卷积处理来获得相应的滤波图像。假设滤波模板为:
则对第二车道图像帧进行滤波获得的两个滤波图像分别为:
其中,I(x,y)为第二车道图像帧的坐标表示形式。
示例的,图3为本发明实施例提供的第二车道图像帧的示意图,图4和图5为第二车道图像帧滤波后得到的滤波图像,如图4和图5所示,基于上述滤波模板进行滤波后,车道中的车道线明显被增强。
这里需要说明的是,在实际场景中,在基于在前采集获得的车道图像帧所计算获得的滤波模板,对在后采集获得的车道图像帧进行滤波处理时,滤波模板的大小可以根据第二车道图像帧的大小进行调整,具体调整方法本实施例不做限定。
当然上述仅为示例说明而不是对本发明的唯一限定。
可选的,对于初始采集获得的初始图像帧,可以根据经验值设定初始图像帧中车道的极角值,也可以首先选取水平或垂直方向,即θ1=0°,θ2=90°,或者选择初始图像帧中两个以上的方向所对应的角度值,作为滤波模板的旋转角度,计算获得滤波模板,进一步的,再基于计算获得的滤波模板对初始图像帧进行滤波处理。
本实施例,通过在获取到第一车道图像帧后,对第一车道图像帧进行霍夫变换,获得第一车道图像帧中车道的极角值,基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定第一车道图像帧中车道的极角值所对应的滤波模板,从而基于该滤波模板,执行车道线检测操作。由于本实施例不像现有技术那样采用固定的滤波模板,而是基于车道图像帧中车道的极角值来计算滤波模板,滤波模板随着车道图像帧中车道极角值的变化而变化,使得滤波模板能够始终与车道图像帧所对应的路况场景相匹配,进而,在使用该滤波模板对车道图像帧进行滤波时,就能够取得较好的滤波效果,提高车道线检测的准确性。尤其在考虑到车辆正常行驶时,车道是连续变化的,即在预设时间内车道信息的变化几乎可以忽略不计,因此,本实施例可以基于第一车道图像帧中的车道信息(比如,车道线的极角值),计算获得的滤波模板,对第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理,从而进一步提高滤波处理的效率。
图6是本发明实施例提供的一种车道线检测方法的流程图,如图6所示,在图1实施例的基础上,在基于滤波处理后得到的滤波图像,执行车道线检测操作时,可以执行如下步骤:
步骤601、基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像。
步骤602、基于所述采样图像,执行车道线检测操作。
可选的,本实施例中可以采用预设的采样模板遍历滤波图像,并从采样模板在滤波图像上的每个区域位置或者部分区域位置中抽取像素点,形成采样图像。
其中,在一种可能的像素点抽取方法中,可以先从采样模板在滤波图像上的区域位置中抽取对应滤波响应最大的像素点(以下简称第一像素点),形成采样图像。
在另一种可能的像素点抽取方法中,可以在上述方法的基础上,先从采样模板在滤波图像上的区域位置中抽取对应滤波响应最大的第一像素点,再分别基于抽取出的每个第一像素点与第一车道图像帧中的车道之间的相对位置关系,确定第一像素点在第二车道图像帧的滤波图像中对应的第二像素点,基于所有第二像素点,形成采样图像。示例的,例设第二车道图像帧的尺寸为W×H,对第二车道图像帧的水平方向和垂直方向按照同样尺度进行K次降采样,那么降采样之后获得的采样图像的尺寸变为W/2K×(H/2K),其中,采样图像的长度和宽度取整数。在进行K次降采样时,第二车道图像帧中每2k*2k的区域大小内取一个像素点,具体选取滤波图像中该区域滤波响应最大的像素点(即第一像素点)。图7为本实施例提供的一种降采样示意图,如图7所示,灰色区域为采样模板在第二车道图像帧上的区域,坐标为(x,y),抽取该区域中滤波响应最大的像素点作为第一像素点。进一步,可以根据第一像素点的位置以及与第一车道图像帧中左、右车道的位置关系确定该第一像素点的位置离左车道近还是右车道近,若离左车道近则抽取第一像素点在中的对应的像素点作为第二像素点,若离右车道近则抽取像素点(x,y)在中的对应的像素点作为第二像素点。
可选的,本实施例还可以根据滤波模板的旋转角度确定检测图像中车道灰度值的上升沿或下降沿。具体的,由于车道具有一定宽度,灰度变化为先灰度值增加(上升沿),再灰度值减小(下降沿),因此,当基于滤波模板的旋转角度检测到上升沿时,可以将滤波模板的旋转角度平移π,即可检测到该条车道的下降沿,可以进一步根据预先设定的车道上升沿和下降沿之间的约束条件选取或中的对应的像素点作为第二像素点。其中,车道上升沿和下降沿之间的约束条件可以根据需要进行设定,本实施例不做限定。
当然这里仅为示例说明而不是对本发明的唯一限定。
进一步的,在获得采样图像之后,本实施例还可以对采样图像进行二值化处理和霍夫变换,求取出采样图像中的车道线。示例的,图8为直接对图3进行二值化处理得到的二值化处理效果图,图9和图10分别是基于图4和图5的二值化处理效果图,如图4、图5、图9和图10所示,虽然,在图4和图5中车道线相较于图3有所增强,但车道线在视觉上的效果仍旧不够明显,但是在经过二值化处理后得到的图9和图10中车道线被明显增强,在视觉上能够很容易得到辨认。
本发明实施例在上述图1实施例的基础上,基于预设的采样模板遍历滤波处理后得到的滤波图像,从采样模板在滤波图像上的区域位置中抽取像素点,形成采样图像,并基于该采样图像,执行车道线检测操作,能够有效去除图像中的干扰,提高车道线检测的准确性。
图11是本发明实施例提供的一种车道线检测装置的结构示意图,如图10所示,该设备包括:
处理模块11,用于在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值;
