CN112348752B - 一种基于平行约束的车道线消失点补偿方法及装置 - Google Patents

一种基于平行约束的车道线消失点补偿方法及装置 Download PDF

Info

Publication number
CN112348752B
CN112348752B CN202011168364.2A CN202011168364A CN112348752B CN 112348752 B CN112348752 B CN 112348752B CN 202011168364 A CN202011168364 A CN 202011168364A CN 112348752 B CN112348752 B CN 112348752B
Authority
CN
China
Prior art keywords
lane line
point
characteristic
vanishing point
vanishing
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
Application number
CN202011168364.2A
Other languages
English (en)
Other versions
CN112348752A (zh
Inventor
刘杨
张龙
许端
王述良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jimu Intelligent Technology Co ltd
Original Assignee
Wuhan Jimu Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Jimu Intelligent Technology Co ltd filed Critical Wuhan Jimu Intelligent Technology Co ltd
Priority to CN202011168364.2A priority Critical patent/CN112348752B/zh
Publication of CN112348752A publication Critical patent/CN112348752A/zh
Application granted granted Critical
Publication of CN112348752B publication Critical patent/CN112348752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于平行约束的车道线消失点补偿方法及装置，属于车辆辅助驾驶领域，该方法包括：获取车载相机采集的路面图像，识别路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；若左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性，则对消失点位置进行补偿，并根据补偿后的消失点位置进行坐标转换，直至左右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。通过本发明提高了消失点补偿的精度。

Description

一种基于平行约束的车道线消失点补偿方法及装置
技术领域
本发明属于车辆辅助驾驶领域，更具体地，涉及一种基于平行约束的车道线消失点补偿方法及装置。
背景技术
在汽车高级驾驶辅助***(Advanced Driving Assistance System，ADAS)应用中，车载相机在弯道行驶中由于自身或道路原因造成相机消失点上下抖动而无法得到动态补偿。目前主要通过静态标定或是利用平行直线进行标定，静态标定方法在于使用特殊的标定板来对相机进行标定，该方法的特点是方法简单，但通用型不强，需要制作特殊的标定板且标定后标定数据不会根据车辆的抖动来进行补偿，在车辆行驶过程中由于车辆自身的抖动相机真实参数与标定结果相差较大；利用平行直线标定的方法利用车道线相互平行的特征，通过车道线检测完成相机标定，该方法的特点是无需使用标定板且可以动态补偿相机参数，但该方法仅限于直线车道线，对弯道场景无法补偿相机参数。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种基于平行约束的车道线消失点补偿方法及装置，由此解决现有静态标定或是利用平行直线标定，在进行弯道场景补偿时存在局限性的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于平行约束的车道线消失点补偿方法，包括：
(1)获取车载相机采集的路面图像，识别所述路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；
(2)利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；
(3)若左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，直至左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。
优选地，步骤(3)包括：
分别对左右车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，若拟合残差大于预设阈值，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，然后再对每条车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，直至拟合残差不大于所述预设阈值，得到最后次补偿后的消失点位置。
优选地，在进行双线约束拟合后，若消失点的位置偏大，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端包围着世界坐标点；若消失点的位置偏小，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端由世界坐标点包围着拟合后的曲线，其中，近端表示约束拟合得到的曲线与世界坐标点相交的位置。
优选地，由
Figure BDA0002746494880000021
Figure BDA0002746494880000022
得到拟合残差Residual，其中，right_num为近端右车道线上的车道线特征点个数，R_x(i)、R_y(i)分别为右车道线第i个车道线特征点的横、纵坐标，L_r(.)为右车道线的约束拟合方程；left_num为近端左车道线上的车道线特征点个数，L_x(j)、L_y(j)分别为左车道线第j个特征点的横、纵坐标，L_l(.)为左车道线的约束拟合方程。
优选地，由
Figure BDA0002746494880000031
其中，Residual大于0；
Figure BDA0002746494880000032
其中，Residual小于等于0；
Vanishing_y为消失点Y方向坐标，Min()为取其最小值，n为预设数值。
按照本发明的另一个方面，提供了一种基于平行约束的车道线消失点补偿装置，包括：
车道线检测模块，用于获取车载相机采集的路面图像，识别所述路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；
坐标转换模块，用于利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；
消失点补偿模块，用于在左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性时，对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，直至左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。
优选地，所述消失点补偿模块，具体用于分别对左右车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，若拟合残差大于预设阈值，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，然后再对每条车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，直至拟合残差不大于所述预设阈值，得到最后次补偿后的消失点位置。
优选地，在进行双线约束拟合后，若消失点的位置偏大，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端包围着世界坐标点；若消失点的位置偏小，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端由世界坐标点包围着拟合后的曲线，其中，近端表示约束拟合得到的曲线与世界坐标点相交的位置。
优选地，由
Figure BDA0002746494880000041
Figure BDA0002746494880000042
得到拟合残差Residual，其中，right_num为近端右车道线上的车道线特征点个数，R_x(i)、R_y(i)分别为右车道线第i个车道线特征点的横、纵坐标，L_r(.)为右车道线的约束拟合方程；left_num为近端左车道线上的车道线特征点个数，L_x(j)、L_y(j)分别为左车道线第j个特征点的横、纵坐标，L_l(.)为左车道线的约束拟合方程。
优选地，由
Figure BDA0002746494880000043
其中，Residual大于0；
Figure BDA0002746494880000044
其中，Residual小于等于0；
Vanishing_y为消失点Y方向坐标，Min()为取其最小值，n为预设数值。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
相较于平行直线标定而言，本发明通用性更强，满足场景更多。不仅满足平行直线场景下消失点的估计，也解决了平行直线标定车辆行驶到弯道场景中由于自车的抖动造成消失点变化而消失点Y方向无法估计的问题，提高了图像坐标与世界坐标相互转换的精度，尤其是对车辆、行人等目标距离和车道线方程的计算，消失点补偿精度直接影响着其检测距离的准确性与有效性。
附图说明
图1是本发明实施例提供的一种基于平行约束的车道线消失点补偿方法的流程示意图；
图2是本发明实施例提供的另一种基于平行约束的车道线消失点补偿方法的流程示意图；
图3是本发明实施例提供的一种双线约束拟合在消失点Y方向数值偏大时的效果示意图；
图4是本发明实施例提供的一种双线约束拟合在消失点Y方向数值偏小时的效果示意图；
图5是本发明实施例提供的一种补偿后的效果示意图，其中，(a)为初始消失点，(b)为迭代1次，(c)为迭代2次，(d)为迭代3次，(e)为迭代4次，(f)为迭代5次；
图6是本发明实施例提供的一种添加0.15m随机噪声后补偿效果示意图，其中，(a)为初始消失点，(b)为迭代1次，(c)为迭代2次，(d)为迭代3次，(e)为迭代4次，(f)为迭代5次；
图7是本发明实施例提供的一种基于平行约束的车道线消失点补偿装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明通过车道线的平行特征与双线约束拟合相结合对消失点Y方向进行动态补偿，在存在两条平行(直线或曲线)车道线的环境下为相机提供准确的消失点位置；扩展功能可以用于车辆、行人等目标的坐标转换，求取目标距离，将图像坐标车道线转换为世界车道线方程，提供更为准确的世界坐标系车道线方程，为后续LDW及LKA提供有效支撑。
本发明利用车载相机采集路面图像，利用车道线检测算法检测车道线提取车道线特征点，并结合相机内参、高度与消失点位置对特征点进行转换，根据真实世界中车道线相互平行的特征，当消失点位置不对时，所投影求解的世界坐标特征点位置将呈现出“内八”或“外八”的特性，通过调整消失点位置，对特征点重新投影，直至所投影的特征点呈现出平行的特征，即得到正确的消失点坐标位置。
如图1所示是本发明实施例提供的一种基于平行约束的车道线消失点补偿方法的流程示意图，包括以下步骤：
S1：获取车载相机采集的路面图像，识别路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；
S2：利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；
具体地，可以结合车载相机的内参、车载相机的高度及消失点初始位置对车道线特征点进行坐标转换。
S3：若左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，直至左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。
如图2所示是本发明实施例提供的另一种基于平行约束的车道线消失点补偿方法的流程示意图，在图2中，步骤(3)可以通过以下方式实现：
分别对左右车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，若拟合残差大于预设阈值，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，然后再对每条车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，直至拟合残差不大于所述预设阈值，得到最后次补偿后的消失点位置。
在本发明实施例中，对转换的世界坐标特征点进行双线约束拟合，拟合效果如图3和图4所示；
图中“o”代表真实世界坐标系中车道线特征点的位置，“*”代表消失点偏大时由图像坐标转换得到的世界坐标位置，黑色曲线是由“*”点双线约束拟合求得的曲线。从图3中可以看出当消失点偏大时，转换出的特征点呈现“外八”的特性，其约束拟合得到的黑色曲线与“*”点转换点呈现交叉且近端包围着“*”点转换点；反之，如图4所示，则呈现出“内八”的特性，近端由“*”点包围黑色曲线。后续将根据这一属性对相机消失点进行补偿，使其往消失点真实值上逼近，最终求出消失点位置，其中，近端是指双线约束后，黑色曲线与“*”点相交的位置。
在本发明实施例中，可以通过公式(1)计算拟合残差Residual；
Figure BDA0002746494880000071
式(1)中Residual为拟合残差，right_num为近端右车道线特征点个数，R_x(i)、R_y(i)为右车道线第i个特征点的横、纵坐标，L_r(.)为右车道线约束拟合方程；left_num为近端左车道线特征点个数，L_x(j)、L_y(j)为左车道线第j个特征点的横、纵坐标，L_l(.)为左车道线约束拟合方程。
其中，近端右车道线特征点个数可以通过以下方式确定：
当R_x(i)-L_r(R_y(i))大小由正变负，或由负变为正时即表明进入交叉，表达式如下：(R_x(i)-L_r(R_y(i)))*(R_x(i+1)-L_r(R_y(i+1))<0，则i的大小就是近端特征点的个数right_num。
近端左车道线特征点个数可以通过以下方式确定：
当L_x(j)-L_l(L_y(j))大小由正变负，或由负变为正时即表明进入交叉，表达式如下：(L_x(j)-L_l(L_y(j)))*(L_x(j+1)-L_l(L_y(j+1))<0，则j的大小就是近端特征点的个数left_num。
其中，预设阈值可以根据实际情况确定，在本发明实施例中，由图3和图4可知，当消失点偏大时Residual为正，反之为负，因此消失点的补偿方向可以由Residual正负决定，其补偿大小由其数值大小决定，当拟合残差Residual小于设定阈值时即表示其消失点Y坐标已经足够接近真实值，因此预设阈值可以取值为0。
具体地，可以通过公式(2)迭代优化消失点位置：
若Residual>0，则
Figure BDA0002746494880000081
若Residual≤0，则
Figure BDA0002746494880000082
Figure BDA0002746494880000083
其中，Vanishing_y为消失点Y方向坐标，Min()为取其最小值，n为预设数值，可以根据实际情况确定，在本发明实施例中，优选取10，其中，消失点的初始位置是车载相机安装时静态标定的结果，默认为图像中心的Y坐标。
图5是本发明实施例提供的一种补偿后的效果示意图，其中，(a)为初始消失点，(b)为迭代1次，(c)为迭代2次，(d)为迭代3次，(e)为迭代4次，(f)为迭代5次；
图6是本发明实施例提供的一种添加0.15m随机噪声后补偿效果示意图，其中，(a)为初始消失点，(b)为迭代1次，(c)为迭代2次，(d)为迭代3次，(e)为迭代4次，(f)为迭代5次。
如图7所示是本发明实施例提供的一种基于平行约束的车道线消失点补偿装置的结构示意图，包括：
车道线检测模块201，用于获取车载相机采集的路面图像，识别路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；
坐标转换模块202，用于利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；
消失点补偿模块203，用于在左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性时，对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，直至左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。
在本发明实施例中，上述消失点补偿模块203，具体用于分别对左右车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，若拟合残差大于预设阈值，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，然后再对每条车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，直至拟合残差不大于所述预设阈值，得到最后次补偿后的消失点位置。
在本发明实施例中，在进行双线约束拟合后，若消失点的位置偏大，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端包围着世界坐标点；若消失点的位置偏小，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端由世界坐标点包围着拟合后的曲线，其中，近端表示约束拟合得到的曲线与世界坐标点相交的位置。
在本发明实施例中，由
Figure BDA0002746494880000101
Figure BDA0002746494880000102
Figure BDA0002746494880000103
得到拟合残差Residual，其中，right_num为近端右车道线上的车道线特征点个数，R_x(i)、R_y(i)分别为右车道线第i个车道线特征点的横、纵坐标，L_r(.)为右车道线的约束拟合方程；left_num为近端左车道线上的车道线特征点个数，L_x(j)、L_y(j)分别为左车道线第j个特征点的横、纵坐标，L_l(.)为左车道线的约束拟合方程。
在本发明实施例中，由
Figure BDA0002746494880000104
Figure BDA0002746494880000105
其中，Residual大于0；
Figure BDA0002746494880000106
其中，Residual小于等于0；
Vanishing_y为消失点Y方向坐标，Min()为取其最小值，n为预设数值。
本发明结合车道线固有模型特性与相机光学成像模型提出了一种平行道路消失点Y方向的补偿方法。通过相机获取一帧图像信息，利用车道线检测识别图像坐标系中的车道线，并在每条车道线上选取多个车道线坐标点，结合相机高度、内参与初始相机消失点位置求取上述车道线坐标点在世界坐标系上的坐标位置。由车道线固有平行特性可知，当相机消失点估计正确时，求取的车道线坐标点世界坐标也是具有平行特征的，根据这一特性利用迭代法对相机消失点Y方向进行迭代补充，求取准确的消失点Y方向数值。本发明在多个弯道仿真场景下对消失点的补偿结果与消失点真实位置进行了比较，补偿后消失点Y坐标于真值相差不超过1.5个像素。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于平行约束的车道线消失点补偿方法，其特征在于，包括：
(1)获取车载相机采集的路面图像，识别所述路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；
(2)利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；
(3)若左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，直至左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。
2.根据权利要求1所述的方法，其特征在于，步骤(3)包括：
分别对左右车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，若拟合残差大于预设阈值，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，然后再对每条车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，直至拟合残差不大于所述预设阈值，得到最后次补偿后的消失点位置。
3.根据权利要求2所述的方法，其特征在于，在进行双线约束拟合后，若消失点的位置偏大，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端包围着世界坐标点；若消失点的位置偏小，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端由世界坐标点包围着拟合后的曲线，其中，近端表示约束拟合得到的曲线与世界坐标点相交的位置。
4.根据权利要求3所述的方法，其特征在于，由
Figure FDA0002746494870000021
Figure FDA0002746494870000022
Figure FDA0002746494870000023
得到拟合残差Residual，其中，right_num为近端右车道线上的车道线特征点个数，R_x(i)、R_y(i)分别为右车道线第i个车道线特征点的横、纵坐标，L_r(.)为右车道线的约束拟合方程；left_num为近端左车道线上的车道线特征点个数，L_x(j)、L_y(j)分别为左车道线第j个特征点的横、纵坐标，L_l(.)为左车道线的约束拟合方程。
5.根据权利要求4所述的方法，其特征在于，由
Figure FDA0002746494870000026
Figure FDA0002746494870000024
其中，Residual大于0；
Figure FDA0002746494870000025
其中，Residual小于等于0；
Vanishing_y为消失点Y方向坐标，Min()为取其最小值，n为预设数值。
6.一种基于平行约束的车道线消失点补偿装置，其特征在于，包括：
车道线检测模块，用于获取车载相机采集的路面图像，识别所述路面图像在图像坐标系中的左右两条车道线，并在每条车道线上分别选取多个车道线特征点；
坐标转换模块，用于利用消失点初始位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置；
消失点补偿模块，用于在左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标不具有平行特性时，对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，直至左车道线上的各车道线特征点的世界坐标与右车道线上的各车道线特征点的世界坐标具有平行特性，将最后补偿的消失点位置作为消失点的最终位置。
7.根据权利要求6所述的装置，其特征在于，所述消失点补偿模块，具体用于分别对左右车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，若拟合残差大于预设阈值，则对消失点位置进行补偿，并根据补偿后的消失点位置分别求取每条车道线上选取的各车道线特征点在世界坐标系中的坐标位置，然后再对每条车道线上的世界坐标系中的各车道线特征点进行双线约束拟合，直至拟合残差不大于所述预设阈值，得到最后次补偿后的消失点位置。
8.根据权利要求7所述的装置，其特征在于，在进行双线约束拟合后，若消失点的位置偏大，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端包围着世界坐标点；若消失点的位置偏小，则约束拟合得到的曲线与对应的车道线特征点的世界坐标点呈现交叉且近端由世界坐标点包围着拟合后的曲线，其中，近端表示约束拟合得到的曲线与世界坐标点相交的位置。
9.根据权利要求8所述的装置，其特征在于，由
Figure FDA0002746494870000031
Figure FDA0002746494870000032
Figure FDA0002746494870000033
得到拟合残差Residual，其中，right_num为近端右车道线上的车道线特征点个数，R_x(i)、R_y(i)分别为右车道线第i个车道线特征点的横、纵坐标，L_r(.)为右车道线的约束拟合方程；left_num为近端左车道线上的车道线特征点个数，L_x(j)、L_y(j)分别为左车道线第j个特征点的横、纵坐标，L_l(.)为左车道线的约束拟合方程。
10.根据权利要求9所述的装置，其特征在于，由
Figure FDA0002746494870000036
Figure FDA0002746494870000034
其中，Residual大于0；
Figure FDA0002746494870000035
其中，Residual小于等于0；
Vanishing_y为消失点Y方向坐标，Min()为取其最小值，n为预设数值。
CN202011168364.2A 2020-10-28 2020-10-28 一种基于平行约束的车道线消失点补偿方法及装置 Active CN112348752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011168364.2A CN112348752B (zh) 2020-10-28 2020-10-28 一种基于平行约束的车道线消失点补偿方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011168364.2A CN112348752B (zh) 2020-10-28 2020-10-28 一种基于平行约束的车道线消失点补偿方法及装置

Publications (2)

Publication Number Publication Date
CN112348752A CN112348752A (zh) 2021-02-09
CN112348752B true CN112348752B (zh) 2022-08-16

Family

ID=74359247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011168364.2A Active CN112348752B (zh) 2020-10-28 2020-10-28 一种基于平行约束的车道线消失点补偿方法及装置

Country Status (1)

Country Link
CN (1) CN112348752B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113375687B (zh) * 2021-05-12 2023-06-02 武汉极目智能技术有限公司 基于平行约束的车道线消失点补偿的方法及***、装置
CN114120258B (zh) * 2022-01-26 2022-05-03 深圳佑驾创新科技有限公司 一种车道线识别方法、装置及存储介质
CN117315048B (zh) * 2023-11-22 2024-04-12 深圳元戎启行科技有限公司 车载相机的外参自标定方法、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927754A (zh) * 2014-04-21 2014-07-16 大连理工大学 一种车载摄像机的标定方法
JP2017010553A (ja) * 2015-06-24 2017-01-12 株式会社リコー 道路境界物の検出方法及び検出装置
CN106875448A (zh) * 2017-02-16 2017-06-20 武汉极目智能技术有限公司 一种车载单目摄像头外部参数自标定方法
CN107787496A (zh) * 2015-05-26 2018-03-09 Plk科技株式会社 消失点修正装置及方法
CN108898638A (zh) * 2018-06-27 2018-11-27 江苏大学 一种车载摄像头在线自动标定方法
CN109255316A (zh) * 2018-08-30 2019-01-22 深圳市路畅科技股份有限公司 一种车道偏移检测方法及***
CN110264525A (zh) * 2019-06-13 2019-09-20 惠州市德赛西威智能交通技术研究院有限公司 一种基于车道线与目标车辆的相机标定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8311283B2 (en) * 2008-07-06 2012-11-13 Automotive Research&Testing Center Method for detecting lane departure and apparatus thereof

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927754A (zh) * 2014-04-21 2014-07-16 大连理工大学 一种车载摄像机的标定方法
CN107787496A (zh) * 2015-05-26 2018-03-09 Plk科技株式会社 消失点修正装置及方法
JP2017010553A (ja) * 2015-06-24 2017-01-12 株式会社リコー 道路境界物の検出方法及び検出装置
CN106875448A (zh) * 2017-02-16 2017-06-20 武汉极目智能技术有限公司 一种车载单目摄像头外部参数自标定方法
CN108898638A (zh) * 2018-06-27 2018-11-27 江苏大学 一种车载摄像头在线自动标定方法
CN109255316A (zh) * 2018-08-30 2019-01-22 深圳市路畅科技股份有限公司 一种车道偏移检测方法及***
CN110264525A (zh) * 2019-06-13 2019-09-20 惠州市德赛西威智能交通技术研究院有限公司 一种基于车道线与目标车辆的相机标定方法

Also Published As

Publication number Publication date
CN112348752A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN112348752B (zh) 一种基于平行约束的车道线消失点补偿方法及装置
CN108805934B (zh) 一种车载摄像机的外部参数标定方法及装置
CN107392103B (zh) 路面车道线的检测方法及装置、电子设备
CN110567469B (zh) 视觉定位方法、装置、电子设备及***
KR101143176B1 (ko) 조감도를 이용한 주차구획 인식 방법, 장치 및 그를 이용한주차 보조 시스템
EP3676796A1 (en) Systems and methods for correcting a high-definition map based on detection of obstructing objects
CN110766760B (zh) 用于相机标定的方法、装置、设备和存储介质
CN112257539B (zh) 车辆与车道线的位置关系检测方法、***和存储介质
CN111260539B (zh) 鱼眼图目标识别方法及其***
CN110728720B (zh) 用于相机标定的方法、装置、设备和存储介质
CN110766761B (zh) 用于相机标定的方法、装置、设备和存储介质
CN110751693B (zh) 用于相机标定的方法、装置、设备和存储介质
CN113740871B (zh) 一种在高动态环境下的激光slam方法、***设备及存储介质
CN111141311A (zh) 一种高精度地图定位模块的评估方法及***
CN105551020A (zh) 一种检测目标物尺寸的方法及装置
CN113029128A (zh) 视觉导航方法及相关装置、移动终端、存储介质
CN105809669A (zh) 一种用于校准图像检测设备的方法和装置
CN111222417A (zh) 一种用于提高基于车载图像车道线提取精度的方法及装置
CN114419143A (zh) 深度测量方法、深度测量设备及存储介质
JP2017181476A (ja) 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム
CN113029185A (zh) 众包式高精度地图更新中道路标线变化检测方法及***
US20080036855A1 (en) Sensing apparatus and method for vehicles
CN116486351A (zh) 行车预警方法、装置、设备及存储介质
EP3288260B1 (en) Image processing device, imaging device, equipment control system, equipment, image processing method, and carrier means
US11477371B2 (en) Partial image generating device, storage medium storing computer program for partial image generation and partial image generating method

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