CN111738057A - 一种基于路边特征的车道线校正方法和装置 - Google Patents
一种基于路边特征的车道线校正方法和装置 Download PDFInfo
- Publication number
- CN111738057A CN111738057A CN202010365636.1A CN202010365636A CN111738057A CN 111738057 A CN111738057 A CN 111738057A CN 202010365636 A CN202010365636 A CN 202010365636A CN 111738057 A CN111738057 A CN 111738057A
- Authority
- CN
- China
- Prior art keywords
- lane line
- information
- roadside
- control module
- module
- 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 30
- 238000000926 separation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于路边特征的车道线校正方法和装置,具体包括以下步骤:步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若所述车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。与现有技术相比,本发明具有有效改善车道线识别对现有车道线的依赖、提升车辆的车道线识别率等优点。
Description
技术领域
本发明涉及汽车驾驶技术领域,尤其是涉及一种基于路边特征的车道线校正方法和装置。
背景技术
目前,车道线识别主要依赖车道线特征提取的方法,但有些情况下,地上车道线标示不清或未划有车道线,在这些情况下,常见的车道线特征提取方法将失效。另外,有时车道线特征提取造成的时间延迟较大,将会影响各软件模块之间的实时运作。
中国专利CN201810447923.X公开了一种无人驾驶车辆定位方法及设备,将车辆视觉信息和车载雷达信息融合到车载地图信息中,生成车辆定位信息,完成对当前车辆的精确定位,但是缺少对车辆视觉信息的充分利用。
发明内容
本发明的目的就是为了克服上述现有技术存在的车道线特征提取方法在地上车道线标示不清或未划有车道线时会失效的缺陷而提供一种基于路边特征的车道线校正方法和装置。
本发明的目的可以通过以下技术方案来实现:
一种基于路边特征的车道线校正方法,具体包括以下步骤:
步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若所述车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;
步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;
步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。
所述路边特征物体信息包括路沿信息和中央分隔块信息。
进一步地,所述路沿信息包括左侧路沿信息和右侧路沿信息。
进一步地,所述中央分隔块信息存在时,将中央分隔块信息和右侧路沿信息发送至行驶控制模块;所述中央分隔块信息不存在时,将左侧路沿信息和右侧路沿信息发送至行驶控制模块。
所述行驶控制模块分别与车道线识别模块、车道线校正模块连接,所述车道线识别模块与车道线校正模块连接。
所述车道线识别模块设有车道线信息数据库。
进一步地,所述车道线信息数据库按10秒为一组记录路面图像的车道线信息。
进一步地,所述车道线信息的清晰度的计算公式如下:
其中,C为车道线信息的清晰度,IR为上一组车道线信息的平均码率,IT为当前车道线信息的平均码率。
所述车道线信息的清晰度的安全阈值为80%。
一种使用所述基于路边特征的车道线校正方法的装置,包括存储器和处理器,所述存储器包括车道线识别模块和车道线校正模块,所述处理器包括行驶控制模块,所述方法以计算机程序的形式储存于存储器中,并由处理器执行,执行时实现以下步骤:
步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若所述车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;
步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;
步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。
与现有技术相比,本发明捕捉与车道线平行的路边特征物体,通过将路沿信息和中央分隔块信息向内平移,推估车道线位置,对当前车道线清晰度不足区域进行车道线校正,有效改善只依赖车道线识别的电脑视觉方法,在车道线标示不清或无车道线的情况下,提升车辆的车道线识别率。
附图说明
图1为本发明方法的流程示意图;
图2为本发明装置的结构示意图;
图3为本发明车道线存在时的示意图;
图4为本发明车道线不存在时的示意图。
附图标记:
1-路边特征物体;2-车道线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,一种基于路边特征的车道线校正方法,有效改善只依赖车道线识别的电脑视觉方法,在如图3和图4所示的车道线标示不清或无车道线的情况下,提升车辆的车道线识别率,具体包括以下步骤:
步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;
步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;