确定模块12,用于基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板;
执行模块13,用于基于所述滤波模板,执行车道线检测操作。
可选的,所述执行模块13包括:
滤波子模块131,用于基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理;
执行子模块132,用于基于所述滤波处理后得到的滤波图像,执行车道线检测操作。
可选的,所述滤波子模块131,具体用于:
确定所述第一车道图像帧中车道对应的极角值和极径值在第二车道图像帧中对应的直线;
基于所述滤波模板在所述直线的预设邻域范围内进行滤波处理。
本实施例提供的车道线检测装置,能够用于执行图1实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
图12是本发明实施例提供的执行子模块132的结构示意图,如图12所示,在图11实施例的基础上,执行子模块132包括:
采样子单元1321用于:基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像。
检测子单元1322用于:基于所述采样图像,执行车道线检测操作。
本实施例提供的车道线检测装置能够执行图6实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
图13是本发明实施例提供的处理模块11的结构示意图,如图13所示,在图11的基础上,处理模块11,包括:
第一处理子模块111,用于根据预设的极径与极角之间的函数关系,计算第一车道图像帧在图像坐标空间中预设灰度值的像素点对应的极坐标;
第二处理子模块112,用于根据确定的图像坐标空间与参数空间之间的映射关系,获得所述极坐标在参数空间中的表决结果;
确定子模块113,用于确定所述表决结果中投票数最大的像素点的极角值为所述第一车道图像帧中车道的极角值。
本实施例提供的车道线检测装置能够执行图2实施例的方法,其执行方式和有益效果类似,在这里不再赘述。
本发明实施例还提供一种车道线检测终端,包括:处理器;
摄像头组件,用于采集图像并输入到所述处理器中处理;
用于存储所述处理器可执行指令的存储器;
当所述处理器执行所述可执行指令时,可以实现上述方法实施例的技术方案。
具体的,图14为本发明实施例提供的车道线检测终端的结构示意图。
车道线检测终端800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制车道线检测终端800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在车道线检测终端800的操作。这些数据的示例包括用于在车道线检测终端800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为车道线检测终端800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为车道线检测终端800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述车道线检测终端800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当车道线检测终端800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为车道线检测终端800提供各个方面的状态评估。例如,传感器组件814可以检测到车道线检测终端800的打开/关闭状态,组件的相对定位,例如所述组件为车道线检测终端800的显示器和小键盘,传感器组件814还可以检测车道线检测终端800或车道线检测终端800一个组件的位置改变,用户与车道线检测终端800接触的存在或不存在,车道线检测终端800方位或加速/减速和车道线检测终端800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括摄像头组件,摄像头可采用如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于车道线检测终端800和其他设备之间有线或无线方式的通信。车道线检测终端800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,车道线检测终端800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
本发明实施例还提供一种计算机可读存储介质,包括指令,当所述指令在所述计算机上运行时,所述计算机可以实现上述方法实施例的技术方案。
最后需要说明的是,本领域普通技术人员可以理解上述实施例方法中的全部或者部分流程,是可以通过计算机程序来指令相关的硬件完成,所述的程序可存储于一计算机可读存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可以为磁盘、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
本发明实施例中的各个功能单元可以集成在一个处理模块中,也可以是各个单元单独的物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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,也可以存储在一个计算机可读存储介质中。上述提到的存储介质可以是只读存储器、磁盘或光盘等。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种车道线检测方法,其特征在于,包括:
