CN116977968A - 一种基于车载摄像头的车行道识别***、方法及存储介质 - Google Patents
一种基于车载摄像头的车行道识别***、方法及存储介质 Download PDFInfo
- Publication number
- CN116977968A CN116977968A CN202311003935.0A CN202311003935A CN116977968A CN 116977968 A CN116977968 A CN 116977968A CN 202311003935 A CN202311003935 A CN 202311003935A CN 116977968 A CN116977968 A CN 116977968A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- road
- line
- edge projection
- 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 33
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于车载摄像头的车行道识别***、方法及存储介质,涉及图像处理技术领域。该***包括配置为通过车载摄像头至少对车辆前方道路和后方道路进行图像采集的图像采集模块、配置为对采集到的道路图像进行图像处理的图像处理模块、配置为基于图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型的路况拟合模块配置为基于图像处理模块对车辆前方对应的处理后的图像以及道路模型对车辆位于的车道线区间进行标识并显示的行道识别模块。该方法适用于上述的***,且该存储介质中存储有在被处理器执行时实现该方法的计算机程序。本申请能够直观且快速的为用户提供车道情况,具有较高的可靠性。
Description
技术领域
本申请涉及图像处理技术领域,具体是一种基于车载摄像头的车行道识别***、方法及存储介质。
背景技术
车道识别是安全驾驶领域的一个研究热点,能够识别车道并在发生车道偏离情况下进行预警的辅助设备,能够有效减少交通事故的发生,保护司机和行人的安全。现有技术中多采用前置摄像头检测车辆前方的车道线,并依据检测结果对车辆进行纠偏控制。但是,这种方式,以来的数据结构较为简单,无法确保车道线识别的准确性。
发明内容
本申请的目的在于提供一种基于车载摄像头的车行道识别***、方法及存储介质,以解决上述背景技术中提出的现有技术中存在的。
为实现上述目的,本申请公开了以下技术方案:
第一方面,本申请提供了一种基于车载摄像头的车行道识别***,包括图像采集模块、图像处理模块、路况拟合模块以及行道识别模块;
所述图像采集模块配置为:通过车载摄像头至少对车辆前方道路和后方道路进行图像采集;
所述图像处理模块配置为:对采集到的道路图像进行图像处理,增强图像中车道线的显示效果;
所述路况拟合模块配置为:基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型;
所述行道识别模块配置为:基于所述图像处理模块对车辆前方对应的处理后的图像以及所述道路模型,对车辆位于的车道线区间进行标识并显示。
在一种实施方式中,所述的至少对车辆前方道路和后方道路进行图像采集,具体包括:
通过位于车辆前方的车载摄像头一对车辆前方的道路进行图像采集,采集到的图像一中包括车道线分布情况;
通过位于车辆后方的车载摄像头二对车辆后方的道路进行图像采集,采集到的图像二中包括车道线分布情况。
在一种实施方式中,所述的对采集到的道路图像进行图像处理包括:
对所述图像一和所述图像二中元素通过图像归一化处理进行图像分割,获取分割后元素;
对所述分割后元素进行边缘提取,获取元素边缘;
将所述元素边缘与预设的车道线边缘特征进行比对,识别图像中的车道线,所述车道线边缘特征至少包括直线型车道线边缘特征、弯曲型车道线边缘特征;
将识别出的车道线在所述图像一和所述图像二中进行深化处理,得到车道线突出显示的辅助图像一和辅助图像二。
在一种实施方式中,所述深化处理具体包括:
将识别出的车道线在对应的图像中的主要颜色进行识别,所述主要颜色为车道线在该图像中的颜色占比度最大的色彩;
将识别出的车道线在对应的图像中的轮廓以所述主要颜色进行纯色处理;将对应的图像中除识别出的车道线轮廓之外的内容定义为背景元素,并对所述背景元素进行虚化处理。
在一种实施方式中,所述的采集到的图像一中还包括道路延伸布局情况,所述的对采集到的道路图像进行图像处理还包括:
对所述图像一中元素通过图像归一化处理进行图像分割,获取分割后元素;
对所述分割后元素进行边缘提取,获取元素边缘;
将所述元素边缘与预设的道路特征进行比对,识别图像中的道路延伸元素,所述道路延伸元素至少包括道路围栏、路沿;
将识别出的道路延伸元素在所述图像一中进行深化处理,得到路径突出显示的第二辅助图像一,并将相同的道路延伸元素连接后作为道路布局路径。
在一种实施方式中,所述的沿着道路延伸方向将相同的道路延伸元素连接后作为道路布局路径,具体包括:
沿着车辆行驶方向提取所有所述道路延伸元素的边缘;
将所有提取到的边缘垂直投影至同一水平面上;
在该水平面上生成连续的曲线作为路径线。
在一种实施方式中,所述的在该水平面上生成连续的曲线作为路径线,具体包括:
将所述水平面上的多个边缘垂直投影依次定义为边缘投影线一、边缘投影线二、……、边缘投影线N;
当所有的边缘投影线之间均没有重合时,将所有的边缘投影线拟合为连续曲线作为路径线;
当边缘投影线i和边缘投影线i+1存在重合区域时,计算边缘投影线i和边缘投影线i-1的连续度ρ1,计算边缘投影线i和边缘投影线i+2的连续度ρ2,计算边缘投影线i+1和边缘投影线i-1的连续度ρ3,计算边缘投影线i+1和边缘投影线i+2的连续度ρ4,获取绝缘投影线i的适配度W和边缘投影线i+1的适配度M,W=ρ1+ρ2+K1,M=ρ3+ρ4+K2,其中,K1和K2均为曲率补偿值,比较W和M的大小,当W>M时,选择边缘投影线i作为边缘投影线i-1和边缘投影线i+2之间的连接线,当W=M,选择边缘投影线i或边缘投影线i+1作为边缘投影线i-1和边缘投影线i+2之间的连接线,当W<M时,选择边缘投影线i+1作为边缘投影线i-1和边缘投影线i+2之间的连接线,将所有的边缘投影线和对应的连接线拟合为连续曲线作为路径线。
在一种实施方式中,所述的基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型,具体包括:
将获取的路径线和车道线融合后生成道路模型,并在所述道路模型中对车道线进行增强现实。
第三方面,本申请提供了一种基于车载摄像头的车行道识别方法,该方法包括以下步骤:
配置上述的基于车载摄像头的车行道识别***;
通过车载摄像头至少对车辆前方道路和后方道路进行图像采集;
图像处理模块对采集到的道路图像进行图像处理,增强图像中车道线的显示效果;
路况拟合模块基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型;
行道识别模块基于所述图像处理模块对车辆前方对应的处理后的图像以及所述道路模型,对车辆位于的车道线区间进行标识并显示。
第三方面,本申请提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,当该计算机程序被处理器执行时,实现如权利要求9所述的基于车载摄像头的车行道识别方法。
有益效果:本申请的基于车载摄像头的车行道识别***、方法及存储介质,通过车前和车后的道路情况的分析,获取车辆当前形势的道路模型,并基于车辆前方采集到的图像来识别获取车辆处于的车道线区间,获取的结果可靠性高,计算和图像处理步骤简单,降低***/车机的运行压力,为用户快速准确获取车行道提供保障。
附图说明
为了更清楚地说明本申请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是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中基于车载摄像头的车行道识别***的结构框图;
图2为本申请实施例中基于车载摄像头的车行道识别方法的流程框图。
具体实施方式
下面将对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本文中,术语“包括”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……”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。
本实施例在第一方面公开了如图1所示的一种基于车载摄像头的车行道识别***,包括图像采集模块、图像处理模块、路况拟合模块以及行道识别模块。
具体的,所述图像采集模块配置为:通过车载摄像头至少对车辆前方道路和后方道路进行图像采集。
具体的,所述图像处理模块配置为:对采集到的道路图像进行图像处理,增强图像中车道线的显示效果。
具体的,所述路况拟合模块配置为:基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型。
具体的,所述行道识别模块配置为:基于所述图像处理模块对车辆前方对应的处理后的图像以及所述道路模型,对车辆位于的车道线区间进行标识并显示。
其中,所述的至少对车辆前方道路和后方道路进行图像采集,具体包括:
通过位于车辆前方的车载摄像头一对车辆前方的道路进行图像采集,采集到的图像一中包括车道线分布情况;
通过位于车辆后方的车载摄像头二对车辆后方的道路进行图像采集,采集到的图像二中包括车道线分布情况。
基于上述图像的获取,所述的对采集到的道路图像进行图像处理包括:
对所述图像一和所述图像二中元素通过图像归一化处理进行图像分割,获取分割后元素;
对所述分割后元素进行边缘提取,获取元素边缘;
将所述元素边缘与预设的车道线边缘特征进行比对,识别图像中的车道线,所述车道线边缘特征至少包括直线型车道线边缘特征、弯曲型车道线边缘特征;
将识别出的车道线在所述图像一和所述图像二中进行深化处理,得到车道线突出显示的辅助图像一和辅助图像二。所述深化处理具体包括:
将识别出的车道线在对应的图像中的主要颜色进行识别,所述主要颜色为车道线在该图像中的颜色占比度最大的色彩;
将识别出的车道线在对应的图像中的轮廓以所述主要颜色进行纯色处理;将对应的图像中除识别出的车道线轮廓之外的内容定义为背景元素,并对所述背景元素进行虚化处理。
通过上述的对车道线的突出显示,能够将车道线与背景图像中的所有元素进行区分,从而准确地对车道线进行识别,并为用户提供直观的车道线识别结果。
基于上述图像的获取,当车辆前方没有被其他车辆或障碍物阻挡时,所述的采集到的图像一中还包括道路延伸布局情况,道路延伸布局情况指的是道路的走向,所述的对采集到的道路图像进行图像处理还包括:
对所述图像一中元素通过图像归一化处理进行图像分割,获取分割后元素;
对所述分割后元素进行边缘提取,获取元素边缘;
将所述元素边缘与预设的道路特征进行比对,识别图像中的道路延伸元素,所述道路延伸元素至少包括道路围栏、路沿;
将识别出的道路延伸元素在所述图像一中进行深化处理,得到路径突出显示的第二辅助图像一,并将相同的道路延伸元素连接后作为道路布局路径。所述的沿着道路延伸方向将相同的道路延伸元素连接后作为道路布局路径,具体包括:
沿着车辆行驶方向提取所有所述道路延伸元素的边缘;
将所有提取到的边缘垂直投影至同一水平面上;
在该水平面上生成连续的曲线作为路径线。
进一步地,所述的在该水平面上生成连续的曲线作为路径线,具体包括:
将所述水平面上的多个边缘垂直投影依次定义为边缘投影线一、边缘投影线二、……、边缘投影线N;
当所有的边缘投影线之间均没有重合时,将所有的边缘投影线拟合为连续曲线作为路径线;
当边缘投影线i和边缘投影线i+1存在重合区域时,计算边缘投影线i和边缘投影线i-1的连续度ρ1,计算边缘投影线i和边缘投影线i+2的连续度ρ2,计算边缘投影线i+1和边缘投影线i-1的连续度ρ3,计算边缘投影线i+1和边缘投影线i+2的连续度ρ4,获取绝缘投影线i的适配度W和边缘投影线i+1的适配度M,W=ρ1+ρ2+K1,M=ρ3+ρ4+K2,其中,K1和K2均为曲率补偿值,比较W和M的大小,当W>M时,选择边缘投影线i作为边缘投影线i-1和边缘投影线i+2之间的连接线,当W=M,选择边缘投影线i或边缘投影线i+1作为边缘投影线i-1和边缘投影线i+2之间的连接线,当W<M时,选择边缘投影线i+1作为边缘投影线i-1和边缘投影线i+2之间的连接线,将所有的边缘投影线和对应的连接线拟合为连续曲线作为路径线。
通过上述路径线的获取,能够为车辆提供行车道路模型,从而为后续的车道线获取提供直观、清楚的数据基础,进而为安全驾驶提供保障。
可行的是,所述的基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型,具体包括:
将获取的路径线和车道线融合后生成道路模型,并在所述道路模型中对车道线进行增强现实。
基于上述,本***通过车前和车后的道路情况的分析,获取车辆当前形势的道路模型,并基于车辆前方采集到的图像来识别获取车辆处于的车道线区间,获取的结果可靠性高,计算和图像处理步骤简单,降低***/车机的运行压力,为用户快速准确获取车行道提供保障。
本实施例在第二方面公开了如图2所示的一种基于车载摄像头的车行道识别方法,本方法适用于上述的基于车载摄像头的车行道识别***。具体的,该方法包括以下步骤:
S101-配置上述的基于车载摄像头的车行道识别***;
S102-通过车载摄像头至少对车辆前方道路和后方道路进行图像采集;
S103-图像处理模块对采集到的道路图像进行图像处理,增强图像中车道线的显示效果;
S104-路况拟合模块基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型;
S105-行道识别模块基于所述图像处理模块对车辆前方对应的处理后的图像以及所述道路模型,对车辆位于的车道线区间进行标识并显示。
在本方法的执行过程中,各模块的具体工作内容,可参照前文的相关描述,在此不做赘述。
本实施例在第三方面公开了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,当该计算机程序被处理器执行时,实现上述的基于车载摄像头的车行道识别方法。
可以理解的,上述***和方法基于硬件和软件实现,对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应说明的是:以上所述仅为本申请的优选实施例而已,并不用于限制本申请,尽管参照前述实施例对本申请进行了详细的说明,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,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于车载摄像头的车行道识别***,其特征在于,包括图像采集模块、图像处理模块、路况拟合模块以及行道识别模块;
所述图像采集模块配置为:通过车载摄像头至少对车辆前方道路和后方道路进行图像采集;
所述图像处理模块配置为:对采集到的道路图像进行图像处理,增强图像中车道线的显示效果;
所述路况拟合模块配置为:基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型;
所述行道识别模块配置为:基于所述图像处理模块对车辆前方对应的处理后的图像以及所述道路模型,对车辆位于的车道线区间进行标识并显示。
2.根据权利要求1所述的基于车载摄像头的车行道识别***,其特征在于,所述的至少对车辆前方道路和后方道路进行图像采集,具体包括:
通过位于车辆前方的车载摄像头一对车辆前方的道路进行图像采集,采集到的图像一中包括车道线分布情况;
通过位于车辆后方的车载摄像头二对车辆后方的道路进行图像采集,采集到的图像二中包括车道线分布情况。
3.根据权利要求2所述的基于车载摄像头的车行道识别***,其特征在于,所述的对采集到的道路图像进行图像处理包括:
对所述图像一和所述图像二中元素通过图像归一化处理进行图像分割,获取分割后元素;
对所述分割后元素进行边缘提取,获取元素边缘;
将所述元素边缘与预设的车道线边缘特征进行比对,识别图像中的车道线,所述车道线边缘特征至少包括直线型车道线边缘特征、弯曲型车道线边缘特征;
将识别出的车道线在所述图像一和所述图像二中进行深化处理,得到车道线突出显示的辅助图像一和辅助图像二。
4.根据权利要求3所述的基于车载摄像头的车行道识别***,其特征在于,所述深化处理具体包括:
将识别出的车道线在对应的图像中的主要颜色进行识别,所述主要颜色为车道线在该图像中的颜色占比度最大的色彩;
将识别出的车道线在对应的图像中的轮廓以所述主要颜色进行纯色处理;将对应的图像中除识别出的车道线轮廓之外的内容定义为背景元素,并对所述背景元素进行虚化处理。
5.根据权利要求2所述的基于车载摄像头的车行道识别***,其特征在于,所述的采集到的图像一中还包括道路延伸布局情况,所述的对采集到的道路图像进行图像处理还包括:
对所述图像一中元素通过图像归一化处理进行图像分割,获取分割后元素;
对所述分割后元素进行边缘提取,获取元素边缘;
将所述元素边缘与预设的道路特征进行比对,识别图像中的道路延伸元素,所述道路延伸元素至少包括道路围栏、路沿;
将识别出的道路延伸元素在所述图像一中进行深化处理,得到路径突出显示的第二辅助图像一,并将相同的道路延伸元素连接后作为道路布局路径。
6.根据权利要求5所述的基于车载摄像头的车行道识别***,其特征在于,所述的沿着道路延伸方向将相同的道路延伸元素连接后作为道路布局路径,具体包括:
沿着车辆行驶方向提取所有所述道路延伸元素的边缘;
将所有提取到的边缘垂直投影至同一水平面上;
在该水平面上生成连续的曲线作为路径线。
7.根据权利要求6所述的基于车载摄像头的车行道识别***,其特征在于,所述的在该水平面上生成连续的曲线作为路径线,具体包括:
将所述水平面上的多个边缘垂直投影依次定义为边缘投影线一、边缘投影线二、……、边缘投影线N;
当所有的边缘投影线之间均没有重合时,将所有的边缘投影线拟合为连续曲线作为路径线;
当边缘投影线i和边缘投影线i+1存在重合区域时,计算边缘投影线i和边缘投影线i-1的连续度ρ1,计算边缘投影线i和边缘投影线i+2的连续度ρ2,计算边缘投影线i+1和边缘投影线i-1的连续度ρ3,计算边缘投影线i+1和边缘投影线i+2的连续度ρ4,获取绝缘投影线i的适配度W和边缘投影线i+1的适配度M,W=ρ1+ρ2+K1,M=ρ3+ρ4+K2,其中,K1和K2均为曲率补偿值,比较W和M的大小,当W>M时,选择边缘投影线i作为边缘投影线i-1和边缘投影线i+2之间的连接线,当W=M,选择边缘投影线i或边缘投影线i+1作为边缘投影线i-1和边缘投影线i+2之间的连接线,当W<M时,选择边缘投影线i+1作为边缘投影线i-1和边缘投影线i+2之间的连接线,将所有的边缘投影线和对应的连接线拟合为连续曲线作为路径线。
8.根据权利要求7所述的基于车载摄像头的车行道识别***,其特征在于,所述的基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型,具体包括:
将获取的路径线和车道线融合后生成道路模型,并在所述道路模型中对车道线进行增强现实。
9.一种基于车载摄像头的车行道识别方法,其特征在于,该方法包括以下步骤:
配置如权利要求1-9任意一项所述的基于车载摄像头的车行道识别***;
通过车载摄像头至少对车辆前方道路和后方道路进行图像采集;
图像处理模块对采集到的道路图像进行图像处理,增强图像中车道线的显示效果;
路况拟合模块基于所述图像处理模块对车辆前方对应的处理后的图像和对车辆后方对应的处理后的图像拟合形成道路模型;
行道识别模块基于所述图像处理模块对车辆前方对应的处理后的图像以及所述道路模型,对车辆位于的车道线区间进行标识并显示。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质存储有计算机程序,当该计算机程序被处理器执行时,实现如权利要求9所述的基于车载摄像头的车行道识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311003935.0A CN116977968A (zh) | 2023-08-10 | 2023-08-10 | 一种基于车载摄像头的车行道识别***、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311003935.0A CN116977968A (zh) | 2023-08-10 | 2023-08-10 | 一种基于车载摄像头的车行道识别***、方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116977968A true CN116977968A (zh) | 2023-10-31 |
Family
ID=88473018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311003935.0A Pending CN116977968A (zh) | 2023-08-10 | 2023-08-10 | 一种基于车载摄像头的车行道识别***、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977968A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101333A (zh) * | 2006-07-06 | 2008-01-09 | 三星电子株式会社 | 用于产生行进车辆的驾驶员辅助信息的设备和方法 |
CN109325389A (zh) * | 2017-07-31 | 2019-02-12 | 比亚迪股份有限公司 | 车道线识别方法、装置及车辆 |
CN111259704A (zh) * | 2018-12-03 | 2020-06-09 | 初速度(苏州)科技有限公司 | 一种虚线车道线端点检测模型的训练方法 |
CN112329694A (zh) * | 2020-11-17 | 2021-02-05 | 深圳技术大学 | 一种车道线自动识别的方法、装置及可读存储介质 |
CN114523978A (zh) * | 2020-11-03 | 2022-05-24 | 上海汽车集团股份有限公司 | 一种后方道路模型生成方法及装置 |
US20230021027A1 (en) * | 2021-12-29 | 2023-01-19 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for generating a road edge line |
-
2023
- 2023-08-10 CN CN202311003935.0A patent/CN116977968A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101333A (zh) * | 2006-07-06 | 2008-01-09 | 三星电子株式会社 | 用于产生行进车辆的驾驶员辅助信息的设备和方法 |
CN109325389A (zh) * | 2017-07-31 | 2019-02-12 | 比亚迪股份有限公司 | 车道线识别方法、装置及车辆 |
CN111259704A (zh) * | 2018-12-03 | 2020-06-09 | 初速度(苏州)科技有限公司 | 一种虚线车道线端点检测模型的训练方法 |
CN114523978A (zh) * | 2020-11-03 | 2022-05-24 | 上海汽车集团股份有限公司 | 一种后方道路模型生成方法及装置 |
CN112329694A (zh) * | 2020-11-17 | 2021-02-05 | 深圳技术大学 | 一种车道线自动识别的方法、装置及可读存储介质 |
US20230021027A1 (en) * | 2021-12-29 | 2023-01-19 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for generating a road edge line |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3566903B1 (en) | Method and apparatus for vehicle position detection | |
CN107719233B (zh) | 车道偏离警告***和与其相关联的方法 | |
CN106203398B (zh) | 一种检测车道边界的方法、装置和设备 | |
CN109284674B (zh) | 一种确定车道线的方法及装置 | |
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 | |
US7403219B2 (en) | Driving lane recognizer and driving lane recognizing method | |
EP2928178B1 (en) | On-board control device | |
JP5401257B2 (ja) | 遠赤外線歩行者検知装置 | |
CN110088766B (zh) | 车道线识别方法、车道线识别装置以及非易失性存储介质 | |
CN108528336A (zh) | 一种车辆压线提前预警*** | |
KR101922852B1 (ko) | 영상 기반 색상정보를 이용한 초지 경계 검출 방법 | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
KR20110001427A (ko) | 관심영역 추출에 의한 차선 고속검출 방법 | |
US20180005073A1 (en) | Road recognition apparatus | |
KR101406316B1 (ko) | 차선 인식 장치 및 그 방법 | |
CN112001235A (zh) | 车辆通行信息的生成方法、装置和计算机设备 | |
Cualain et al. | Multiple-camera lane departure warning system for the automotive environment | |
US8306270B2 (en) | Vehicle travel support device, vehicle, vehicle travel support program | |
CN109278759B (zh) | 一种车辆安全驾驶辅助*** | |
JP2008040736A (ja) | 車両検出装置、および車両検出方法 | |
CN112417976B (zh) | 一种路面检测识别方法、装置、智能终端及存储介质 | |
JP5746996B2 (ja) | 道路環境認識装置 | |
JP2013134609A (ja) | 縁石検出装置及びプログラム | |
CN110349415B (zh) | 一种基于多尺度变换的行车速度测量方法 | |
CN116977968A (zh) | 一种基于车载摄像头的车行道识别***、方法及存储介质 |
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 |