CN109271959A - 一种车辆偏移预警方法及装置 - Google Patents
一种车辆偏移预警方法及装置 Download PDFInfo
- Publication number
- CN109271959A CN109271959A CN201811161132.7A CN201811161132A CN109271959A CN 109271959 A CN109271959 A CN 109271959A CN 201811161132 A CN201811161132 A CN 201811161132A CN 109271959 A CN109271959 A CN 109271959A
- Authority
- CN
- China
- Prior art keywords
- image
- lane line
- target
- detected
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 208000001491 myopia Diseases 0.000 claims description 88
- 239000000284 extract Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004379 myopia Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transportation (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种车辆偏移预警方法及装置。所述方法包括:获取采集的待检测道路图像;通过对所述待检测道路图像进行灰度处理得到对应的灰度图像;确定所述灰度图像内的目标车道线;根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。本发明结合了车辆行驶环境中的目标车道线,进而在后续的车道线识别中可以增加车道线识别的准确率,减少了误告误检的频率,进而降低了车辆行驶过程中的风险。
Description
技术领域
本发明涉及车辆安全领域,特别是涉及一种车辆偏移预警方法及装置。
背景技术
ADAS又称之为高级辅助驾驶***,是利用摄像头、激光雷达等各式各样的传感器,ADAS已经普遍应用于车辆中,在汽车行驶过程中感测周边的环境,对驾驶的场景进行识别、车道线识别、物体检测与跟踪等等,甚至结合地图导航数据,GPS(全球定位***)来进行***性的分析,来预判可能造成的危险,以及为驾驶员提供交通便利的信息等等。
现有的车道线识别技术通常基于特定的环境,例如数据测试集中道路较为干净,光线均匀,车道线无车辆遮挡等等,而在多变的道路环境中,可能会导致车道线的识别不准确,增加了误告误检的频率,从而增加了车辆行驶过程中的风险。
发明内容
本发明提供一种车辆偏移预警方法及装置,以解决现有方案中车道线识别不准确,增加误告误检的频率,且增加了车辆行驶过程中的风险的问题。
为了解决上述问题,本发明公开了一种车辆偏移预警方法,应用于车辆,包括:获取采集的待检测道路图像;通过对所述待检测道路图像进行灰度处理得到对应的灰度图像;确定所述灰度图像内的目标车道线;根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。
优选地,所述确定所述灰度图像内的目标车道线的步骤,包括:确定所述灰度图像的近视场区域;提取所述近视场区域的车道线特征图像;通过对所述车道线特征图像中的车道线特征进行拟合处理得到所述目标车道线;获取目标车道线角度。
优选地,所述提取所述近视场区域中的车道线特征图像的步骤,包括:通过截取所述灰度图像的近视场区域得到近视场图像;通过方向可调滤波器提取所述近视场图像中的车道线特征图像。
优选地,在所述待检测道路图像为第一帧图像时,所述通过方向可调滤波器提取所述近视场图像中的车道线特征图像的步骤,包括:对所述近视场图像进行处理,以生成梯度图像;获取所述梯度图像内的多个特征角度;将所述多个特征角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
优选地,在所述待检测道路图像为非第一帧图像时,所述通过方向可调滤波器提取所述近视场图像的车道线特征图像的步骤,包括:获取根据上一帧待检测道路图像获取的目标车道线角度;将所述上一帧待检测道路图像的目标车道线角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到车道线特征图像。
优选地,所述根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警的步骤,包括:根据所述目标车道线确定所述车辆与所述目标车道线之间的第一距离;在所述第一距离满足第一阈值距离条件时,发出车辆偏移预警。
优选地,在所述确定所述灰度图像内的目标车道线的步骤之后,还包括:提取所述灰度图像内的多个特征点;将所述多个特征点输入预置检测器,以确定所述目标实体信息;根据所述目标实体信息确定所述车辆与目标实体之间的第二距离,在所述第二距离满足第二阈值距离条件时,发出车辆偏移预警。
优选地,所述获取待检测道路图像的步骤,包括:利用高级驾驶辅助***采集待检测道路图像。
为了解决上述问题,本发明实施例还公开了一种车辆偏移预警装置,应用于车辆,包括:道路图像获取模块,用于获取采集的待检测道路图像;灰度图像处理模块,用于通过对所述待检测道路图像进行灰度处理得到对应的灰度图像;目标车道线确定模块,用于确定所述灰度图像内的目标车道线;偏移预警模块,用于根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。
优选地,所述目标车道线确定模块包括:近视场区域确定子模块,用于确定所述灰度图像的近视场区域;特征图像提取子模块,用于提取所述近视场区域中的车道线特征图像;目标车道线获取子模块,用于通过对所述车道线特征图像中的车道线特征进行拟合处理得到所述目标车道线;获取目标车道线角度。
优选地,所述特征图像提取子模块包括:近视场图像截取子模块,用于通过截取所述灰度图像的近视场区域得到近视场图像;车道线特征图像提取子模块,用于通过方向可调滤波器提取所述近视场图像中的车道线特征图像。
优选地,在所述待检测道路图像为第一帧图像时,所述车道线特征图像提取子模块包括:梯度图像生成子模块,用于对所述近视场图像进行处理,以生成梯度图像;特征角度获取子模块,用于获取所述梯度图像内的多个特征角度;第一车道线图像获取子模块,用于将所述多个特征角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
优选地,在所述待检测道路图像为非第一帧图像时,所述车道线特征图像提取子模块包括:目标车道线角度获取子模块,用于获取根据上一帧待检测道路图像所获取的目标车道线角度;第一车道线特征获取子模块,用于将所述目标车道线角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
优选地,所述偏移预警模块包括:第一距离确定子模块,用于根据所述目标车道线确定所述车辆与所述目标车道线之间的第一距离;第一偏移预警子模块,用于在所述第一距离满足第一阈值距离条件时,发出车辆偏移预警。
优选地,还包括:特征点提取模块,用于提取所述灰度图像内的多个特征点;目标实体确定模块,用于将所述多个特征点输入预置检测器,以确定所述目标实体信息;第二偏移预警模块,用于根据所述目标实体信息确定所述车辆与目标实体之间的第二距离,在所述第二距离满足第二阈值距离条件时,发出车辆偏移预警。
为了解决上述问题,本发明实施例还公开了一种车辆,包括:拍摄装置,用于采集待检测道路图像;处理器;用户存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述任一项所述的车辆偏移预警方法。
与现有技术相比,本发明包括以下优点:
本发明实施例提供了一种车辆偏移预警方法及装置,通过获取采集的待检测道路图像,通过对待检测道路图像进行灰度处理得到对应的灰度图像,确定灰度图像内的目标车道线,并根据目标车道线及预警触发条件确定是否发出车辆偏移预警。相较于现有技术方案,本发明实施例结合了车辆行驶环境中的目标车道线,进而在后续的车道线识别中可以增加车道线识别的准确率,减少了误告误检的频率,进而降低了车辆行驶过程中的风险。
附图说明
图1示出了本发明实施例提供的一种车辆偏移预警方法的步骤流程图;
图2示出了本发明实施例提供的一种车辆偏移预警方法的步骤流程图;
图3示出了本发明实施例提供的一种车辆偏移预警装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了本发明实施例提供的一种车辆偏移预警方法的步骤流程图该车辆偏移预警方法可以应用于车辆,具体可以包括如下步骤:
步骤101:获取采集的待检测道路图像。
在本发明实施例中,车辆可以为家用轿车、货车、大巴等等,本发明对此不加以限制。
在车辆上可以预先安装摄像装置,以在车辆的行驶过程中实时采集车辆前方和侧方(即车辆左方和右方)的道路图像,以得到待检测道路图像。
在本发明的一种优选实施例中,摄像装置可以为高级驾驶辅助***(ADAS),ADAS是利用安装在车上的各式各样传感器,在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行***的运算与分析,从而预先让驾驶者察觉到可能发生的危险有效增加汽车驾驶的舒适性和安全性。
当然,在实际应用中,本领域技术人员也可以采用其它装置采集待检测道路图像,本发明对此不加以限制。
在获取待检测道路图像之后,执行步骤102。
步骤102:通过对所述待检测道路图像进行灰度处理得到对应的灰度图像。
在得到待检测道路图像之后,可以将待检测道路图像中的RGB(红绿蓝)三通道转换为灰度图像,进而完成待检测道路图像的灰度处理,以得到对应的灰度图像。
可以理解地,对待检测道路图像进行灰度处理的方案已经是本领域较为成熟的技术,现有技术中任何一种可以对待检测道路图像进行灰度处理的方案均可以应用于本发明,本发明实施例在此不再加以赘述。
在实际应用中,现有技术中任何一种可以将待检测道路图像转换为灰度图像的方案均可以应用于本发明,本发明实施例对此不加以限制。
在得到灰度图像之后,执行步骤103。
步骤103:确定所述灰度图像内的目标车道线。
在本发明实施例中,在得到灰度图像之后,可以按照预置的算法,如边缘分布函数、方向可调滤波器等从灰度图像中提取出目标车道线,具体地,将在下述实施例二中进行详细描述,本发明实施例在此不再加以赘述。
在本发明实施例的一种优选实施例中,在上述步骤103可以包括:
步骤M1:提取所述灰度图像内的多个特征点;
步骤M2:将所述多个特征点输入预置检测器,以确定所述目标实体信息;
步骤M3:根据所述目标实体信息确定所述车辆与目标实体之间的第二距离,在所述第二距离满足第二阈值距离条件时,发出车辆偏移预警。
在本发明实施例中,目标实体是指待检测道路图像中出现的其它车辆、行人等等,目标实体信息可以是其它车辆、行人与当前车辆的距离信息等等。
具体地,在对待检测图像进行灰度处理得到对应的灰度图像之后,可以提取灰度图像中的特征,并输入预先训练好车辆行人检测器中,进而可以确定出灰度图像中的目标实体信息。
预置检测器可以为车辆行人检测器,也可以为其它检测器,本发明实施例对此不加以限制。
在获取灰度图像之后,可以提取灰度图像内的多个特征点,接人将提取的多个特征点输入预置检测器中,从而可以产生不同目标实体检测的置信度与位置值,并配合车辆上的单目相机标定的参数,确定目标实体(即车辆和行人)在世界坐标系中的坐标,以确定目标实体的位置信息。
在确定灰度图像中各目标实体的位置之后,可以结合车辆上安装的摄像装置,计算出目标实体在世界坐标系中的位置,进而确定目标实体与车辆之间的第二距离。
在距离满足第二阈值距离条件时,则发出车辆偏移预警,具体地,可以在第二距离小于第二阈值距离时,则发出车辆偏移预警,例如,第二阈值距离为3m,而在目标实体与车辆之间的第二距离为4m,则不发出预警,而在目标实体与车辆之间的第二距离为2m时,则发出车辆偏移预警。
预警的方式可以采用特定的预警提示音,或鸣笛等方式,本领域技术人员可以根据实际情况自行设定,本发明实施例对此不加以限制。
在确定灰度图像内的目标车道线之后,执行步骤104。
步骤104:根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。
在***中还预先设置有预警触发条件,预警触发条件可以为第一阈值距离条件,即目标车道线与车辆之间的距离需要满足的条件,例如,在目标车道线与车辆之间的距离满足。具体地,将下述实施例二中进行详细描述,在此不再加以赘述。
本发明实施例提供的车辆偏移预警方法,通过获取采集的待检测道路图像,通过对待检测道路图像进行灰度处理得到对应的灰度图像,确定灰度图像内的目标车道线,并根据目标车道线及预警触发条件确定是否发出车辆偏移预警。相较于现有技术方案,本发明实施例结合了车辆行驶环境中的目标车道线,进而在后续的车道线识别中可以增加车道线识别的准确率,减少了误告误检的频率,进而降低了车辆行驶过程中的风险。
实施例二
参照图2,示出了本发明实施例提供的一种车辆偏移预警方法的步骤流程图该车辆偏移预警方法可以应用于车辆,具体可以包括如下步骤:
步骤201:获取采集的待检测道路图像。
步骤202:通过对所述待检测道路图像进行灰度处理得到对应的灰度图像。
在本发明实施例,上述步骤201~步骤202的具体实施方式与上述实施例一中步骤101~步骤102的具体实施方式相似,本发明实施例在此不加以赘述。
在得到灰度图像之后,执行步骤203。
步骤203:确定所述灰度图像的近视场区域。
在本发明实施例中,灰度图像内近视场区域是由人为设定的,例如距离车辆前方10米内为近视场区域,而在10米内出现其它车辆或行人,如距离车辆5米处检测到其它车辆,则将近视场区域压缩至5米,即将距离车辆前方5米内的区域确定为近视场区域。总体而言,车辆行人的优先级最高,近视场区域的距离选取均要先满足视场区域中无车辆行人的要求。
在确定灰度图像的近视场区域之后,执行步骤204。
步骤204:提取所述近视场区域中的车道线特征图像。
在确定灰度图像的近视场区域之后,从灰度图像的近视场区域内提取车道线特征图像。
而对于从近视场区域内提取车道线特征图像的方案以下述优选实施例进行详细描述。
在本发明实施例的一种优选实施例中,上述步骤204可以包括:
子步骤N1:通过截取所述灰度图像的近视场区域得到近视场图像;
子步骤N2:通过方向可调滤波器提取所述近视场图像中的车道线特征图像。
在本发明实施例中,在确定灰度图像内的近视场区域之后,可以对灰度图像进行截取操作,即将灰度图像对应的近视场区域进行截取,以得到仅包含近视场区域的近视场图像。
在***中预先设置有方向可调滤波器,方向可调滤波器可以由两组二维一阶高斯函数基滤波器组成,具体地,可以下述公式表示:
G(x,y)=exp(-(x2+y2)) (1)
Gx=-2x*exp(-(x2+y2)) (2)
Gy=-2y*exp(-(x2+y2)) (3)
Gθ=Gxcosθ+Gysinθ (4)
其中,G(x+y)为二维高斯函数,Gx、Gy为二维一阶高斯函数,Gx为0度方向上的基滤波器,Gy为90度方向上的基滤波器,θ为角度输入,Gθ为为输出的方向可调滤波核。对于近视场图像内的左右两组车道线采用不同的角度输入分别提取,从而可以得到近视场图像中的车道线特征图像。
当然,在通过方向可调滤波器提取近视场图像内的车道线特征图像之前,还需要对待检测道路图像是否为第一帧图像进行计算,在待检测道路图像为第一帧图像时,则对近视场图像内的各特征点进行识别,并统计各特征点的梯度,从而得到两组目标车道线角度,也即采用现有技术方案中的边缘分布函数对近视场图像内的各特征点进行计算处理,从而提取出对应的车道线特征图像,而对于具体的计算过程,本发明实施例不再做过多的描述。
在本发明实施例的一种优选实施例中,在所述待检测道路图像为第一帧图像时,上述子步骤N2可以包括:
子步骤S1:对所述近视场图像进行处理,以生成梯度图像。
在本发明实施例中,在得到近视场图像之后,还可以对近视场图像进行相应的处理,从而可以生成梯度图像。具体地,梯度图像的生成过程可以参照下述示例进行:
假设一张大小为400*400的原图X,像素点xi,j为图像中第i行,第j列的像素值,其对应的梯度图为Y(400*400),则:
其中,yij为梯度图Y的像素点值,该点对应的梯度角为:
然后对整张图的160000(400*400)个梯度角进行统计,统计梯度角分别为0,1,2,3,…..180度的个数。然后通过求图像的梯度,也就是使用差分法分别在图像的x,y方向求得图像的梯度分量,然后利用sqrt(x.^2+y.^2)就可以得到图像的梯度图。
而对图像进行处理生成梯度图像的技术已经是本领域较为成熟的技术,现有技术中其它任何一种可以将矫正后的近视场图像转换为梯度图像的方法均可以应用于本发明,本发明实施例在此不再加以赘述。
当然,在本发明实施例的一种优选实施例中,可以在生成梯度图像之前,对近视场图像进行gamma自适应矫正,继而可以对矫正的近视场图像进行如上述示例所述地操作,从而生成梯度图像。
在生成梯度图像之后,则执行子步骤S2。
子步骤S2:获取所述梯度图像内的多个特征角度。
在生成梯度图像之后,可以统计梯度图像内的梯度幅值,并依据梯度幅值获取多个梯度方向角度。然后对各所述梯度方向角度进行归一化处理,以生成特征图像。在多个梯度方向角度之后,可以对各梯度方向角度进行归一化处理,从而生成特征图像。
可以理解地,对于梯度方向角度进行归一化处理生成梯度图像的技术已经是本领域较为成熟的技术,本发明实施例在此不再加以赘述。
在获取到特征图像之后,可以获取特征图像中的多个特征角度,进而执行子步骤S3。
子步骤S3:将所述多个特征角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
将识别出的特征图像中的多个特征角度输入至方向可调滤波器,进而可以获取到近视场图像中的车道线特征图像。
具体地,上述特征角度即为目标车道线角度,在得到近视场图像内的两组目标车道线角度之后,可以将两组目标车道线角度输入方向可调滤波器,即代入上述公式(1)-(4)中,从而可以得到车道线特征图像。
在本发明实施例的另一种优选实施例中,在所述待检测道路图像为非第一帧图像时,上述子步骤N2可以包括:
子步骤P1:获取根据上一帧待检测道路图像所获取的目标车道线角度;
子步骤P2:将所述目标车道线角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理,以得到所述车道线特征图像。
在本发明实施例中,在待检测道路图像为非第一帧图像时,如第二帧、第五帧等等,还可以获取与该待检测道路图像相邻的上一帧待检测道路图像所获取的目标车道线角度,对于目标车道线角度的获取可以参照下述过程进行:
在从上一帧待检测道路图像提取车道线特征图像之后,还采用大津阈值算法将前景车道线特征点图像与背景分离。对上一帧待检测道路图像进行二值化处理,从而得到对应的二值化图像,将二值化图像进行霍夫极坐标空间变换,检测出投票峰值,用查表法获取霍夫直线的极坐标参数极轴ρ和偏转角θ。进而将极坐标参数极轴ρ和偏转角θ输入至方向可调滤波器,从而得到当前的近视场图像内的车道线特征图像。
在本发明中,仅对第一帧的待检测道路图像通过边缘分布函数进行处理,而对于后续的近视场图像通过结合霍夫极坐标空间的投票池来获取车道线偏转角度,来作为方向可调滤波器的角度输入。边缘分布函数仅仅在ADAS启动的初步图像中启用或者当霍夫车道线检测失效时启用。无需在每次获取车道线特征图像时,都进行边缘分布函数的计算,在后续图像并非第一帧图像的情况下,直接根据上一帧待检测道路图像获取的目标车道线角度作为输入,通过方向可调滤波器获取两个矩阵,即可获取到车道线特征图像,大大降低了整体***的计算量,提高了运行性能。
在提取近视场区域中的车道线特征图像之后,执行步骤205。
步骤205:通过对所述车道线特征图像中的车道线特征进行拟合处理得到所述目标车道线;
步骤206:获取目标车道线角度。
在本发明实施例中,对于车道线特征图像可以采用直线拟合方式对车道线特征进行拟合处理,从而得到近视场拟合车道线。
在获取车道线特征图像中的目标车道线之后,还可以基于车道线特征获取相应的目标车道线角度,而对于获取目标车道线角度的方案已经是本领域较为成熟的技术,本发明实施例在此不再加以详细描述。
当然,在实际应用中,本领域技术人员也可以采用其它方式对第一车道线特征进行拟合,本发明实施例对此不加以限制。
在得到目标车道线之后,执行步骤207。
步骤207:根据所述目标车道线确定所述车辆与所述目标车道线之间的第一距离。
步骤208:在所述第一距离满足第一阈值距离条件时,发出车辆偏移预警。
在本发明实施例中,第一阈值距离为预先设定的距离阈值,可以为3m、2m等等,本发明对此不加以限制。
在得到目标车道线之后,还可以计算车辆与目标车道线之间的第一距离,也即车辆在行驶过程中,车辆最左侧/最右侧与近视场拟合车道线之间的距离,在车辆与目标车道线之间的第一距离大于第一阈值距离时,则发出车辆偏移预警。例如,在第一阈值距离为3m,车辆与目标车道线的距离为4m时,则发出车辆偏移预警;而在车辆与目标车道线的距离为2m时,则不会进行车辆偏移预警。
本发明实施例提供的车辆偏移预警方法,通过获取采集的待检测道路图像,通过对待检测道路图像进行灰度处理得到对应的灰度图像,确定灰度图像内的目标车道线,并根据目标车道线及预警触发条件确定是否发出车辆偏移预警。相较于现有技术方案,本发明实施例结合了车辆行驶环境中的目标车道线,进而在后续的车道线识别中可以增加车道线识别的准确率,减少了误告误检的频率,进而降低了车辆行驶过程中的风险。
实施例三
参照图3,示出了本发明实施例提供的一种车辆偏移预警装置的结构示意图,具体可以包括:
道路图像获取模块310,用于获取采集的待检测道路图像;灰度图像处理模块320,用于通过对所述待检测道路图像进行灰度处理得到对应的灰度图像;目标车道线确定模块330,用于确定所述灰度图像内的目标车道线;偏移预警模块340,用于根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。
优选地,所述目标车道线确定模块330包括:近视场区域确定子模块,用于确定所述灰度图像的近视场区域;特征图像提取子模块,用于提取所述近视场区域中的车道线特征图像;目标车道线获取子模块,用于对所述车道线特征图像中的车道线特征进行拟合处理得到所述目标车道线;目标车道线角度获取子模块,用于获取目标车道线角度。
优选地,所述特征图像提取子模块包括:近视场图像截取子模块,用于通过截取所述灰度图像的近视场区域得到近视场图像;车道线特征图像提取子模块,用于通过方向可调滤波器提取所述近视场图像中的车道线特征图像。
优选地,在所述待检测道路图像为第一帧图像时,所述车道线特征图像提取子模块包括:特征角度获取子模块,用于获取所述梯度图像内的多个特征角度;车道线图像获取子模块,用于将所述多个特征角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
优选地,在所述待检测道路图像为非第一帧图像时,所述车道线特征图像提取子模块包括:目标车道线角度获取子模块,用于获取根据上一帧待检测道路图像所获取的目标车道线角度;第一车道线特征获取子模块,用于将所述目标车道线角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
优选地,所述偏移预警模块340包括:第一距离确定子模块,用于根据所述目标车道线确定所述车辆与所述目标车道线之间的第一距离;第一偏移预警子模块,用于在所述第一距离满足第一阈值距离条件时,发出车辆偏移预警。
优选地,还包括:特征点提取模块,用于提取所述灰度图像内的多个特征点;目标实体确定模块,用于将所述多个特征点输入预置检测器,以确定所述目标实体信息;第二偏移预警模块,用于根据所述目标实体信息确定所述车辆与目标实体之间的第二距离,在所述第二距离满足第二阈值距离条件时,发出车辆偏移预警。
本发明实施例提供的车辆偏移预警装置,通过获取采集的待检测道路图像,通过对待检测道路图像进行灰度处理得到对应的灰度图像,确定灰度图像内的目标车道线,并根据目标车道线及预警触发条件确定是否发出车辆偏移预警。相较于现有技术方案,本发明实施例结合了车辆行驶环境中的目标车道线,进而在后续的车道线识别中可以增加车道线识别的准确率,减少了误告误检的频率,进而降低了车辆行驶过程中的风险。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在本发明的另一实施例中,还公开了一种电子设备,包括:拍摄装置,用于采集待检测道路图像;处理器;用户存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述任一项所述的车辆偏移预警方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种车辆偏移预警方法和一种车辆偏移预警装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种车辆偏移预警方法,应用于车辆,其特征在于,包括:
获取采集的待检测道路图像;
通过对所述待检测道路图像进行灰度处理得到对应的灰度图像;
确定所述灰度图像内的目标车道线;
根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。
2.根据权利要求1所述的方法,其特征在于,所述确定所述灰度图像内的目标车道线的步骤,包括:
确定所述灰度图像的近视场区域;
提取所述近视场区域的车道线特征图像;
通过对所述车道线特征图像中的车道线特征进行拟合处理得到所述目标车道线;
获取目标车道线角度。
3.根据权利要求2所述的方法,其特征在于,所述提取所述近视场区域中的车道线特征图像的步骤,包括:
通过截取所述灰度图像的近视场区域得到近视场图像;
通过方向可调滤波器提取所述近视场图像中的车道线特征图像。
4.根据权利要求4所述的方法,其特征在于,在所述待检测道路图像为第一帧图像时,所述提取所述近视场图像中的车道线特征图像的步骤,包括:
对所述近视场图像进行处理,以生成梯度图像;
获取所述梯度图像内的多个特征角度;
将所述多个特征角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
5.根据权利要求4所述的方法,其特征在于,在所述待检测道路图像为非第一帧图像时,所述提取所述近视场图像的车道线特征图像的步骤,包括:
获取根据上一帧待检测道路图像获取的目标车道线角度;
将所述上一帧待检测道路图像的目标车道线角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到车道线特征图像。
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警的步骤,包括:
根据所述目标车道线确定所述车辆与所述目标车道线之间的第一距离;
在所述第一距离满足第一阈值距离条件时,发出车辆偏移预警。
7.根据权利要求1所述的方法,其特征在于,在所述确定所述灰度图像内的目标车道线的步骤之后,还包括:
提取所述灰度图像内的多个特征点;
将所述多个特征点输入预置检测器,以确定所述目标实体信息;
根据所述目标实体信息确定所述车辆与目标实体之间的第二距离,在所述第二距离满足第二阈值距离条件时,发出车辆偏移预警。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述获取待检测道路图像的步骤,包括:
利用高级驾驶辅助***采集待检测道路图像。
9.一种车辆偏移预警装置,应用于车辆,其特征在于,包括:
道路图像获取模块,用于获取采集的待检测道路图像;
灰度图像处理模块,用于通过对所述待检测道路图像进行灰度处理得到对应的灰度图像;
目标车道线确定模块,用于确定所述灰度图像内的目标车道线;
偏移预警模块,用于根据所述目标车道线及预警触发条件,确定是否发出车辆偏移预警。
10.根据权利要求9所述的装置,其特征在于,所述目标车道线确定模块包括:
近视场区域确定子模块,用于确定所述灰度图像的近视场区域;
特征图像提取子模块,用于提取所述近视场区域中的车道线特征图像;
目标车道线获取子模块,用于通过对所述车道线特征图像中的车道线特征进行拟合处理得到所述目标车道线;
目标车道线角度获取子模块,用于获取目标车道线角度。
11.根据权利要求10所述的装置,其特征在于,所述特征图像提取子模块包括:
近视场图像截取子模块,用于通过截取所述灰度图像的近视场区域得到近视场图像;
车道线特征图像提取子模块,用于通过方向可调滤波器提取所述近视场图像中的车道线特征图像。
12.根据权利要求11所述的装置,其特征在于,在所述待检测道路图像为第一帧图像时,所述车道线特征图像提取子模块包括:
梯度图像生成子模块,用于对所述近视场图像进行处理,以生成梯度图像;
特征角度获取子模块,用于获取所述梯度图像内的多个特征角度;
车道线图像获取子模块,用于将所述多个特征角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
13.根据权利要求11所述的装置,其特征在于,在所述待检测道路图像为非第一帧图像时,所述车道线特征图像提取子模块包括:
目标车道线角度获取子模块,用于获取根据上一帧待检测道路图像所获取的目标车道线角度;
第一车道线特征获取子模块,用于将所述目标车道线角度输入所述方向可调滤波器,根据所述方向可调滤波器对所述近视场图像进行处理得到所述车道线特征图像。
14.根据权利要求10所述的装置,其特征在于,所述偏移预警模块包括:
第一距离确定子模块,用于根据所述目标车道线确定所述车辆与所述目标车道线之间的第一距离;
第一偏移预警子模块,用于在所述第一距离满足第一阈值距离条件时,发出车辆偏移预警。
15.根据权利要求9所述的装置,其特征在于,还包括:
特征点提取模块,用于提取所述灰度图像内的多个特征点;
目标实体确定模块,用于将所述多个特征点输入预置检测器,以确定所述目标实体信息;
第二偏移预警模块,用于根据所述目标实体信息确定所述车辆与目标实体之间的第二距离,在所述第二距离满足第二阈值距离条件时,发出车辆偏移预警。
16.一种车辆,其特征在于,包括:
拍摄装置,用于采集待检测道路图像;
处理器;
用户存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行如权利要求1‐8任一项所述的车辆偏移预警方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811161132.7A CN109271959A (zh) | 2018-09-30 | 2018-09-30 | 一种车辆偏移预警方法及装置 |
US16/383,554 US10759448B2 (en) | 2018-09-30 | 2019-04-12 | Method and apparatus for early warning of vehicle offset |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811161132.7A CN109271959A (zh) | 2018-09-30 | 2018-09-30 | 一种车辆偏移预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109271959A true CN109271959A (zh) | 2019-01-25 |
Family
ID=65195059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811161132.7A Pending CN109271959A (zh) | 2018-09-30 | 2018-09-30 | 一种车辆偏移预警方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10759448B2 (zh) |
CN (1) | CN109271959A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111137279A (zh) * | 2020-01-02 | 2020-05-12 | 广州赛特智能科技有限公司 | 港口无人集卡站点停车方法及*** |
CN113428177A (zh) * | 2021-07-16 | 2021-09-24 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN113744499A (zh) * | 2021-08-12 | 2021-12-03 | 科大讯飞股份有限公司 | 一种疲劳预警方法、眼镜、***和计算机可读存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112546643B (zh) * | 2020-12-29 | 2022-04-29 | 深圳市创客工场科技有限公司 | 模型车巡线方法及装置 |
CN113221748B (zh) * | 2021-05-13 | 2024-05-31 | 江苏金晓电子信息股份有限公司 | 一种基于图像处理的车检雷达车道识别方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060106518A1 (en) * | 2004-11-18 | 2006-05-18 | Gentex Corporation | Image acquisition and processing systems for vehicle equipment control |
CN102303609A (zh) * | 2011-06-16 | 2012-01-04 | 广东铁将军防盗设备有限公司 | 车道偏离预警***及方法 |
CN104077756A (zh) * | 2014-07-16 | 2014-10-01 | 中电海康集团有限公司 | 一种基于车道线置信度的方向滤波方法 |
CN104978562A (zh) * | 2014-04-08 | 2015-10-14 | 阿尔斯通运输科技简易股份公司 | 用于检测铁路车辆所行驶的轨道的方法 |
CN105151049A (zh) * | 2015-08-27 | 2015-12-16 | 嘉兴艾特远信息技术有限公司 | 基于驾驶员脸部特征和车道偏离检测的预警*** |
CN105730451A (zh) * | 2014-12-09 | 2016-07-06 | 比亚迪股份有限公司 | 车辆和检测车辆偏移车道的装置 |
CN105966398A (zh) * | 2016-06-21 | 2016-09-28 | 广州鹰瞰信息科技有限公司 | 一种对车辆偏离车道进行预警的方法和装置 |
CN107292214A (zh) * | 2016-03-31 | 2017-10-24 | 比亚迪股份有限公司 | 车道偏离检测方法、装置及车辆 |
US20180178785A1 (en) * | 2016-12-28 | 2018-06-28 | Automotive Research & Testing Center | System for detecting lane line of road and method thereof |
US20180204075A1 (en) * | 2017-01-16 | 2018-07-19 | Soken, Inc. | Apparatus and method for recognizing travel lane |
CN108297867A (zh) * | 2018-02-11 | 2018-07-20 | 江苏金羿智芯科技有限公司 | 一种基于人工智能的车道偏离预警方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3690283B2 (ja) * | 2001-01-18 | 2005-08-31 | 日産自動車株式会社 | 車線追従制御装置 |
DE50309206D1 (de) * | 2002-06-11 | 2008-04-03 | Bosch Gmbh Robert | Verfahren und vorrichtung zur fahrerinformation bzw. zur reaktion bei verlassen der fahrspur |
US7561032B2 (en) * | 2005-09-26 | 2009-07-14 | Gm Global Technology Operations, Inc. | Selectable lane-departure warning system and method |
US9077958B2 (en) * | 2010-08-30 | 2015-07-07 | Honda Motor Co., Ltd. | Road departure warning system |
US20180273051A1 (en) * | 2017-03-24 | 2018-09-27 | Bendix Commercial Vehicle Sytems LLC | Controller and Method of Setting an Intervention Zone in a Lane Departure Warning System |
-
2018
- 2018-09-30 CN CN201811161132.7A patent/CN109271959A/zh active Pending
-
2019
- 2019-04-12 US US16/383,554 patent/US10759448B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060106518A1 (en) * | 2004-11-18 | 2006-05-18 | Gentex Corporation | Image acquisition and processing systems for vehicle equipment control |
CN102303609A (zh) * | 2011-06-16 | 2012-01-04 | 广东铁将军防盗设备有限公司 | 车道偏离预警***及方法 |
CN104978562A (zh) * | 2014-04-08 | 2015-10-14 | 阿尔斯通运输科技简易股份公司 | 用于检测铁路车辆所行驶的轨道的方法 |
CN104077756A (zh) * | 2014-07-16 | 2014-10-01 | 中电海康集团有限公司 | 一种基于车道线置信度的方向滤波方法 |
CN105730451A (zh) * | 2014-12-09 | 2016-07-06 | 比亚迪股份有限公司 | 车辆和检测车辆偏移车道的装置 |
CN105151049A (zh) * | 2015-08-27 | 2015-12-16 | 嘉兴艾特远信息技术有限公司 | 基于驾驶员脸部特征和车道偏离检测的预警*** |
CN107292214A (zh) * | 2016-03-31 | 2017-10-24 | 比亚迪股份有限公司 | 车道偏离检测方法、装置及车辆 |
CN105966398A (zh) * | 2016-06-21 | 2016-09-28 | 广州鹰瞰信息科技有限公司 | 一种对车辆偏离车道进行预警的方法和装置 |
US20180178785A1 (en) * | 2016-12-28 | 2018-06-28 | Automotive Research & Testing Center | System for detecting lane line of road and method thereof |
US20180204075A1 (en) * | 2017-01-16 | 2018-07-19 | Soken, Inc. | Apparatus and method for recognizing travel lane |
CN108297867A (zh) * | 2018-02-11 | 2018-07-20 | 江苏金羿智芯科技有限公司 | 一种基于人工智能的车道偏离预警方法及*** |
Non-Patent Citations (3)
Title |
---|
席军强等: "《车辆信息技术》", 31 December 2013 * |
罗才彬等: "一种高速公路车道延伸方向的判断方法", 《合肥工业大学学报(自然科学版)》 * |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111137279A (zh) * | 2020-01-02 | 2020-05-12 | 广州赛特智能科技有限公司 | 港口无人集卡站点停车方法及*** |
CN111137279B (zh) * | 2020-01-02 | 2021-01-29 | 广州赛特智能科技有限公司 | 港口无人集卡站点停车方法及*** |
CN113428177A (zh) * | 2021-07-16 | 2021-09-24 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN113428177B (zh) * | 2021-07-16 | 2023-03-14 | 中汽创智科技有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN113744499A (zh) * | 2021-08-12 | 2021-12-03 | 科大讯飞股份有限公司 | 一种疲劳预警方法、眼镜、***和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10759448B2 (en) | 2020-09-01 |
US20200101983A1 (en) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271959A (zh) | 一种车辆偏移预警方法及装置 | |
US11967109B2 (en) | Vehicle localization using cameras | |
CN106919915B (zh) | 基于adas***的地图道路标记及道路质量采集装置及方法 | |
CN107577988B (zh) | 实现侧方车辆定位的方法、装置及存储介质、程序产品 | |
EP3007099B1 (en) | Image recognition system for a vehicle and corresponding method | |
CN104965202B (zh) | 障碍物探测方法和装置 | |
Park et al. | In‐vehicle AR‐HUD system to provide driving‐safety information | |
CN101776438B (zh) | 道路标线测量装置及其测量方法 | |
US20170206440A1 (en) | Fixation generation for machine learning | |
CN107392139B (zh) | 一种基于霍夫变换的车道线检测方法及终端设备 | |
US9336630B2 (en) | Method and apparatus for providing augmented reality | |
WO2019000945A1 (zh) | 车载摄像机测距方法及装置、存储介质和电子设备 | |
JP4869745B2 (ja) | 俯角算出装置、俯角算出方法、俯角算出プログラムおよび画像処理装置 | |
JP2009075938A (ja) | 道路形状推定装置 | |
KR101995223B1 (ko) | 보행자 검출 시스템 및 모듈, 방법, 컴퓨터프로그램 | |
US20170103271A1 (en) | Driving assistance system and driving assistance method for vehicle | |
JP2013137767A (ja) | 障害物検出方法及び運転者支援システム | |
CN112906777A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN112634359A (zh) | 车辆防碰撞预警方法、装置、终端设备及存储介质 | |
CN114919584A (zh) | 机动车定点目标测距方法、装置及计算机可读存储介质 | |
Mahajan et al. | Lane departure warning system | |
CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 | |
KR102003387B1 (ko) | 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체 | |
CN111256651B (zh) | 一种基于单目车载摄像头的周车测距方法和装置 | |
CN107452230B (zh) | 一种障碍物检测方法、装置、终端设备及存储介质 |
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 |