步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。
路边特征物体信息包括路沿信息和中央分隔块信息。
路沿信息包括左侧路沿信息和右侧路沿信息。
中央分隔块信息存在时,将中央分隔块信息和右侧路沿信息发送至行驶控制模块;中央分隔块信息不存在时,将左侧路沿信息和右侧路沿信息发送至行驶控制模块。
行驶控制模块分别与车道线识别模块、车道线校正模块连接,车道线识别模块与车道线校正模块连接。
车道线识别模块设有车道线信息数据库。
车道线信息数据库按10秒为一组记录路面图像的车道线信息,避免因时间跨度较小,由车道线的间隔误触发车道线校正模块。
车道线信息的清晰度的计算公式如下:
其中,C为车道线信息的清晰度,IR为上一组车道线信息的平均码率,IT为当前车道线信息的平均码率,码率与清晰度成正比。
车道线信息的清晰度的安全阈值为80%。
如图2所示,一种使用基于路边特征的车道线校正方法的装置,包括存储器和处理器,存储器包括车道线识别模块和车道线校正模块,处理器包括行驶控制模块,方法以计算机程序的形式储存于存储器中,并由处理器执行,执行时实现以下步骤:
步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;
步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;
步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等小变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于路边特征的车道线校正方法,其特征在于,具体包括以下步骤:
步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若所述车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;
步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;
步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。
2.根据权利要求1所述的一种基于路边特征的车道线校正方法,其特征在于,所述路边特征物体信息包括路沿信息和中央分隔块信息。
3.根据权利要求2所述的一种基于路边特征的车道线校正方法,其特征在于,所述路沿信息包括左侧路沿信息和右侧路沿信息。
4.根据权利要求3所述的一种基于路边特征的车道线校正方法,其特征在于,所述中央分隔块信息存在时,将中央分隔块信息和右侧路沿信息发送至行驶控制模块;所述中央分隔块信息不存在时,将左侧路沿信息和右侧路沿信息发送至行驶控制模块。
5.根据权利要求1所述的一种基于路边特征的车道线校正方法,其特征在于,所述行驶控制模块分别与车道线识别模块、车道线校正模块连接,所述车道线识别模块与车道线校正模块连接。
6.根据权利要求1所述的一种基于路边特征的车道线校正方法,其特征在于,所述车道线识别模块设有车道线信息数据库。
7.根据权利要求6所述的一种基于路边特征的车道线校正方法,其特征在于,所述车道线信息数据库按10秒为一组记录路面图像的车道线信息。
9.根据权利要求1所述的一种基于路边特征的车道线校正方法,其特征在于,所述车道线信息的清晰度的安全阈值为80%。
10.一种使用如权利要求1-9任一所述的基于路边特征的车道线校正方法的装置,其特征在于,包括存储器和处理器,所述存储器包括车道线识别模块和车道线校正模块,所述处理器包括行驶控制模块,所述方法以计算机程序的形式储存于存储器中,并由处理器执行,执行时实现以下步骤:
步骤S1:车道线识别模块根据拍摄的路面图像获取车道线信息,并将车道线信息发送至行驶控制模块,若所述车道线信息的清晰度小于设定阈值,车道线识别模块发送辅助校正指令至车道线校正模块;
步骤S2:车道线校正模块根据拍摄的路面图像获取路边特征物体信息,并将路边特征物体信息发送至行驶控制模块;
步骤S3:行驶控制模块根据路边特征物体信息对行驶路线进行模拟,生成模拟行驶路线,根据模拟行驶路线对车道线清晰度不足区域进行车道线校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010365636.1A CN111738057A (zh) | 2020-04-30 | 2020-04-30 | 一种基于路边特征的车道线校正方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010365636.1A CN111738057A (zh) | 2020-04-30 | 2020-04-30 | 一种基于路边特征的车道线校正方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111738057A true CN111738057A (zh) | 2020-10-02 |
Family
ID=72646975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010365636.1A Pending CN111738057A (zh) | 2020-04-30 | 2020-04-30 | 一种基于路边特征的车道线校正方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738057A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132109A (zh) * | 2020-10-10 | 2020-12-25 | 北京百度网讯科技有限公司 | 车道线处理和车道定位方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102667888A (zh) * | 2009-11-27 | 2012-09-12 | 丰田自动车株式会社 | 驾驶辅助装置以及驾驶辅助方法 |
KR101209062B1 (ko) * | 2012-07-24 | 2012-12-06 | 주식회사 피엘케이 테크놀로지 | 영상인식 정보를 이용한 gps 보정 시스템 및 방법 |
CN106696961A (zh) * | 2016-12-09 | 2017-05-24 | 重庆长安汽车股份有限公司 | 高速公路自动驾驶上下匝道控制***及方法 |
CN108873896A (zh) * | 2018-06-15 | 2018-11-23 | 驭势科技(北京)有限公司 | 一种车道线模拟方法、装置及存储介质 |
CN110562251A (zh) * | 2018-06-05 | 2019-12-13 | 广州小鹏汽车科技有限公司 | 一种自动驾驶方法及装置 |
-
2020
- 2020-04-30 CN CN202010365636.1A patent/CN111738057A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102667888A (zh) * | 2009-11-27 | 2012-09-12 | 丰田自动车株式会社 | 驾驶辅助装置以及驾驶辅助方法 |
KR101209062B1 (ko) * | 2012-07-24 | 2012-12-06 | 주식회사 피엘케이 테크놀로지 | 영상인식 정보를 이용한 gps 보정 시스템 및 방법 |
CN106696961A (zh) * | 2016-12-09 | 2017-05-24 | 重庆长安汽车股份有限公司 | 高速公路自动驾驶上下匝道控制***及方法 |
CN110562251A (zh) * | 2018-06-05 | 2019-12-13 | 广州小鹏汽车科技有限公司 | 一种自动驾驶方法及装置 |
CN108873896A (zh) * | 2018-06-15 | 2018-11-23 | 驭势科技(北京)有限公司 | 一种车道线模拟方法、装置及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132109A (zh) * | 2020-10-10 | 2020-12-25 | 北京百度网讯科技有限公司 | 车道线处理和车道定位方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443225B (zh) | 一种基于特征像素统计的虚实车道线识别方法及其装置 | |
CN108073928B (zh) | 一种车牌识别方法及装置 | |
CN111815959B (zh) | 一种车辆违章的检测方法、装置以及计算机可读存储介质 | |
CN105718872B (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及*** | |
WO2019183751A1 (zh) | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 | |
CN104240515B (zh) | 基于图像处理的公交专用道占道抓拍方法 | |
CN112966631A (zh) | 一种无限制安防场景下的车牌检测识别***及其方法 | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN110458050B (zh) | 基于车载视频的车辆切入检测方法及装置 | |
CN101727581B (zh) | 基于字符预分割的车牌倾斜校正方法 | |
CN111435446A (zh) | 一种基于LeNet车牌识别方法及装置 | |
CN113221750A (zh) | 车辆追踪方法、装置、设备及存储介质 | |
CN110610153A (zh) | 一种用于自动驾驶的车道识别方法及*** | |
CN113128507A (zh) | 一种车牌识别方法、装置、电子设备及存储介质 | |
CN111738057A (zh) | 一种基于路边特征的车道线校正方法和装置 | |
CN114638934A (zh) | 一种3D激光slam建图中动态障碍物的后处理方法 | |
CN203020184U (zh) | 一种基于双ccd的纯电动汽车车道标识线检测装置 | |
CN112528994A (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别*** | |
US20230245323A1 (en) | Object tracking device, object tracking method, and storage medium | |
CN111243316A (zh) | 一种导航***道路限速值是否需要实时更新的判断方法 | |
CN115830555A (zh) | 基于雷达点云的目标识别方法、存储介质及设备 | |
CN113313016B (zh) | 摄像头脏污识别方法、电子设备及车辆 | |
WO2022142827A1 (zh) | 占道信息确定方法和装置 | |
CN115909241A (zh) | 一种车道线检测方法、***、电子设备和存储介质 | |
CN111611942B (zh) | 一种透视自适应车道骨架提取建库的方法 |
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 |