CN112215144B - 一种处理车道线的方法及*** - Google Patents
一种处理车道线的方法及*** Download PDFInfo
- Publication number
- CN112215144B CN112215144B CN202011083979.5A CN202011083979A CN112215144B CN 112215144 B CN112215144 B CN 112215144B CN 202011083979 A CN202011083979 A CN 202011083979A CN 112215144 B CN112215144 B CN 112215144B
- Authority
- CN
- China
- Prior art keywords
- binary image
- lane line
- region
- effective
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- PMGQWSIVQFOFOQ-YKVZVUFRSA-N clemastine fumarate Chemical compound OC(=O)\C=C\C(O)=O.CN1CCC[C@@H]1CCO[C@@](C)(C=1C=CC(Cl)=CC=1)C1=CC=CC=C1 PMGQWSIVQFOFOQ-YKVZVUFRSA-N 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种处理车道线的方法及***，该方法为：对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域；确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图；对感兴趣区域进行栅格划分处理，得到多个栅格；根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格；遍历所有栅格，确定包含轮廓信息的有效栅格；利用有效栅格对应的轮廓信息，确定车道线轮廓信息；通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
Description
技术领域
本发明涉及智能驾驶技术领域，具体涉及一种处理车道线的方法及***。
背景技术
随着科学技术的发展，高级辅助驾驶、自动驾驶和增强现实技术(AugmentedReality，AR)导航等技术成为智能驾驶领域中的热门话题，车道线的检测在前述技术的应用中发挥着重要作用。
目前检测车道线的方式为：基于特征或先验模型的传统车道线检测方法，通过标定相机后将采集的图像进行逆透视变换处理成鸟瞰图，再利用Hough变换建立直线模型或基于贝塞尔曲线模型进行车道线的检测。但是，前述检测车道线的方式需要频繁标定相机，检测车道线时需要花费大量的时间和占用较多的处理内存，检测车道线的效率低下。
发明内容
有鉴于此，本发明实施例提供一种处理车道线的方法及***，以解决现有检测车道线的方式存在的检测车道线的效率低等问题。
为实现上述目的，本发明实施例提供如下技术方案：
本发明实施例第一方面公开一种处理车道线的方法，所述方法包括：
对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，所述感兴趣区域包括近端区域、较远端区域和最远端区域，所述有效区域包括近端有效区域、较远端有效区域和最远端有效区域；
确定所述有效区域的初始二值图，并对所述初始二值图中的连通域进行过滤得到最终二值图；
对所述感兴趣区域进行栅格划分处理，得到多个栅格；
根据所述最终二值图的连通域的轮廓信息，确定所述最终二值图中每一连通域所属的所述栅格，其中，每个所述栅格只保留一个所述最终二值图中的连通域的轮廓信息；
遍历所有所述栅格，确定包含所述轮廓信息的有效栅格；
利用所述有效栅格对应的所述轮廓信息，确定车道线轮廓信息，所述车道线轮廓信息至少包括车道线轮廓点、车道线起点和车道线终点；
通过所述车道线轮廓信息拟合得到车道线和车道线参数方程。
优选的，所述确定所述有效区域的初始二值图，并对所述初始二值图中的连通域进行过滤得到最终二值图，包括：
利用预设的二值图转换函数，将所述有效区域转换为初始二值图；
确定所述初始二值图的连通域的轮廓信息；
根据所述有效区域的高度信息和所述轮廓信息，过滤所述初始二值图中面积小于面积阈值的连通域，得到最终二值图。
优选的，所述根据所述最终二值图的连通域的轮廓信息，确定所述最终二值图中每一连通域所属的所述栅格，包括：
提取所述最终二值图中每一连通域的轮廓，并计算所述最终二值图中每一连通域的轮廓对应的外接矩形；
针对所述最终二值图中每一连通域，利用所述连通域对应的外接矩形，确定所述连通域的轮廓信息，所述轮廓信息至少包括外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标；
利用所述最终二值图的连通域对应的所述质心坐标，结合所述有效区域的高度信息，确定所述最终二值图中每一连通域所属的所述栅格。
优选的，所述对所述感兴趣区域进行栅格划分处理，得到多个栅格，包括：
将所述近端区域划分为n个栅格，以及分别将所述较远端有效区域和所述最远端有效区域划分为m个栅格，n和m为正整数。
优选的，所述对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，包括：
根据实时采集得到的路况图像中的天际线，提取所述路况图像中的感兴趣区域；
根据预设的区域划分规则，从左至右将所述感兴趣区域划分为三部分，并确定划分后的所述感兴趣区域的中间部分区域为有效区域。
优选的，所述利用所述有效栅格对应的所述轮廓信息，确定车道线轮廓信息，包括：
利用所述近端区域对应的所述有效栅格所包含的所述轮廓信息，确定所述近端区域对应的车道线轮廓信息；
利用所述较远端有效区域对应的所述有效栅格所包含的所述轮廓信息，确定所述较远端有效区域对应的车道线轮廓信息；
利用所述最远端有效区域对应的所述有效栅格所包含的所述轮廓信息，确定所述最远端有效区域对应的车道线轮廓信息。
优选的，所述通过所述车道线轮廓信息拟合得到车道线和车道线参数方程，包括：
通过所述车道线起点和所述车道线终点，确定利用直线拟合方式或曲线拟合方式拟合所述车道线轮廓点得到车道线；
基于所述车道线轮廓点、所述车道线起点和所述车道线终点，通过随机采样一致性RANSAC拟合得到车道线参数方程。
本发明实施例第二方面公开一种处理车道线的***，所述***包括：
预处理单元，用于对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，所述感兴趣区域包括近端区域、较远端区域和最远端区域，所述有效区域包括近端有效区域、较远端有效区域和最远端有效区域；
处理单元，用于确定所述有效区域的初始二值图，并对所述初始二值图中的连通域进行过滤得到最终二值图；
划分单元，用于对所述感兴趣区域进行栅格划分处理，得到多个栅格；
第一确定单元，用于根据所述最终二值图的连通域的轮廓信息，确定所述最终二值图中每一连通域所属的所述栅格，其中，每个所述栅格只保留一个所述最终二值图中的连通域的轮廓信息；
第二确定单元，用于遍历所有所述栅格，确定包含所述轮廓信息的有效栅格；
第三确定单元，用于利用所述有效栅格对应的所述轮廓信息，确定车道线轮廓信息，所述车道线轮廓信息至少包括车道线轮廓点、车道线起点和车道线终点；
拟合单元，用于通过所述车道线轮廓信息拟合得到车道线和车道线参数方程。
优选的，所述处理单元包括：
转换模块，用于利用预设的二值图转换函数，将所述有效区域转换为初始二值图；
确定模块，用于确定所述初始二值图的连通域的轮廓信息；
过滤模块，用于根据所述有效区域的高度信息和所述轮廓信息，过滤所述初始二值图中面积小于面积阈值的连通域，得到最终二值图。
优选的，所述第一确定单元包括：
处理模块，用于提取所述最终二值图中每一连通域的轮廓，并计算所述最终二值图中每一连通域的轮廓对应的外接矩形；
第一确定模块，用于针对所述最终二值图中每一连通域，利用所述连通域对应的外接矩形，确定所述连通域的轮廓信息，所述轮廓信息至少包括外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标；
第二确定模块，用于利用所述最终二值图的连通域对应的所述质心坐标，结合所述有效区域的高度信息，确定所述最终二值图中每一连通域所属的所述栅格。
基于上述本发明实施例提供的一种处理车道线的方法及***，该方法为：对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域；确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图；对感兴趣区域进行栅格划分处理，得到多个栅格；根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格；遍历所有栅格，确定包含轮廓信息的有效栅格；利用有效栅格对应的轮廓信息，确定车道线轮廓信息；通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
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的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种处理车道线的方法的流程图；
图2为本发明实施例提供的感兴趣区域的示意图；
图3为本发明实施例提供的感兴趣区域的栅格划分示意图；
图4为本发明实施例提供的确定最终二值图的流程图；
图5为本发明实施例提供的确定连通域所属的栅格的流程图；
图6为本发明实施例提供的外接矩形与近端区域相交的示意图；
图7为本发明实施例提供的一种处理车道线的***的结构框图。
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。
在本申请中，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。
由背景技术可知，目前检测车道线的方式需要频繁标定相机，检测车道线时需要花费大量的时间和占用较多的处理内存，检测车道线的效率低下。
因此本发明实施例提供一种处理车道线的方法及***，获取实时采集得到的路况图像中包含有效区域的感兴趣区域。确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图。将感兴趣区域划分为多个栅格，根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格。遍历所有栅格确定包含轮廓信息的有效栅格，并利用有效栅格对应的轮廓信息确定车道线轮廓信息。通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，以提高检测车道线的效率和准确率。
需要说明的是，本发明实施例提供的处理车道线的方法及***适用于辅助智能驾驶***和自适应巡航(Adaptive Cruise Control，ACC)中车道线检测和偏离预警，也适用于增强现实技术(Augmented Reality，AR)导航中引导线约束和车道线显示，即本发明实施例提供的处理车道线的方法及***适用于需要识别和检测车道线的智能驾驶应用中。
可以理解的是，本发明实施例提供的处理车道线的方法及***需要利用相应类型的摄像头，比如利用视场角(field angle ofview，FOV)为50度至120度的摄像头，在此对于所利用的摄像头的具体类型不做限定。
参见图1，示出了本发明实施例提供的一种处理车道线的方法的流程图，该方法包括：
步骤S101：对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域。
需要说明的是，感兴趣区域是指：摄像头采集得到路况图像之后，从路况图像中选择一块用于检测车道线的区域。感兴趣区域包括近端区域、较远端区域和最远端区域，有效区域包括近端有效区域、较远端有效区域和最远端有效区域。
在具体实现步骤S101的过程中，利用摄像头实时获取相应的数据流并将其转化为格式为RGB的路况图像，根据路况图像中的天际线，提取路况图像中的感兴趣区域，比如：选择路况图像中天际线下方不包含车辆引擎盖的区域作为感兴趣区域。
根据指定的比例，从下至上将感兴趣区域划分为近端区域、较远端区域和最远端区域，其中，较远端区域和最远端区域所组成的区域称为远端区域。并根据预设的区域划分规则，从左至右将感兴趣区域划分为三部分，并确定划分后的感兴趣区域的中间部分区域为有效区域。
也就是说，根据预设的区域划分规则，从左至右将较远端区域划分为三部分，取中间部分区域为较远端有效区域。从左至右将最远端区域划分为三部分，取中间部分区域为最远端有效区域。
需要说明的是，对于近端区域，通过梯形掩模处理将近端区域划分为三部分，以中间部分区域(梯形区域)为近端有效区域。
为更好解释说明上述涉及的感兴趣区域和有效区域，通过图2示出的感兴趣区域的示意图进行解释说明，需要说明的是，图2仅用于举例。
可以理解的是，在图2中，虚线框内的部分指示感兴趣区域，水平方向的细实线将感兴趣区域划分为三部分，分别为近端区域、较远端区域和最远端区域。
竖直方向上的粗实线分别将近端区域、较远端区域和最远端区域划分为三部分，其中各个区域的中间部分分别为近端有效区域、较远端有效区域和最远端有效区域。其中，图2中位于近端有效区域和较远端有效区域内的平行四边形指示路况图像中的车道线。
可以理解的是，发明人经研究发现，由于摄像头的成像原理，车道线在摄像头采集的画面中会相交，且距离摄像头越远车道线被压缩的程度越严重，因此将路况图像中的感兴趣区域划分为三部分，能有效避免由于摄像头的成像原理所造成的车道线部分漏识别的问题。
步骤S102：确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图。
在具体实现步骤S102的过程中，利用预设的二值图转换函数，确定有效区域的初始二值图。
可以理解的是，在初始二值图中，该初始二值图中存在不符合要求的连通域，因此需要对初始二值图中的连通域进行过滤，得到最终二值图。
需要说明的是，二值图是指只用两个像素值代表图像，比如用0和255代表图像，0表示背景区域像素，255表示目标区域像素(在本发明实施例中代表疑似车道线区域的像素)。
连通域是指：图像中具有相同像素值且位置相邻的像素点组成的图像区域。
可以理解的是，发明人经研究发现，道路中通常会存在指引方向的箭头标识，但是由于指引方向的箭头标识的水平方向成像宽度与车道线水平方向的宽度有明显区别，为排除指引方向的箭头标识干扰车道线检测过程，将所确定的有效区域转换为二值图，并利用二值图进行车道线检测，有效排除指引方向的箭头标识对车道线检测的干扰。
步骤S103：对感兴趣区域进行栅格划分处理，得到多个栅格。
在具体实现步骤S103的过程中，将所述近端区域划分为n个栅格，以及分别将较远端有效区域和最远端有效区域划分为m个栅格，n和m为正整数。
为更好解释说明将感兴趣区域进行栅格划分处理，通过图3示出的感兴趣区域的栅格划分示意图进行解释说明，需要说明的是，图3仅用于举例说明。
在图3中，将近端区域划分为16个栅格(栅格0至栅格15)，将较远端有效区域划分为32个栅格(栅格0至栅格31)，将最远端有效区域划分为32个栅格。
可以理解的是，在对感兴趣区域进行栅格划分处理得到多个栅格后，为每个栅格分配相应的内存并初始化，使每个栅格可存储最终二值图中的连通域的轮廓信息，每个连通域的轮廓信息至少包括：该连通域的轮廓编号，该连通域对应的外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标。
可以理解的是，发明人经研究发现，现有的车道线检测过程中，当车道线为虚线或受弯道等其它干扰因素会存在不连续的情况，在此情况下车道线的上下文特征信息被破坏，从而漏检或错检车道线。因此在本发明实施例中将感兴趣区域进行栅格划分处理，对各个栅格进行相应的特征提取处理，增强车道线的上下文特征关联性和不同车道线对应的连通域的相关性，从而更加准确的检测车道线。
步骤S104：根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格。
在具体实现步骤S104的过程中，对于最终二值图中的每一连通域，利用该连通域的轮廓信息，结合有效区域的高度信息，确定该连通域属于哪一栅格。通过上述方式，确定最终二值图中每一连通域所属的栅格。
需要说明的是，每个栅格只保留一个最终二值图中的连通域的轮廓信息，比如：每个栅格至少包括自身所包含的连通域的外接矩形的最长边和轮廓编号。
也就是说，在确定最终二值图中每一连通域所属的栅格的过程中，可能存在多个连通域属于同一栅格的情况，此时利用根据预设的保留规则，存在多个连通域的栅格仅保留一个符合该保留规则的连通域的轮廓信息。
步骤S105：遍历所有栅格，确定包含轮廓信息的有效栅格。
在具体实现步骤S105的过程中，由前述内容可知，确定最终二值图中每一连通域所属的栅格后，每个栅格只保留一个连通域的轮廓信息。
遍历所有栅格，统计包含轮廓信息的栅格，包含轮廓信息的栅格即为有效栅格。
步骤S106：利用有效栅格对应的轮廓信息，确定车道线轮廓信息。
需要说明的是，车道线轮廓信息至少包括车道线轮廓点、车道线起点和车道线终点。
在具体实现步骤S106的过程中，按照近端区域至最远端区域的顺序，从所有有效栅格中查找相应的有效栅格，并统计相应的有效栅格的轮廓信息，从而确定各个区域对应的车道线轮廓信息。
也就是说，利用近端区域对应的有效栅格所包含的轮廓信息，确定近端区域对应的车道线轮廓信息。利用较远端有效区域对应的有效栅格所包含的轮廓信息，确定较远端有效区域对应的车道线轮廓信息。利用最远端有效区域对应的有效栅格所包含的轮廓信息，确定最远端有效区域对应的车道线轮廓信息。
可以理解的是，确定近端区域、较远端有效区域和最远端有效区域的车道线轮廓信息的具体内容如下。
确定近端区域的车道线轮廓信息的过程：
以感兴趣区域的中线为中轴，遍历近端区域对应的所有栅格，并统计近端区域的左侧有效栅格的数量和右侧有效栅格的数量，近端区域的有效栅格的数量存在以下两种情况。
第一种情况：若近端区域的左侧有效栅格的数量和右侧有效栅格的数量均为1，且近端区域的各个有效栅格所包含的连通域的外接矩形的最长边大于长度阈值时，确定该有效栅格所包含的连通域的轮廓信息为候选车道线轮廓信息。根据有效栅格所包含的连通域的外接矩形的四个顶点计算该外接矩形的主轴的斜率，进一步计算得到近端区域的顶端与该主轴的交点(称为顶端交点)和近端区域的底端与该主轴的交点(称为底端交点)。底端交点用于统计车道线宽度和车道偏离预警，顶端交点用于遍历较远端有效区域和最远端有效区域的有效栅格。该主轴与该外接矩形的顶端的交点，以及该主轴与该外接矩形的底端的交点，用于拟合车道线起点和车道线终点。
第二种情况：若近端区域的任意一侧(左侧或右侧)的有效栅格数大于1，且另一侧的有效栅格数等于1时，确定有效栅格数等于1的一侧的有效栅格所包含的连通域的外接矩形的最长边是否大于长度阈值。若该最长边大于长度阈值，确定有效栅格数等于1的一侧的有效栅格所包含的连通域的轮廓信息为候选车道线轮廓信息。根据车道线宽度确定有效栅格数大于1的一侧的候选车道线轮廓信息所对应的可能栅格位置，并遍历近端区域的所有有效栅格，确定有效栅格数大于1的一侧的候选车道线轮廓信息，根据上述第一种情况中的“判断外接矩形的最长边是否大于长度阈值”这一条件，判断有效栅格数大于1的一侧的候选车道线轮廓信息的合理性。确定两侧的候选车道线轮廓信息后，根据前述示出的内容，分别计算顶端交点、底端交点、主轴与外接矩形的顶端的交点以及该主轴与该外接矩形的底端的交点，具体内容不再赘述。
可以理解的是，当近端区域的两侧的有效栅格数不满足上述两种情况时，利用历史帧车道线底端位置确定近端区域的有效栅格范围并遍历栅格，利用上述两种情况的内容再次进行对应处理，处理方式不再赘述。
确定较远端有效区域的车道线轮廓信息的过程：
分别统计较远端有效区域的顶部和底部对应的有效栅格数。
利用上述“确定近端区域的车道线轮廓信息的过程”中的顶端交点和主轴的斜率，计算较远端有效区域底部的有效栅格的范围。
遍历较远端有效区域底部的有效栅格所包含的连通域的轮廓信息，计算该连通域对应的外接矩形的主轴的斜率，比较较远端有效区域底部对应的主轴的斜率是否与近端区域对应的主轴的斜率一致，若一致，通过公式(1)作为判断该连通域的轮廓信息是否为有效的候选车道线轮廓信息。确定有效的候选车道线轮廓信息后，分别计算较远有效区域底部对应的主轴与外接矩形、有效栅格的顶端和有效栅格的底端的交点，并更新用于拟合车道线的主轴与外接矩形的顶端和底端的交点。
在公式(1)中，i为当前区域，i-1表示前一端区域，k为主轴的斜率，li为主轴的长度，hgrid_i为当前区域的栅格的高度，α为大于0的系数因子，Bxi,2为当前区域内主轴与外接矩形的底端的交点，Bxi-1,1为前一端区域内主轴与外接矩形的顶端的交点，β为大于0的系数因子。
需要说明的是，上述内容是确定较远端有效区域底部的候选车道线轮廓信息，相应的，确定较远端有效区域顶部的候选车道线轮廓信息的过程可参见上述内容，在此不再进行赘述。
确定最远端有效区域的车道线轮廓信息的过程，可参见上述“确定较远端有效区域的车道线轮廓信息的过程”中的相应内容，在此不再赘述，即通过较远端有效区域的车道线轮廓信息推理得到最远端有效区域的车道线轮廓信息。
步骤S107：通过车道线轮廓信息拟合得到车道线和车道线参数方程。
在具体实现步骤S107的过程中，通过车道线起点和所述车道线终点，确定利用直线拟合方式或曲线拟合方式拟合车道线轮廓点得到车道线。比如：对于左车道线，计算左车道线起点和左车道线终点的纵坐标差值，若该纵坐标差值大于近端区域的高度则使用曲线拟合方式，否则使用直线拟合方式。
基于车道线轮廓点、车道线起点和车道线终点，通过随机采样一致性(RANdomSAmple Consensus，RANSAC)拟合得到车道线参数方程。
在本发明实施例中，获取实时采集得到的路况图像中包含有效区域的感兴趣区域。确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图。将感兴趣区域划分为多个栅格，根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格。遍历所有栅格确定包含轮廓信息的有效栅格，并利用有效栅格对应的轮廓信息确定车道线轮廓信息。通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
上述本发明实施例图1步骤S102涉及的确定最终二值图的过程，参见图4，示出了本发明实施例提供的确定最终二值图的流程图，包括：
步骤S401：利用预设的二值图转换函数，将有效区域转换为初始二值图。
需要说明的是，由于摄像头的成像压缩影响，车道线呈现“近大远小”的效果，会导致车道线的宽度不一致。较远端有效区域和最远端有效区域内的车道线压缩严重和比较模糊，较远端有效区域和最远端有效区域内的车道线的宽度变化不大，通常以常数表示较远端有效区域和最远端有效区域内的车道线的宽度。近端有效区域通过区域高度的一次函数表示不同车道线的宽度。
在具体实现步骤S401的过程中，利用公式(2)示出的二值图转换函数，将有效区域转换为初始二值图。
在公式(2)中，dx1、dx2、D和Ithresh的具体内容如公式(3)至公式(5)。
dx1＝I(x,y)-i(x+Δ,y),dx2＝I(x,y)-I(x-Δ,y) (3)
D＝dx1+dx2-|I(x-Δ,y)-I(x+Δ,y)| (4)
在公式(2)至公式(5)中，公式(3)用于按行求水平当前点的水平梯度，I(x,y)为当前图像灰度值，Δ为车道线的宽度，x为列索引，y为行索引，公式(4)用于排除车辆等灰度值较高的非车道线区域对二值图提取的干扰，αmin为远端区域的区域系数，αmax为近端区域的阈值系数，T为灰度阈值，公式(5)示出的条件能有效抑制道路轮胎痕迹或裂痕对二值图提取的干扰。
可以理解的是，车道线的宽度Δ通过公式(6)进行表示。
在公式(6)中，Lmin为区域中最窄的车道线的宽度，Lmax为最宽的车道线的宽度，Height为车道线的高度，h表示某一行。
步骤S402：确定初始二值图的连通域的轮廓信息。
在具体实现步骤S402的过程中，提取初始二值图中所有连通域的轮廓信息，比如利用opencv库函数findContours提取初始二值图中所有连通域的轮廓信息。
提取初始二值图中所有连通域的轮廓信息后，遍历初始二值图中所有连通域的轮廓信息，并计算(比如利用opencv库函数计算)初始二值图中每个连通域对应的外接矩形，并计算各个外接矩形的质心、旋转角度和最长边等信息。
步骤S403：根据有效区域的高度信息和轮廓信息，过滤初始二值图中面积小于面积阈值的连通域，得到最终二值图。
在具体实现步骤S403的过程中，根据连通域对应的外接矩形的质心，确定各个连通域处于哪一有效区域，并利用有效区域的高度信息和各个连通域的轮廓信息，过滤初始二值图中面积小于面积阈值的连通域，得到最终二值图。
过滤初始二值图中面积小于面积阈值的连通域的过程主要包括：统计近端有效区域和远端有效区域(由较远端有效区域和最远端有效区域构成)中置信度高的连通域，以及过滤面积小于面积阈值的连通域，具体内容如下。
统计置信度高的连通域的具体内容如过程A1至过程A5示出的内容。
以下过程A1至过程A5的示例以一个连通域(在此称为当前连通域)为例进行解释说明。
A1、以远端有效区域的高度乘以指定系数作为长度阈值，将长度阈值与当前连通域的外接矩形的最长边进行比较，若该最长边大于长度阈值，执行过程A2。
A2、选择旋转角度的指定范围(比如绝对值在20度至70度)作为合理范围，对当前连通域的外接矩形的旋转角度进行进一步的判断。若当前连通域的外接矩形的旋转角度在该合理范围内，执行过程A3。
A3、根据当前连通域的外接矩形的执行的纵坐标判断该当前连通域属于近端有效区域还是远端有效区域。
A4、若当前连通域属于近端有效区域，则以近端有效区域的区域高度乘以指定系数作为长度阈值，比较该当前连通域的外接矩形的最长边和该长度阈值，若该最长边大于该长度阈值，根据当前连通域的质心的横坐标和感兴趣区域的宽度关系，判断该当前连通域为左车道连通域还是右车道连通域，并保存当前连通域的编号、外接矩形的质心横坐标和最长边。若当前连通域属于远端有效区域，处理过程参见前述内容，在此不再赘述。
A5、对每一连通域进行上述过程A1至A4的处理，搜索并保留最长边最大且靠近感兴趣区域中心的近端有效区域的连通域(左车道连通域和右车道连通域)，以及保留远端有效区域内的经过上述过程A1至A4处理后的连通域的编号、外接矩形的最长边和质心横坐标。
过滤面积小于面积阈值的连通域的过程：
重新遍历所有的连通域，并利用连通域的外接矩形的纵坐标确定连通域属于近端有效区域、较远端有效区域或最远端有效区域。利用连通域所属区域的区域高度，结合连通域的外接矩形的质心坐标、旋转角度和最长边过滤面积小于面积阈值的连通域。
需要说明的是，面积阈值由连通域所属区域的区域高度确定，即近端有效区域对应一面积阈值，较远端有效区域对应一面积阈值，最远端有效区域对应一面积阈值。
在本发明实施例中，为排除指引方向的箭头标识干扰车道线检测过程，将所确定的有效区域转换为二值图，并利用二值图进行车道线检测，有效排除指引方向的箭头标识对车道线检测的干扰，提高检测车道线的准确率。
上述本发明实施例图1步骤S104中涉及的确定最终二值图中每一连通域所属的栅格的过程，参见图5，示出了本发明实施例提供的确定连通域所属的栅格的流程图，包括：
步骤S501：提取最终二值图中每一连通域的轮廓，并计算最终二值图中每一连通域的轮廓对应的外接矩形。
在具体实现步骤S501的过程中，提取最终二值图中每一连通域的轮廓，比如利用opencv库函数findContours提取连通域的轮廓，并计算最终二值图中每一连通域的轮廓对应的外接矩形，比如利用opencv库函数minAreaRect计算每个轮廓对应的外接矩形。
步骤S502：针对最终二值图中每一连通域，利用连通域对应的外接矩形，确定连通域的轮廓信息。
需要说明的是，轮廓信息至少包括外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标。
也就是说，在具体实现步骤S502的过程中，对于最终二值图中的每一个连通域，计算连通域对应的外接矩形的高度、宽度、质心坐标、旋转角度和顶点坐标等特征。
步骤S503：利用最终二值图的连通域对应的质心坐标，结合有效区域的高度信息，确定最终二值图中每一连通域所属的栅格。
在具体实现步骤S503的过程中，在确定最终二值图中每一连通域所属的栅格时，需先确定连通域属于哪一区域(近端有效区域、较远端有效区域或最远端有效区域)，再确定连通域属于底部栅格还是顶部栅格，最终确定连通域属于哪一个栅格，具体内容如下：
对于最终二值图中的一连通域，根据该连通域对应的质心的纵坐标与最远端有效区域的高度的比值，判断该连通域属于近端有效区域、较远端有效区域或最远端有效区域。再利用该连通域对应的质心的纵坐标与所属区域(连通域所属的区域)的高度进行比较，判断该连通域属于顶部栅格还是底部栅格，最后利用该连通域对应的质心的横坐标与所属区域的宽带的比值，定位该连通域属于哪一个栅格。
需要说明的是，每个栅格只保留一个连通域对应的特征(外接矩形的高度、宽度、质心坐标、旋转角度和顶点坐标等特征)，当多个连通域同属于一个栅格时，保留该栅格中外接矩形的最大边最大的连通域，若该多个连通域的外接矩形的最大边一致(或者差值小于一定值)，比较多个连通域对应的质心的横坐标，保留距离感兴趣区域中心最近的连通域。
可以理解的是，当连通域对应的质心属于最远端有效区域的栅格时，该连通域的外接矩形的旋转角度的绝对值在15度至75度之间，且该外接矩形的最长边大于栅格高度对应的阈值，能排除远端车辆或其它非车道线的连通域的干扰。
当连通域对应的质心属于较远端有效区域的栅格时，定义指定栅格为中心区域，比如：假设较远端有效区域划分为32个栅格，定义第6至第9个栅格和第22个至第25个栅格为中心区域。当质心所属的栅格为中心区域以外的栅格时，连通域对应的外接矩形的旋转角度的绝对值在15度至75度之间。只有质心所属的栅格为中心区域的栅格时，连通域对应的外接矩形的旋转角度的绝对值才可能出现在15度至75度以外的情况，此时在实际驾驶过程中对应车辆处于压线行驶或变道情况。
当确定连通域的外接矩形的旋转角度满足上述情况时，分别将连通域的外接矩形的宽和高与所属区域栅格的宽和高进行比较，当外接矩形的最长边和高大于所属区域对应的长度阈值且外接矩形的最短边小于所属栅格宽度构成的阈值时，确定该连通域为疑似车道线区域，保存该连通域对应的轮廓信息。
当连通域的质心属于近端有效区域时，不使用质心坐标定位连通域所属栅格，根据连通域的外接矩形的四个顶点计算对应的主轴的方向，并计算主轴方向与外接矩形的顶端和底端的交点，定义近端区域的指定栅格为中心区域，比如：假设近端区域划分为16个栅格，定义近端区域的第3个栅格、第4个栅格、第11个栅格和第12个栅格为中心区域。根据主轴方向与外接矩形的底端的交点定位连通域所属的栅格，并对外接矩形执行上述“将连通域的外接矩形的宽和高与所属区域栅格的宽和高进行比较”的相关判断内容，并保存该连通域对应的轮廓信息。
为更好解释说明当连通域的质心属于近端有效区域时，主轴方向与外接矩形的顶端和底端的交点的内容，通过图6示出的外接矩形与近端区域相交的示意图进行解释说明，需要说明的，图6仅用于举例说明。
在图6中，点A1和点A2为主轴与近端区域的顶端和底端的交点，点B1和点B2为主轴与外接矩形的顶端和底端的交点。
在本发明实施例中，根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格，再利用各个栅格中存储的连通域的轮廓信息，确定车道线轮廓信息。通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
与上述本发明实施例提供的一种处理车道线的方法相对应，参见图7，本发明实施例还提供一种处理车道线的***的结构框图，该***包括：预处理单元701、处理单元702、划分单元703、第一确定单元704、第二确定单元705、第三确定单元706和拟合单元707；
预处理单元701，用于对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，感兴趣区域包括近端区域、较远端区域和最远端区域，有效区域包括近端有效区域、较远端有效区域和最远端有效区域。
在具体实现中，预处理单元701具体用于：根据实时采集得到的路况图像中的天际线，提取路况图像中的感兴趣区域。根据预设的区域划分规则，从左至右将感兴趣区域划分为三部分，并确定划分后的感兴趣区域的中间部分区域为有效区域。
处理单元702，用于确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图。
划分单元703，用于对感兴趣区域进行栅格划分处理，得到多个栅格。
在具体实现中，划分单元703具体用于：将近端区域划分为n个栅格，以及分别将较远端有效区域和最远端有效区域划分为m个栅格，n和m为正整数。
第一确定单元704，用于根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的所述栅格，其中，每个栅格只保留一个最终二值图中的连通域的轮廓信息。
第二确定单元705，用于遍历所有栅格，确定包含轮廓信息的有效栅格。
第三确定单元706，用于利用有效栅格对应的所述轮廓信息，确定车道线轮廓信息，车道线轮廓信息至少包括车道线轮廓点、车道线起点和车道线终点。
在具体实现中，第三确定单元706具体用于：利用近端区域对应的有效栅格所包含的轮廓信息，确定近端区域对应的车道线轮廓信息；利用较远端有效区域对应的有效栅格所包含的轮廓信息，确定较远端有效区域对应的车道线轮廓信息；利用最远端有效区域对应的有效栅格所包含的轮廓信息，确定最远端有效区域对应的车道线轮廓信息。
拟合单元707，用于通过车道线轮廓信息拟合得到车道线和车道线参数方程。
在具体实现中，拟合单元707具体用于：通过车道线起点和车道线终点，确定利用直线拟合方式或曲线拟合方式拟合车道线轮廓点得到车道线；基于车道线轮廓点、车道线起点和车道线终点，通过RANSAC拟合得到车道线参数方程。
在本发明实施例中，获取实时采集得到的路况图像中包含有效区域的感兴趣区域。确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图。将感兴趣区域划分为多个栅格，根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格。遍历所有栅格确定包含轮廓信息的有效栅格，并利用有效栅格对应的轮廓信息确定车道线轮廓信息。通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
优选的，结合图7示出的内容，处理单元702包括：转换模块、确定模块和过滤模块，各个模块的执行原理如下：
转换模块，用于利用预设的二值图转换函数，将有效区域转换为初始二值图。
确定模块，用于确定初始二值图的连通域的轮廓信息。
过滤模块，用于根据有效区域的高度信息和轮廓信息，过滤初始二值图中面积小于面积阈值的连通域，得到最终二值图。
在本发明实施例中，为排除指引方向的箭头标识干扰车道线检测过程，将所确定的有效区域转换为二值图，并利用二值图进行车道线检测，有效排除指引方向的箭头标识对车道线检测的干扰，提高检测车道线的准确率。
优选的，结合图7示出的内容，第一确定单元704包括：处理模块、第一确定模块和第二确定模块，各个模块的执行原理如下：
处理模块，用于提取最终二值图中每一连通域的轮廓，并计算最终二值图中每一连通域的轮廓对应的外接矩形。
第一确定模块，用于针对最终二值图中每一连通域，利用连通域对应的外接矩形，确定连通域的轮廓信息，轮廓信息至少包括外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标。
第二确定模块，用于利用最终二值图的连通域对应的质心坐标，结合有效区域的高度信息，确定最终二值图中每一连通域所属的栅格。
在本发明实施例中，根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格，再利用各个栅格中存储的连通域的轮廓信息，确定车道线轮廓信息。通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
综上所述，本发明实施例提供一种处理车道线的方法及***，获取实时采集得到的路况图像中包含有效区域的感兴趣区域。确定有效区域的初始二值图，并对初始二值图中的连通域进行过滤得到最终二值图。将感兴趣区域划分为多个栅格，根据最终二值图的连通域的轮廓信息，确定最终二值图中每一连通域所属的栅格。遍历所有栅格确定包含轮廓信息的有效栅格，并利用有效栅格对应的轮廓信息确定车道线轮廓信息。通过车道线轮廓信息拟合得到车道线和车道线参数方程。不需要频繁标定相机，并通过提取二值图和栅格划分的方式检测所采集的路况图像中的车道线信息，提高检测车道线的效率和准确率。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的***及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种处理车道线的方法，其特征在于，所述方法包括：
对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，所述感兴趣区域包括近端区域、较远端区域和最远端区域，所述有效区域包括近端有效区域、较远端有效区域和最远端有效区域；
确定所述有效区域的初始二值图，并对所述初始二值图中的连通域进行过滤得到最终二值图；
对所述感兴趣区域进行栅格划分处理，得到多个栅格；
根据所述最终二值图的连通域的轮廓信息，确定所述最终二值图中每一连通域所属的所述栅格，其中，每个所述栅格只保留一个所述最终二值图中的连通域的轮廓信息；
遍历所有所述栅格，确定包含所述轮廓信息的有效栅格；
利用所述有效栅格对应的所述轮廓信息，确定车道线轮廓信息，所述车道线轮廓信息至少包括车道线轮廓点、车道线起点和车道线终点；
通过所述车道线轮廓信息拟合得到车道线和车道线参数方程。
2.根据权利要求1所述的方法，其特征在于，所述确定所述有效区域的初始二值图，并对所述初始二值图中的连通域进行过滤得到最终二值图，包括：
利用预设的二值图转换函数，将所述有效区域转换为初始二值图；
确定所述初始二值图的连通域的轮廓信息；
根据所述有效区域的高度信息和所述轮廓信息，过滤所述初始二值图中面积小于面积阈值的连通域，得到最终二值图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述最终二值图的连通域的轮廓信息，确定所述最终二值图中每一连通域所属的所述栅格，包括：
提取所述最终二值图中每一连通域的轮廓，并计算所述最终二值图中每一连通域的轮廓对应的外接矩形；
针对所述最终二值图中每一连通域，利用所述连通域对应的外接矩形，确定所述连通域的轮廓信息，所述轮廓信息至少包括外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标；
利用所述最终二值图的连通域对应的所述质心坐标，结合所述有效区域的高度信息，确定所述最终二值图中每一连通域所属的所述栅格。
4.根据权利要求1所述的方法，其特征在于，所述对所述感兴趣区域进行栅格划分处理，得到多个栅格，包括：
将所述近端区域划分为n个栅格，以及分别将所述较远端有效区域和所述最远端有效区域划分为m个栅格，n和m为正整数。
5.根据权利要求1所述的方法，其特征在于，所述对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，包括：
根据实时采集得到的路况图像中的天际线，提取所述路况图像中的感兴趣区域；
根据预设的区域划分规则，从左至右将所述感兴趣区域划分为三部分，并确定划分后的所述感兴趣区域的中间部分区域为有效区域。
6.根据权利要求1所述的方法，其特征在于，所述利用所述有效栅格对应的所述轮廓信息，确定车道线轮廓信息，包括：
利用所述近端区域对应的所述有效栅格所包含的所述轮廓信息，确定所述近端区域对应的车道线轮廓信息；
利用所述较远端有效区域对应的所述有效栅格所包含的所述轮廓信息，确定所述较远端有效区域对应的车道线轮廓信息；
利用所述最远端有效区域对应的所述有效栅格所包含的所述轮廓信息，确定所述最远端有效区域对应的车道线轮廓信息。
7.根据权利要求1所述的方法，其特征在于，所述通过所述车道线轮廓信息拟合得到车道线和车道线参数方程，包括：
通过所述车道线起点和所述车道线终点，确定利用直线拟合方式或曲线拟合方式拟合所述车道线轮廓点得到车道线；
基于所述车道线轮廓点、所述车道线起点和所述车道线终点，通过随机采样一致性RANSAC拟合得到车道线参数方程。
8.一种处理车道线的***，其特征在于，所述***包括：
预处理单元，用于对实时采集得到的路况图像进行预处理，得到包含有效区域的感兴趣区域，所述感兴趣区域包括近端区域、较远端区域和最远端区域，所述有效区域包括近端有效区域、较远端有效区域和最远端有效区域；
处理单元，用于确定所述有效区域的初始二值图，并对所述初始二值图中的连通域进行过滤得到最终二值图；
划分单元，用于对所述感兴趣区域进行栅格划分处理，得到多个栅格；
第一确定单元，用于根据所述最终二值图的连通域的轮廓信息，确定所述最终二值图中每一连通域所属的所述栅格，其中，每个所述栅格只保留一个所述最终二值图中的连通域的轮廓信息；
第二确定单元，用于遍历所有所述栅格，确定包含所述轮廓信息的有效栅格；
第三确定单元，用于利用所述有效栅格对应的所述轮廓信息，确定车道线轮廓信息，所述车道线轮廓信息至少包括车道线轮廓点、车道线起点和车道线终点；
拟合单元，用于通过所述车道线轮廓信息拟合得到车道线和车道线参数方程。
9.根据权利要求8所述的***，其特征在于，所述处理单元包括：
转换模块，用于利用预设的二值图转换函数，将所述有效区域转换为初始二值图；
确定模块，用于确定所述初始二值图的连通域的轮廓信息；
过滤模块，用于根据所述有效区域的高度信息和所述轮廓信息，过滤所述初始二值图中面积小于面积阈值的连通域，得到最终二值图。
10.根据权利要求8所述的***，其特征在于，所述第一确定单元包括：
处理模块，用于提取所述最终二值图中每一连通域的轮廓，并计算所述最终二值图中每一连通域的轮廓对应的外接矩形；
第一确定模块，用于针对所述最终二值图中每一连通域，利用所述连通域对应的外接矩形，确定所述连通域的轮廓信息，所述轮廓信息至少包括外接矩形的宽度、高度、质心坐标、旋转角度和顶点坐标；
第二确定模块，用于利用所述最终二值图的连通域对应的所述质心坐标，结合所述有效区域的高度信息，确定所述最终二值图中每一连通域所属的所述栅格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011083979.5A CN112215144B (zh) | 2020-10-12 | 2020-10-12 | 一种处理车道线的方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011083979.5A CN112215144B (zh) | 2020-10-12 | 2020-10-12 | 一种处理车道线的方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112215144A CN112215144A (zh) | 2021-01-12 |
| CN112215144B true CN112215144B (zh) | 2024-05-14 |
Family
ID=74052658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011083979.5A Active CN112215144B (zh) | 2020-10-12 | 2020-10-12 | 一种处理车道线的方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215144B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117011827A (zh) * | 2023-07-11 | 2023-11-07 | 禾多科技（北京）有限公司 | 障碍物纵向距离检测方法、装置、设备和计算机可读介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
| CN107045629A (zh) * | 2017-04-19 | 2017-08-15 | 南京理工大学 | 一种多车道线检测方法 |
| CN108805065A (zh) * | 2018-05-31 | 2018-11-13 | 华南理工大学 | 一种基于几何特征改进的车道线检测方法 |
| CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
| CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
| CN110008851A (zh) * | 2019-03-15 | 2019-07-12 | 深兰科技（上海）有限公司 | 一种车道线检测的方法及设备 |
| CN111295666A (zh) * | 2019-04-29 | 2020-06-16 | 深圳市大疆创新科技有限公司 | 一种车道线检测方法、装置、控制设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10402995B2 (en) * | 2017-07-27 | 2019-09-03 | Here Global B.V. | Method, apparatus, and system for real-time object detection using a cursor recurrent neural network |
-
2020
- 2020-10-12 CN CN202011083979.5A patent/CN112215144B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
| CN107045629A (zh) * | 2017-04-19 | 2017-08-15 | 南京理工大学 | 一种多车道线检测方法 |
| CN108805065A (zh) * | 2018-05-31 | 2018-11-13 | 华南理工大学 | 一种基于几何特征改进的车道线检测方法 |
| CN108985230A (zh) * | 2018-07-17 | 2018-12-11 | 深圳市易成自动驾驶技术有限公司 | 车道线检测方法、装置及计算机可读存储介质 |
| CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
| CN110008851A (zh) * | 2019-03-15 | 2019-07-12 | 深兰科技（上海）有限公司 | 一种车道线检测的方法及设备 |
| CN111295666A (zh) * | 2019-04-29 | 2020-06-16 | 深圳市大疆创新科技有限公司 | 一种车道线检测方法、装置、控制设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Visual lane analysis and higher-order tasks: a concise review;Bok-Suk Shin 等;《Machine Vision and Applications》;20141231;全文 * |
| 一种自适应动态窗口车道线高速检测方法;龚建伟;王安帅;熊光明;刘伟;陈慧岩;北京理工大学学报;20081231(第006期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112215144A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111178236B (zh) | 一种基于深度学习的车位检测方法 | |
| US10429193B2 (en) | Method and apparatus for generating high precision map | |
| CN106815553B (zh) | 一种基于边缘匹配的红外前视图像舰船检测方法 | |
| CN112906583B (zh) | 一种车道线检测方法及装置 | |
| CN115082462A (zh) | 一种流体输送管外观质量检测方法及*** | |
| JPH0471079A (ja) | 画像の位置合わせ方法 | |
| CN112949398A (zh) | 车道线检测方法、测距方法及对应装置 | |
| CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
| CN110770741B (zh) | 一种车道线识别方法和装置、车辆 | |
| CN112215144B (zh) | 一种处理车道线的方法及*** | |
| CN112767358A (zh) | 基于图像特征配准的铁路电力机车故障检测方法 | |
| CN112927283A (zh) | 测距方法及装置、存储介质及电子设备 | |
| CN111950440A (zh) | 一种识别与定位门的方法、装置及存储介质 | |
| CN115330818A (zh) | 一种图片分割方法及其计算机可读存储介质 | |
| CN109919958B (zh) | 一种基于多尺度图像空间的多重约束线段提取方法 | |
| CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及*** | |
| CN117218148B (zh) | 基于卫星图像的航道边界确定方法和***、可读存储介质 | |
| CN116612357B (zh) | 一种无监督rgbd多模态数据集的构建方法、***和存储介质 | |
| CN114005120A (zh) | 一种车牌字符切割方法、车牌识别方法、装置、设备及存储介质 | |
| CN111089586B (zh) | 一种基于多帧累加算法的全天时星敏感器星点提取方法 | |
| CN115205564B (zh) | 基于无人机的船体维护巡检方法 | |
| CN113033233A (zh) | 一种几何变形qr码的定位方法、装置及存储介质 | |
| CN115187545A (zh) | 高空间分辨率遥感图像的处理方法、***及存储介质 | |
| CN114581915A (zh) | 一种噪声鲁棒的多类别表盘指针读数识别方法和装置 | |
| CN113902667A (zh) | 一种用于机器视觉的螺纹旋向识别方法与*** |
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 |