在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值;
基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板;
基于所述滤波模板,执行车道线检测操作。
2.根据权利要求1所述的方法,其特征在于,所述基于所述滤波模板,执行车道线检测操作,包括:
基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理;
基于所述滤波处理后得到的滤波图像,执行车道线检测操作。
3.根据权利要求1所述的方法,其特征在于,所述基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理,包括:
确定所述第一车道图像帧中车道对应的极角值和极径值在第二车道图像帧中对应的直线;
基于所述滤波模板在所述直线的预设邻域范围内进行滤波处理。
4.根据权利要求2所述的方法,其特征在于,所述基于所述滤波处理后得到的滤波图像,执行车道线检测操作,包括:
基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像;
基于所述采样图像,执行车道线检测操作。
5.根据权利要求4所述的方法,其特征在于,所述基于预设的采样模板遍历所述滤波处理后得到的滤波图像,从所述采样模板在所述滤波图像上的区域位置中抽取像素点,形成采样图像,包括:
在基于预设的采样模板遍历所述滤波处理后得到的滤波图像时,从所述采样模板在所述滤波图像上的区域位置中抽取所述区域位置中滤波响应最大的像素点,形成采样图像。
6.一种车道线检测装置,其特征在于,包括:
处理模块,用于在获取到第一车道图像帧后,对所述第一车道图像帧进行霍夫变换处理,获得所述第一车道图像帧中车道的极角值;
确定模块,用于基于预设的车道图像帧中车道的极角值与滤波模板之间的关联关系,确定所述第一车道图像帧中车道的极角值所对应的滤波模板;
执行模块,用于基于所述滤波模板,执行车道线检测操作。
7.根据权利要求6所述的装置,其特征在于,所述执行模块包括:
滤波子模块,用于基于所述滤波模板对所述第一车道图像帧之后采集获得的第二车道图像帧进行滤波处理;
执行子模块,用于基于所述滤波处理后得到的滤波图像,执行车道线检测操作。
8.根据权利要求6所述的装置,其特征在于,所述滤波子模块,具体用于:
确定所述第一车道图像帧中车道对应的极角值和极径值在第二车道图像帧中对应的直线;
基于所述滤波模板在所述直线的预设邻域范围内进行滤波处理。
9.一种车道线检测终端,其特征在于,包括:
处理器;
摄像头组件,用于采集图像并输入到所述处理器中处理;
用于存储所述处理器可执行指令的存储器;
当所述处理器执行所述可执行指令时,可以实现上述权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,包括指令,当所述指令在所述计算机上运行时,所述计算机可以实现上述权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810110263.6A CN108229438A (zh) | 2018-02-05 | 2018-02-05 | 车道线检测方法、装置、终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810110263.6A CN108229438A (zh) | 2018-02-05 | 2018-02-05 | 车道线检测方法、装置、终端和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108229438A true CN108229438A (zh) | 2018-06-29 |
Family
ID=62669360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810110263.6A Pending CN108229438A (zh) | 2018-02-05 | 2018-02-05 | 车道线检测方法、装置、终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108229438A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325409A (zh) * | 2018-08-15 | 2019-02-12 | 马金环 | 通行车辆套牌检验平台 |
CN111523471A (zh) * | 2020-04-23 | 2020-08-11 | 北京百度网讯科技有限公司 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
CN111881878A (zh) * | 2020-08-07 | 2020-11-03 | 吉林大学 | 一种环视复用的车道线识别方法 |
CN112417943A (zh) * | 2019-08-21 | 2021-02-26 | 美光科技公司 | 利用算法天际线检测的经改进高级驾驶员辅助***(adas)操作 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667137A (zh) * | 2009-10-12 | 2010-03-10 | 哈尔滨工程大学 | 使用方向滤波技术的手指静脉纹路提取方法 |
CN104217427A (zh) * | 2014-08-22 | 2014-12-17 | 南京邮电大学 | 一种交通监控视频中车道线定位方法 |
CN105760812A (zh) * | 2016-01-15 | 2016-07-13 | 北京工业大学 | 一种基于Hough变换的车道线检测方法 |
-
2018
- 2018-02-05 CN CN201810110263.6A patent/CN108229438A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667137A (zh) * | 2009-10-12 | 2010-03-10 | 哈尔滨工程大学 | 使用方向滤波技术的手指静脉纹路提取方法 |
CN104217427A (zh) * | 2014-08-22 | 2014-12-17 | 南京邮电大学 | 一种交通监控视频中车道线定位方法 |
CN105760812A (zh) * | 2016-01-15 | 2016-07-13 | 北京工业大学 | 一种基于Hough变换的车道线检测方法 |
Non-Patent Citations (2)
Title |
---|
成剑: ""基于机器视觉的道路线识别算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郭磊 等,: ""应用方向可调滤波器的车道线识别方法"", 《机械工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325409A (zh) * | 2018-08-15 | 2019-02-12 | 马金环 | 通行车辆套牌检验平台 |
CN109325409B (zh) * | 2018-08-15 | 2021-08-03 | 北方工业大学 | 通行车辆套牌检验平台 |
CN112417943A (zh) * | 2019-08-21 | 2021-02-26 | 美光科技公司 | 利用算法天际线检测的经改进高级驾驶员辅助***(adas)操作 |
CN111523471A (zh) * | 2020-04-23 | 2020-08-11 | 北京百度网讯科技有限公司 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
CN111523471B (zh) * | 2020-04-23 | 2023-08-04 | 阿波罗智联(北京)科技有限公司 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
CN111881878A (zh) * | 2020-08-07 | 2020-11-03 | 吉林大学 | 一种环视复用的车道线识别方法 |
CN111881878B (zh) * | 2020-08-07 | 2024-02-02 | 吉林大学 | 一种环视复用的车道线识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069786B (zh) | 直线检测方法及装置 | |
CN108229438A (zh) | 车道线检测方法、装置、终端和存储介质 | |
CN108171225A (zh) | 车道检测方法、装置、终端及存储介质 | |
CN105809704A (zh) | 识别图像清晰度的方法及装置 | |
CN106651955A (zh) | 图片中目标物的定位方法及装置 | |
CN106355573A (zh) | 图片中目标物的定位方法及装置 | |
CN104504684A (zh) | 边缘提取方法和装置 | |
CN104850852B (zh) | 特征向量计算方法和装置 | |
CN104378570A (zh) | 录音方法及装置 | |
CN106778773A (zh) | 图片中目标物的定位方法及装置 | |
CN104484871A (zh) | 边缘提取方法和装置 | |
CN107832836A (zh) | 无模型深度增强学习探索方法及装置 | |
CN106408603A (zh) | 拍摄方法及装置 | |
CN106682736A (zh) | 图像识别方法及装置 | |
CN105095860B (zh) | 字符分割方法和装置 | |
CN106127751A (zh) | 图像检测方法、装置以及*** | |
CN104933700B (zh) | 一种进行图像内容识别的方法和装置 | |
CN107563994A (zh) | 图像的显著性检测方法及装置 | |
CN106557755A (zh) | 指纹模板获取方法及装置 | |
CN106598429A (zh) | 移动终端的窗口调整方法及装置 | |
CN108124102A (zh) | 图像处理方法、装置及计算机可读存储介质 | |
CN108717542A (zh) | 识别文字区域的方法、装置及计算机可读存储介质 | |
CN105139378A (zh) | 卡片边界检测方法及装置 | |
CN107977895A (zh) | 车辆损毁信息的确定方法、装置及用户设备 | |
CN107247936A (zh) | 图像识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |