CN115071733B - 一种基于计算机的辅助驾驶方法及装置 - Google Patents
一种基于计算机的辅助驾驶方法及装置 Download PDFInfo
- Publication number
- CN115071733B CN115071733B CN202210856155.XA CN202210856155A CN115071733B CN 115071733 B CN115071733 B CN 115071733B CN 202210856155 A CN202210856155 A CN 202210856155A CN 115071733 B CN115071733 B CN 115071733B
- Authority
- CN
- China
- Prior art keywords
- image
- driving
- road
- traffic
- lane line
- 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 39
- 238000001514 detection method Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000036626 alertness Effects 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于计算机的辅助驾驶方法及装置,所述方法包括以下步骤:实时采集车辆前方行驶图像;根据采集的行驶图像对道路的车道线进行检测;获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;根据识别的交通路标类别,对驾驶员进行语音提醒。本发明能够同时检测出直线与曲线车道线,能够同时检测到视野内的多条车道线,且能够对虚线车道线和实线车道线进行区分;同时能够对行驶道路上的圆形交通路标进行识别,可以辅助驾驶员获取道路上的信息,帮助驾驶员分析道路情况,且能够提高驾驶员的安全驾驶警觉。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于计算机的辅助驾驶方法及装置。
背景技术
计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
随着经济水平的不断提高,汽车的数量也在不断的增加;然而,并不是所有司机都是训练有素,很多不遵守交通规则的车辆随处可见;因此通过计算机视觉辅助驾驶员进行驾驶已成为现代驾驶的主流。
而在目前现有技术中,在通过计算机对驾驶进行辅助驾驶时,存在以下问题:只能对车道线进行直线检测,不能进行曲线检测;只能对车道线进行实线检测,不能进行虚线检测;不能对实线和虚线的车道线进行很好区分;只能检测少数条车道线,不能检测到视野中出现的多条车道线;不能很好的对圆形道路交通标识进行识别。
有鉴于此特提出本发明。
发明内容
为了现有技术存在的上述技术缺陷,本发明提供了一种基于计算机的辅助驾驶方法及装置,可以有效解决背景技术中的问题。
为了解决上述技术问题,本发明提供的技术方案具体如下:
本发明实施例公开了一种基于计算机的辅助驾驶方法,包括以下步骤:
实时采集车辆前方行驶图像;
根据采集的行驶图像对道路的车道线进行检测;
获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;
根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;
根据识别的交通路标类别,对驾驶员进行语音提醒。
在上述任一方案中优选的是,所述根据采集的行驶图像对道路的车道线进行检测包括:
将采集的行驶图像进行RGB色彩空间到HSV色彩空间的转换;
根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取;
根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留。
在上述任一方案中优选的是,所述根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取包括:
设置地平线为行驶图像中的1/2处,并将行驶图像中地平线以上部分进行去除;
设置HSV色彩空间中白色阈值区间s1和v1,将采集的行驶图像中满足s∈s1&v∈v1的对象进行保留;
设置HSV色彩空间中黄色阈值区间h1、s2和v2,将采集的行驶图像中满足h∈h1&s∈s2&v∈v2的对象进行保留。
在上述任一方案中优选的是,所述根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留包括:
通过中值滤波对行驶图像进行去除噪点;
扫描行驶图像的二值图像,将属于同一类别的像素点归为同一类,并将图像中所有的点都分到不同的类中,且同一类的标记相同,以生成行驶图像的多个连通区域;
计算每一个连通区域所包含的像素点数目,并设置最小阈值和最大阈值,当连通区域块的面积小于最小阈值或最大阈值,则将该连通区域进行去除;
基于二次曲线对疑似车道线进行寻找。
在上述任一方案中优选的是,所述基于二次曲线对疑似车道线进行寻找包括:
从小标号的连通区域开始对全部连通区域进行扫描:
当包含连通区域的举行对角线长度达到给定阈值时,直接将该连通区域划分为道路车道线;
对连通区域数据点进行曲线拟合,设待拟合的曲线方程为:,其中,a、b、c分别为三个不同参数,通过最小二乘法a、b、c进
行求解,以对对当前连通区域进行曲线拟合,得到曲线后将曲线延长n个像素点,当延长线
能触及到其他的连通区域则认为当前连通区域为车道线部分。
在上述任一方案中优选的是,所述获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒包括:当检测出采集的行驶图像中的道路车道线后,获取车辆的行驶导航信息,根据车辆的实时位置与前方的道路车道线判定车辆所在车道是否满足车辆的行驶导航信息,若不满足则通过车载语音播放装置,对驾驶员进行语音提醒。
在上述任一方案中优选的是,所述根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别包括:
基于色彩特征对采集的行驶图像中的目标对象进行轮廓提取;
基于形状特征对采集的行驶图像中非路标的轮廓进行去除,以筛选得到行驶图像中的交通路标图像;
通过大数据汇总多类交通路标图像,并对每类交通路标图像进行手工标注,生成识别数据库;
将行驶图像中的交通路标图像与数据库内的每类交通路标图像分别进行相似度γi计算,其中i为数据库内的类别号;
将计算得到的交通路标图像与数据库内的全部交通路标图像的相似度γi进行排序并得到最大相似度γimax。
在上述任一方案中优选的是,在所述将计算得到的交通路标图像与数据库内的全部交通路标图像的相似度γi进行排序并得到最大相似度γimax后,还包括:
将最大相似度γimax与相似度阈值γ进行判别,若γimax<γ,则判断行驶图像中的交通路标图像与数据库内第i类的交通路标图像均不匹配,为无效图像;若γimax>γ,则判断行驶图像中的交通路标图像与数据库内第i类的交通路标图像匹配,并输出数据库内第i类的交通路标图像的手工标注。
在上述任一方案中优选的是,所述基于形状特征对采集的行驶图像中非路标的轮廓进行去除包括:
对提取的轮廓通过Graham扫描法进行凸包寻找;
对凸包检测后的对象通过Hough变换进行Hough圆检测,以筛选出得到行驶图像中的圆形交通路标图像。
第二方面,一种基于计算机的辅助驾驶装置,所述辅助驾驶装置包括:
采集模块,用于实时采集车辆前方行驶图像;
车道线检测模块,用于根据采集的行驶图像对道路的车道线进行检测;
GPS导航模块,用于获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;
交通路标识别模块,用于根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;
提醒模块,用于根据识别的交通路标类别,对驾驶员进行语音提醒。
与现有技术相比,本发明的有益效果:
本发明提供了一种基于计算机的辅助驾驶方法及装置,通过实时采集车辆前方行驶图像;根据采集的行驶图像对道路的车道线进行检测;获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;根据识别的交通路标类别,对驾驶员进行语音提醒;能够解决现有技术中存在的:对车道路车道线检测只能进行直线检测,不能进行曲线检测、只能进行实现检测,不能进行虚线检测、不能检测到多条车道线的问题,能够同时检测出直线与曲线车道线,能够同时检测到视野内的多条车道线,且能够对虚线车道线和实线车道线进行区分;同时能够对行驶道路上的圆形交通路标进行识别,可以辅助驾驶员获取道路上的信息,帮助驾驶员分析道路情况,且能够提高驾驶员的安全驾驶警觉。
附图说明
附图用于对本发明的进一步理解,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1是本发明的基于计算机的辅助驾驶方法的流程示意图;
图2是本发明的基于计算机的辅助驾驶装置的模块示意图。
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。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至该另一个元件上。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了更好地理解上述技术方案,下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
如图1所示,本发明提供了一种基于计算机的辅助驾驶方法,包括:
步骤1:实时采集车辆前方行驶图像;
步骤2:根据采集的行驶图像对道路的车道线进行检测;
步骤3:获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;
步骤4:根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;
步骤5:根据识别的交通路标类别,对驾驶员进行语音提醒。
如图1所示,所述根据采集的行驶图像对道路的车道线进行检测包括:
步骤21:将采集的行驶图像进行RGB色彩空间到HSV色彩空间的转换;一般情况下,通过车载图像采集设备采集到的行驶图像都是彩色图像,彩色图像中的所有颜色都可由三基色R、G、B组合得到,从而构成RGB色彩空间,在RGB色彩空间中,是由三个不同通道(红色通道,绿色通道,蓝色通道)的值来共同决定图像颜色的色调,明暗,深浅。在RGB色彩空间上进行依据某类颜色进行目标物体分割会显得极为复杂,因为像素点任意一个通道的值的变化都能影响该像素点的色彩值。
在本发明实施例所述的基于计算机的辅助驾驶方法中,在转换后的HSV空间中,色调值h∈[0,360),饱和度和亮度s,v∈[0,1]。
步骤22:根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取;在本发明实施例所述的基于计算机的辅助驾驶方法中,由于车道线在HSV色彩空间中存在较大的色彩特征,例如白色或者黄色;可通过设置色彩阈值区间,将采集的行驶图像中满足色彩阈值区间的对象进行提取,不满足色彩阈值区间的对象进行去除,进一步的,在通过车载图像采集装置对行驶道路进行采集时,采集的行驶图像中通常图像的二分之一到三分之一以上部分便是道路的尽头,即属于地平线以上部分,进一步的,可设置图像裁剪点,以将图像中地平线以上的部分进行去除,减少后期工作量。
如图1所示,所述根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取包括:
步骤221:设置地平线为行驶图像中的1/2处,并将行驶图像中地平线以上部分进行去除;
步骤222:设置HSV色彩空间中白色阈值区间s1和v1,将采集的行驶图像中满足s∈s1&v∈v1的对象进行保留;
步骤223:设置HSV色彩空间中黄色阈值区间h1、s2和v2,将采集的行驶图像中满足h∈h1&s∈s2&v∈v2的对象进行保留。
步骤23:根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留;由于在用色彩阈值对行驶图像中满足阈值的部分进行提取时,行驶图像中可能包含噪点,且白色区域的边缘可能为锯齿状,因而需对行驶图像进行图像去噪,以恢复图像感兴趣区域的轮廓,使图像中白色区域变得光滑与饱和。
在本发明实施例所述的基于计算机的辅助驾驶方法中,对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留包括:
步骤231:通过中值滤波对行驶图像进行去除噪点;
步骤232:扫描行驶图像的二值图像,将属于同一类别的像素点归为同一类,并将图像中所有的点都分到不同的类中,且同一类的标记相同,以生成行驶图像的多个连通区域;
步骤233:计算每一个连通区域所包含的像素点数目,并设置最小阈值和最大阈值,当连通区域块的面积小于最小阈值或最大阈值,则将该连通区域进行去除;在本发明实施例所述的基于计算机的辅助驾驶方法中,根据连通区域对象所在椭圆区域的长轴与x轴的角度对不符合的对象进行去除,根据角度可以去除与x轴角度在(-15°,15°),即可以去除几乎与x轴平行的对象,与x轴角度在(75°,90°)∪(-90°,-75°)页可以去除,即可去除几乎与x轴垂直的对象,因为满足这两类角度的对象不可能为道路车道线,以将行驶图像中无关于道路车道线的对象(例如车道边的交通路杆的杆子、大面积的天空区域、路中央的白色车辆等)进行去除。
步骤234:基于二次曲线对疑似车道线进行寻找;在通过对连通区域进行去除后,可以得到几乎纯净的道路车道线提取图,但仍然会有个别的非车道线对象未被清除,然而各个散落的虚线的车道线部分有着一定的联系,而非车道线部分只是孤立的,和其他部分并无联系。
在本发明实施例所述的基于计算机的辅助驾驶方法中,所述基于二次曲线对疑似车道线进行寻找包括:
步骤2341:从小标号的连通区域开始对全部连通区域进行扫描:
步骤2342:当包含连通区域的举行对角线长度达到给定阈值时,直接将该连通区域划分为道路车道线;
步骤2343:对连通区域数据点进行曲线拟合,设待拟合的曲线方程为:,其中,a、b、c分别为三个不同参数,通过最小二乘法a、b、c进行求
解,以对对当前连通区域进行曲线拟合,得到曲线后将曲线延长n个像素点,当延长线能触
及到其他的连通区域则认为当前连通区域为车道线部分;
步骤2344:重复进行步骤2342和步骤2343,直至所有连通区域扫描完毕。
在本发明实施例所述的基于计算机的辅助驾驶方法中,所述获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒包括:当检测出采集的行驶图像中的道路车道线后,获取车辆的行驶导航信息,根据车辆的实时位置与前方的道路车道线判定车辆所在车道是否满足车辆的行驶导航信息,若不满足则通过车载语音播放装置,对驾驶员进行语音提醒,以防止车辆的预定形成发生偏移,帮助驾驶员进行辅助驾驶。
如图1所示,所述根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别包括:
步骤41:基于色彩特征对采集的行驶图像中的目标对象进行轮廓提取;在本发明实施例所述的基于计算机的辅助驾驶方法中,由于交通路标在色彩方面有着很显著的特征,例如警示交通路标一般为黄色,禁止类交通路标为红色,指示***通路标为蓝色;可通过如步骤22所述方式,设置红色阈值区间、蓝色阈值区间等,对交通路标进行轮廓提取。
步骤42:基于形状特征对采集的行驶图像中非路标的轮廓进行去除,以筛选得到行驶图像中的交通路标图像;在本发明实施例所述的基于计算机的辅助驾驶方法中,由于交通路标普遍只有三种形状:圆形、矩形和三角形,而本发明主要是对圆形类交通路标进行检测和识别,因此在本发明实施例中对矩形和三角形类交通路标的检测识别不再详述;
如图1所示,所述基于形状特征对采集的行驶图像中非路标的轮廓进行去除包括:
步骤421:对提取的轮廓通过Graham扫描法进行凸包寻找;
步骤422:对凸包检测后的对象通过Hough变换进行Hough圆检测,以筛选出得到行驶图像中的圆形交通路标图像。
步骤43:通过大数据汇总多类交通路标图像,并对每类交通路标图像进行手工标注,生成识别数据库;
步骤44:将行驶图像中的交通路标图像与数据库内的每类交通路标图像分别进行相似度γi计算,其中i为数据库内的类别号;
步骤45:将计算得到的交通路标图像与数据库内的全部交通路标图像的相似度γi进行排序并得到最大相似度γimax;
步骤46:将最大相似度γimax与相似度阈值γ进行判别,若γimax<γ,则判断行驶图像中的交通路标图像与数据库内第i类的交通路标图像均不匹配,为无效图像;若γimax>γ,则判断行驶图像中的交通路标图像与数据库内第i类的交通路标图像匹配,并输出数据库内第i类的交通路标图像的手工标注。
在本发明实施例所述的基于计算机的辅助驾驶方法中,根据识别的交通路标类别,对驾驶员进行语音提醒包括:当识别出采集的行驶图像中的圆形交通路标后,获取车辆的行驶信息,例如车速、灯光等,并根据车辆的行驶信息与前方的圆形交通路标类别判定车辆否满足该圆形交通路标类别下的行驶条件,若不满足则通过车载语音播放装置,对驾驶员进行语音提醒,以预防车辆的违规行驶,提高驾驶员的安全驾驶警觉,帮助驾驶员进行辅助驾驶。
如图2所示,本发明还提供了一种基于计算机的辅助驾驶装置,包括:
采集模块,用于实时采集车辆前方行驶图像;
车道线检测模块,用于根据采集的行驶图像对道路的车道线进行检测;
GPS导航模块,用于获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;
交通路标识别模块,用于根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;
提醒模块,用于根据识别的交通路标类别,对驾驶员进行语音提醒。
以上仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于计算机的辅助驾驶方法,其特征在于:包括以下步骤:
实时采集车辆前方行驶图像;
根据采集的行驶图像对道路的车道线进行检测,所述根据采集的行驶图像对道路的车道线进行检测包括:将采集的行驶图像进行RGB色彩空间到HSV色彩空间的转换;根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取,所述根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取包括:设置地平线为行驶图像中的1/2处,并将行驶图像中地平线以上部分进行去除;设置HSV色彩空间中白色阈值区间s1和v1,将采集的行驶图像中满足s∈s1&v∈v1的对象进行保留;设置HSV色彩空间中黄色阈值区间h1、s2和v2,将采集的行驶图像中满足h∈h1&s∈s2&v∈v2的对象进行保留;根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留,所述根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留包括:通过中值滤波对行驶图像进行去除噪点;扫描行驶图像的二值图像,将属于同一类别的像素点归为同一类,并将图像中所有的点都分到不同的类中,且同一类的标记相同,以生成行驶图像的多个连通区域;计算每一个连通区域所包含的像素点数目,并设置最小阈值和最大阈值,当连通区域块的面积小于最小阈值或最大阈值,则将该连通区域进行去除;基于二次曲线对疑似车道线进行寻找,所述基于二次曲线对疑似车道线进行寻找包括:从小标号的连通区域开始对全部连通区域进行扫描:当包含连通区域的举行对角线长度达到给定阈值时,直接将该连通区域划分为道路车道线;对连通区域数据点进行曲线拟合,设待拟合的曲线方程为:,其中,a、b、c分别为三个不同参数,通过最小二乘法a、b、c进行求解,以对当前连通区域进行曲线拟合,得到曲线后将曲线延长n个像素点,当延长线能触及到其他的连通区域则认为当前连通区域为车道线部分;
获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;
根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;
根据识别的交通路标类别,对驾驶员进行语音提醒。
2.根据权利要求1所述的基于计算机的辅助驾驶方法,其特征在于:所述获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒包括:当检测出采集的行驶图像中的道路车道线后,获取车辆的行驶导航信息,根据车辆的实时位置与前方的道路车道线判定车辆所在车道是否满足车辆的行驶导航信息,若不满足则通过车载语音播放装置,对驾驶员进行语音提醒。
3.根据权利要求2所述的基于计算机的辅助驾驶方法,其特征在于:所述根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别包括:
基于色彩特征对采集的行驶图像中的目标对象进行轮廓提取;
基于形状特征对采集的行驶图像中非路标的轮廓进行去除,以筛选得到行驶图像中的交通路标图像;
通过大数据汇总多类交通路标图像,并对每类交通路标图像进行手工标注,生成识别数据库;
将行驶图像中的交通路标图像与数据库内的每类交通路标图像分别进行相似度γi计算,其中i为数据库内的类别号;
将计算得到的交通路标图像与数据库内的全部交通路标图像的相似度γi进行排序并得到最大相似度γimax。
4.根据权利要求3所述的基于计算机的辅助驾驶方法,其特征在于:在所述将计算得到的交通路标图像与数据库内的全部交通路标图像的相似度γi进行排序并得到最大相似度γimax后,还包括:
将最大相似度γimax与相似度阈值γ进行判别,若γimax<γ,则判断行驶图像中的交通路标图像与数据库内第i类的交通路标图像均不匹配,为无效图像;若γimax>γ,则判断行驶图像中的交通路标图像与数据库内第i类的交通路标图像匹配,并输出数据库内第i类的交通路标图像的手工标注。
5.根据权利要求4所述的基于计算机的辅助驾驶方法,其特征在于:所述基于形状特征对采集的行驶图像中非路标的轮廓进行去除包括:
对提取的轮廓通过Graham扫描法进行凸包寻找;
对凸包检测后的对象通过Hough变换进行Hough圆检测,以筛选出得到行驶图像中的圆形交通路标图像。
6.一种基于计算机的辅助驾驶装置,其特征在于:所述辅助驾驶装置包括:
采集模块,用于实时采集车辆前方行驶图像;
车道线检测模块,用于根据采集的行驶图像对道路的车道线进行检测,所述根据采集的行驶图像对道路的车道线进行检测包括:将采集的行驶图像进行RGB色彩空间到HSV色彩空间的转换;根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取,所述根据车道线所处的色彩阈值对满足色彩阈值的对象进行提取包括:设置地平线为行驶图像中的1/2处,并将行驶图像中地平线以上部分进行去除;设置HSV色彩空间中白色阈值区间s1和v1,将采集的行驶图像中满足s∈s1&v∈v1的对象进行保留;设置HSV色彩空间中黄色阈值区间h1、s2和v2,将采集的行驶图像中满足h∈h1&s∈s2&v∈v2的对象进行保留;根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留,所述根据车道线应满足的面积以及角度关系对非车道线对象进行消除,并对满足车道线之间内在联系的对象进行保留包括:通过中值滤波对行驶图像进行去除噪点;扫描行驶图像的二值图像,将属于同一类别的像素点归为同一类,并将图像中所有的点都分到不同的类中,且同一类的标记相同,以生成行驶图像的多个连通区域;计算每一个连通区域所包含的像素点数目,并设置最小阈值和最大阈值,当连通区域块的面积小于最小阈值或最大阈值,则将该连通区域进行去除;基于二次曲线对疑似车道线进行寻找,所述基于二次曲线对疑似车道线进行寻找包括:从小标号的连通区域开始对全部连通区域进行扫描:当包含连通区域的举行对角线长度达到给定阈值时,直接将该连通区域划分为道路车道线;对连通区域数据点进行曲线拟合,设待拟合的曲线方程为:,其中,a、b、c分别为三个不同参数,通过最小二乘法a、b、c进行求解,以对当前连通区域进行曲线拟合,得到曲线后将曲线延长n个像素点,当延长线能触及到其他的连通区域则认为当前连通区域为车道线部分;
GPS导航模块,用于获取车辆导航信息,并结合车辆导航信息和道路的车道线对用户进行道路规划提醒;
交通路标识别模块,用于根据采集的行驶图像对道路的交通路标进行检测,并识别交通路标的类别;
提醒模块,用于根据识别的交通路标类别,对驾驶员进行语音提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210856155.XA CN115071733B (zh) | 2022-07-21 | 2022-07-21 | 一种基于计算机的辅助驾驶方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210856155.XA CN115071733B (zh) | 2022-07-21 | 2022-07-21 | 一种基于计算机的辅助驾驶方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115071733A CN115071733A (zh) | 2022-09-20 |
CN115071733B true CN115071733B (zh) | 2022-10-25 |
Family
ID=83259397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210856155.XA Active CN115071733B (zh) | 2022-07-21 | 2022-07-21 | 一种基于计算机的辅助驾驶方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115071733B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009103539A (ja) * | 2007-10-22 | 2009-05-14 | Denso Corp | 車両用レーン案内装置 |
CN101608924A (zh) * | 2009-05-20 | 2009-12-23 | 电子科技大学 | 一种基于灰度估计和级联霍夫变换的车道线检测方法 |
KR20140071174A (ko) * | 2012-12-03 | 2014-06-11 | 현대자동차주식회사 | 차량의 차선 가이드 장치 및 그 방법 |
DE102016100718A1 (de) * | 2016-01-18 | 2017-07-20 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erkennen von Fahrspuren auf einer Fahrbahn anhand einer Häufigkeitsverteilung von Abstandswerten, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
CN207274647U (zh) * | 2017-04-20 | 2018-04-27 | 成都工业职业技术学院 | 一种小型车辆侧方位停车移车机 |
CN110276971A (zh) * | 2019-07-03 | 2019-09-24 | 广州小鹏汽车科技有限公司 | 一种车辆驾驶的辅助控制方法、***及车辆 |
CN110920604A (zh) * | 2018-09-18 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 辅助驾驶方法、辅助驾驶***、计算设备及存储介质 |
CN112906583A (zh) * | 2021-02-25 | 2021-06-04 | 北京经纬恒润科技股份有限公司 | 一种车道线检测方法及装置 |
WO2021208110A1 (zh) * | 2020-04-18 | 2021-10-21 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及*** |
CN114111811A (zh) * | 2021-12-17 | 2022-03-01 | 奇瑞万达贵州客车股份有限公司 | 一种自动驾驶公交客车的导航控制***和方法 |
CN114582153A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 一种匝道入口长实线提醒方法、***及车辆 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005215985A (ja) * | 2004-01-29 | 2005-08-11 | Fujitsu Ltd | 走行車線判定プログラムおよびその記録媒体、走行車線判定装置ならびに走行車線判定方法 |
CN106407893B (zh) * | 2016-08-29 | 2019-11-22 | 东软集团股份有限公司 | 一种检测车道线的方法、装置和设备 |
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 |
CN109034047B (zh) * | 2018-07-20 | 2021-01-22 | 京东方科技集团股份有限公司 | 一种车道线检测方法及装置 |
KR102103941B1 (ko) * | 2018-11-14 | 2020-04-23 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 도로 및 차선데이터 실시간 업데이트 방법 |
US11518384B2 (en) * | 2018-12-07 | 2022-12-06 | Thinkware Corporation | Method for displaying lane information and apparatus for executing the method |
CN109657632B (zh) * | 2018-12-25 | 2022-05-06 | 重庆邮电大学 | 一种车道线检测识别方法 |
KR20200142155A (ko) * | 2019-06-11 | 2020-12-22 | 주식회사 만도 | 운전자 보조 시스템, 그를 가지는 차량 및 그 제어 방법 |
JP2021041758A (ja) * | 2019-09-09 | 2021-03-18 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
-
2022
- 2022-07-21 CN CN202210856155.XA patent/CN115071733B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009103539A (ja) * | 2007-10-22 | 2009-05-14 | Denso Corp | 車両用レーン案内装置 |
CN101608924A (zh) * | 2009-05-20 | 2009-12-23 | 电子科技大学 | 一种基于灰度估计和级联霍夫变换的车道线检测方法 |
KR20140071174A (ko) * | 2012-12-03 | 2014-06-11 | 현대자동차주식회사 | 차량의 차선 가이드 장치 및 그 방법 |
DE102016100718A1 (de) * | 2016-01-18 | 2017-07-20 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erkennen von Fahrspuren auf einer Fahrbahn anhand einer Häufigkeitsverteilung von Abstandswerten, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
CN207274647U (zh) * | 2017-04-20 | 2018-04-27 | 成都工业职业技术学院 | 一种小型车辆侧方位停车移车机 |
CN110920604A (zh) * | 2018-09-18 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 辅助驾驶方法、辅助驾驶***、计算设备及存储介质 |
CN110276971A (zh) * | 2019-07-03 | 2019-09-24 | 广州小鹏汽车科技有限公司 | 一种车辆驾驶的辅助控制方法、***及车辆 |
WO2021208110A1 (zh) * | 2020-04-18 | 2021-10-21 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及*** |
CN112906583A (zh) * | 2021-02-25 | 2021-06-04 | 北京经纬恒润科技股份有限公司 | 一种车道线检测方法及装置 |
CN114111811A (zh) * | 2021-12-17 | 2022-03-01 | 奇瑞万达贵州客车股份有限公司 | 一种自动驾驶公交客车的导航控制***和方法 |
CN114582153A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 一种匝道入口长实线提醒方法、***及车辆 |
Non-Patent Citations (3)
Title |
---|
基于几何矩采样的车道检测算法;宋锐等;《中国科学:信息科学》;20170420(第04期);59-71 * |
基于结构化道路的车道偏离实时预警算法;高琪等;《计算机仿真》;20180915(第09期);178-184 * |
船舱内部监控图像模糊增强算法;毛以芳等;《舰船科学技术》;20210323;85-87 * |
Also Published As
Publication number | Publication date |
---|---|
CN115071733A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
US8750567B2 (en) | Road structure detection and tracking | |
CN109670376B (zh) | 车道线识别方法及*** | |
CN103020623B (zh) | 交通标志检测方法和交通标志检测设备 | |
CN108447303B (zh) | 基于人眼视觉与机器视觉耦合的外周视野危险识别方法 | |
CN103116751B (zh) | 一种车牌字符自动识别方法 | |
US10891738B2 (en) | Boundary line recognition apparatus and branch road determination apparatus | |
US20100110193A1 (en) | Lane recognition device, vehicle, lane recognition method, and lane recognition program | |
EP1596322A2 (en) | Driving lane recognizer and driving lane recognizing method | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN107578012B (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助*** | |
CN107506760A (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及*** | |
CN108645409B (zh) | 一种基于无人驾驶的行车安全*** | |
CN106156780A (zh) | 轨道上异物侵限识别中排除误报的方法 | |
US9355322B2 (en) | Road environment recognition device | |
CN106709412B (zh) | 交通标志检测方法和装置 | |
CN109190483B (zh) | 一种基于视觉的车道线检测方法 | |
CN106326822A (zh) | 车道线检测的方法及装置 | |
CN112381870B (zh) | 一种基于双目视觉的船舶识别与航速测量***及方法 | |
CN105654073A (zh) | 一种基于视觉检测的速度自动控制方法 | |
CN105023452B (zh) | 一种多路交通信号灯信号采集的方法及装置 | |
JP2005316607A (ja) | 画像処理装置及び画像処理方法 | |
CN107909012A (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN108446668A (zh) | 基于无人驾驶平台的交通信号灯检测识别方法及*** | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |