[go: up one dir, main page]

CN107730520B - 车道线检测方法及系统 - Google Patents

车道线检测方法及系统 Download PDF

Info

Publication number
CN107730520B
CN107730520B CN201710864823.2A CN201710864823A CN107730520B CN 107730520 B CN107730520 B CN 107730520B CN 201710864823 A CN201710864823 A CN 201710864823A CN 107730520 B CN107730520 B CN 107730520B
Authority
CN
China
Prior art keywords
region
line
straight
lane
area
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
CN201710864823.2A
Other languages
English (en)
Other versions
CN107730520A (zh
Inventor
孟凯
何君舰
刘瑞祥
赵东旭
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.)
Zhicheauto Technology Beijing Co ltd
Original Assignee
Zhicheauto Technology Beijing 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 Zhicheauto Technology Beijing Co ltd filed Critical Zhicheauto Technology Beijing Co ltd
Priority to CN201710864823.2A priority Critical patent/CN107730520B/zh
Publication of CN107730520A publication Critical patent/CN107730520A/zh
Application granted granted Critical
Publication of CN107730520B publication Critical patent/CN107730520B/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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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]
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种车道线检测方法及系统，该方法包括：从道路图像中选择道路区域作为第一感兴趣区域；将第一感兴趣区域划分为弯道区域和直道区域；针对直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线；针对弯道区域，基于直道区域当前车道线确定待拟合区域，在待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线。本发明对道路图像进行弯道区域和直道区域的划分，并采用直曲线模型分别进行检测，从而提高了检测速度和精度。

Description

车道线检测方法及系统
技术领域
本发明涉及图像处理领域，特别涉及一种基于单目视觉的高速公路车道线检测方法及系统。
背景技术
近年来，随着社会经济快速发展和人民生活水平的不断提高，我国汽车化进程不断加快。随着公路建设里程的增长、汽车保有量的增加、车流量的加大以及行车速度的提高，道路交通事故呈逐年上升的态势，特别是特大恶性交通事故频繁发生，给人民的生命财产和国民经济造成了巨大的损失。
经研究发现，在城市高速公路上发生的交通事故中有四成与车辆偏离车道行驶有关，并且车道线偏离也是造成车辆侧翻事故的一个重要因素。与以安全带和安全气囊为主要设施的汽车被动安全技术的研究相比，在汽车行驶过程中避免发生碰撞的汽车主动安全技术的研究对解决汽车交通安全问题起着更重要的作用。
高级驾驶辅助系统(ADAS)是当前国际智能交通系统研究的重要内容，其首先根据传感器获取的前方车道标志线的信息判断本车行驶的车道，继而检测出本车道前方行驶的车辆并锁定目标，再根据获得的与前方其它车辆之间的有效信息对可能构成的危险进行判断并提前采取安全措施。可见，道路线的识别与检测是辅助驾驶系统中一个最为基础、重要的环节。
尤其是当车辆行驶在高速公路上时，驾驶员因长时间开车引起视觉疲劳等因素导致精神不集中，车辆在无意识状态下出现车道偏离现象时，车道线检测能够准确对偏离情况进行检测，及时向驾驶人员进行预警或者直接控制车辆纠正方向，弥补了单独依靠驾驶员作为安全手段的不足。该系统中，最主要是对车载摄像头采集的图像信息进行分析的车道线检测算法。
在现有结构化道路线检测算法中，为应对弯道场景主要选用的检测模型有曲线模型及直曲线相结合的模型。在直曲线模型中将道路场景分为直线及曲线两部分分别检测。其中在直线检测过程中主要采用霍夫(Hough)变换的方法，在弯道检测过程中主要选用曲线拟合的方法。在利用霍夫变换检测过程中一般先提取出道路线边缘，这样会使计算复杂。在曲线拟合过程中为提升准确率对候选点的选取也多采用如RANSAC等复杂方法，势必会影响检测速率。
因此，期待开发一种检测速度和准确率高的车道线检测方法。
发明内容
本发明的目的是提供一种车道线检测方法及系统，其能够克服现有检测方法检测速度和精度较低的问题。
本发明的一方面提供一种车道线检测方法，包括：
从道路图像中选择道路区域作为第一感兴趣区域；
将所述第一感兴趣区域划分为弯道区域和直道区域；
针对所述直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线；
针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域，在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线。
优选地，所述的车道线检测方法还包括：
对所述直道区域进行纵向拉伸。
优选地，所述针对所述直道区域进行直线车道线检测，并从检测的直线车道线中确定车辆当前车道所对应的直道区域当前车道线包括：
对所述直道区域进行逐行扫描，找到所述直道区域内的所有线段；
设定第一阈值范围，将长度在所述第一阈值范围内的线段设定为第一有效线段；
针对所述第一有效线段，利用霍夫变换进行直线车道线检测；
将检测到的直线车道线中最靠近所述直道区域中心的两条直线车道线确定为所述直道区域当前车道线。
优选地，所述待拟合区域包括在所述弯道区域内相对于车辆当前车道的中线等距离偏移的第一待拟合区域和第二待拟合区域，且所述弯道区域当前车道线位于所述待拟合区域内。
优选地，所述针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域包括：
在所述弯道区域内确定矩形的第二感兴趣区域；
在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线；
将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域。
优选地，所述在所述弯道区域内确定矩形的第二感兴趣区域包括：
子步骤501：计算所述直道区域当前车道线与所述弯道区域和直道区域之间的分界线的交点，所述交点包括左交点和右交点；
子步骤502：根据所述左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在所述弯道区域内确定矩形的第二感兴趣区域。
优选地，所述在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线包括：
子步骤504：对所述第二感兴趣区域进行逐行扫描，找到所述第二感兴趣区域内的所有线段，设定第二阈值范围，将长度在所述第二阈值范围内的线段设定为第二有效线段；
子步骤505：将所述第二感兴趣区域从上到下划分为多个矩形的子区域；
子步骤506：在每个子区域内，针对所述第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在所述弯道区域和直道区域之间的分界线上，分别以所述左交点和右交点为基准点，确定与所述基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线。
优选地，所述将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域包括：
子步骤510：在每个子区域内，将所述道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，确定以所述左偏移线为中心、宽度为预定宽度的区域为左偏移区域，确定以所述右偏移线为中心、宽度为预定宽度的区域为右偏移区域，其中距离d为：
Figure BDA0001415855930000041
其中，a为针对所述子区域计算的坐标Ptl和Ptr之间的距离，b为针对所述子区域计算的坐标Pbl和Pbr之间的距离，h为所述子区域的高度，l为道路中线上的所述点与所述子区域的上边界的距离；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域。
优选地，所述在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线包括：
子步骤512：在所述待拟合区域内确定四个待拟合点，所述四个待拟合点包括随机选择的三个离散点及所述左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对所述四个待拟合点进行曲线拟合；
子步骤514：计算拟合曲线的特征值v＝k×sum，其中：
k＝lp/D+(θ+1)/2，其中lp表示所述拟合曲线的两个端点之间的距离，D表示所述左偏移线或右偏移线的总长度，θ表示拟合曲线的弯曲度，sum表示以所述拟合曲线为中心宽度为指定像素的区域的总像素值；
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线。
本发明另一方面提供一种车道线检测系统，所述系统包括：
存储器，存储有计算机可执行指令；
处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：
从道路图像中选择道路区域作为第一感兴趣区域；
将所述第一感兴趣区域划分为弯道区域和直道区域；
针对所述直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线；
针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域，在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线。
优选地，所述处理器还执行以下步骤：
对所述直道区域进行纵向拉伸。
优选地，所述针对所述直道区域进行直线车道线检测，并从检测的直线车道线中确定车辆当前车道所对应的直道区域当前车道线包括：
对所述直道区域进行逐行扫描，找到所述直道区域内的所有线段；
设定第一阈值范围，将长度在所述第一阈值范围内的线段设定为第一有效线段；
针对所述第一有效线段，利用霍夫变换进行直线车道线检测；
将检测到的直线车道线中最靠近所述直道区域中心的两条直线车道线确定为所述直道区域当前车道线。
优选地，所述待拟合区域包括在所述弯道区域内相对于车辆当前车道的中线等距离偏移的第一待拟合区域和第二待拟合区域，且所述弯道区域当前车道线位于所述待拟合区域内。
优选地，所述针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域包括：
在所述弯道区域内确定矩形的第二感兴趣区域；
在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线；
将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域。
优选地，所述在所述弯道区域内确定矩形的第二感兴趣区域包括：
子步骤501：计算所述直道区域当前车道线与所述弯道区域和直道区域之间的分界线的交点，所述交点包括左交点和右交点；
子步骤502：根据所述左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在所述弯道区域内确定矩形的第二感兴趣区域。
优选地，所述在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线包括：
子步骤504：对所述第二感兴趣区域进行逐行扫描，找到所述第二感兴趣区域内的所有线段，设定第二阈值范围，将长度在所述第二阈值范围内的线段设定为第二有效线段；
子步骤505：将所述第二感兴趣区域从上到下划分为多个矩形的子区域；
子步骤506：在每个子区域内，针对所述第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在所述弯道区域和直道区域之间的分界线上，分别以所述左交点和右交点为基准点，确定与所述基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线。
优选地，所述将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域包括：
子步骤510：在每个子区域内，将所述道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，确定以所述左偏移线为中心、宽度为预定宽度的区域为左偏移区域，确定以所述右偏移线为中心、宽度为预定宽度的区域为右偏移区域，其中距离d为：
Figure BDA0001415855930000071
其中，a为针对所述子区域计算的坐标Ptl和Ptr之间的距离，b为针对所述子区域计算的坐标Pbl和Pbr之间的距离，h为所述子区域的高度，l为道路中线上的所述点与所述子区域的上边界的距离；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域。
优选地，所述在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线包括：
子步骤512：在所述待拟合区域内确定四个待拟合点，所述四个待拟合点包括随机选择的三个离散点及所述左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对所述四个待拟合点进行曲线拟合；
子步骤514：计算拟合曲线的特征值v＝k×sum，其中：
k＝lp/D+(θ+1)/2，其中lp表示所述拟合曲线的两个端点之间的距离，D表示所述左偏移线或右偏移线的总长度，θ表示拟合曲线的弯曲度，sum表示以所述拟合曲线为中心宽度为指定像素的区域的总像素值；
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线。
本发明的有益效果在于：为了检测高速公路等结构化道路的道路线，对道路图像进行弯道区域和直道区域的划分，并采用直曲线模型分别进行检测，从而提高了检测速度和精度；在道路图像的近景区采用直线模型，将图像纵向拉伸后利用霍夫变换进行直线检测；在道路图像的远景区，首先确定待拟合区域，然后在待拟合区域中利用曲线模型拟合得出最优弯道曲线。本发明的方法为后续的道路障碍物检测、车辆自适应巡航等提供良好基础。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。
图1示出了根据本发明示例性实施例的车道线检测方法的流程图；
图2示出了根据本发明示例性实施例的车道线检测方法的拟合曲线弯曲度的计算示意图；
图3示出了根据本发明示例性实施例的道路图像；
图4示出了根据本发明示例性实施例的车道线检测方法的直道区域和弯道区域的划分结果；
图5示出了根据本发明示例性实施例的车道线检测方法的直道区域的纵向拉伸结果；
图6示出了根据本发明示例性实施例的车道线检测方法的直道区域有效线段识别结果；
图7示出了根据本发明示例性实施例的车道线检测方法的直道区域当前车道线；
图8示出了根据本发明示例性实施例的车道线检测方法的弯道区域有效线段识别结果；
图9示出了根据本发明示例性实施例的车道线检测方法的子区域划分结果；
图10示出了根据本发明示例性实施例的车道线检测方法的道路中线；
图11示出了根据本发明示例性实施例的车道线检测方法的左偏移线和右偏移线；
图12示出了根据本发明示例性实施例的车道线检测方法的待拟合区域。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
图1显示了根据本发明示例性实施例的车道线检测方法的流程图，其包括以下步骤：
步骤1：从道路图像中选择道路区域作为第一感兴趣区域
为了最大程度获得前方道路图像，通常将摄像机安装在车身前部。摄像机拍摄的道路图像中除了包括有效道路区域外，一般还包括天空、树木、房屋等景物。为了提高检测方法的速度和准确性，首先从道路图像中选择道路区域作为感兴趣区域(ROI)。
由于摄像机的安装位置和角度是固定的，因此可以从道路图像中选择位于图像下部的区域作为感兴趣区域，下部区域的高度范围可根据摄像机的安装角度进行设定。
步骤2：将第一感兴趣区域划分为弯道区域和直道区域
由于摄像机设于车身前部，其拍摄俯角较小，因此道路区域中直线部分所占比例一般较大。通过观察图像发现，即使当车辆行驶在弯道中时，由于道路图像受投影变换影响，近处紧邻摄像机的道路线也会呈现为直线，只有远方的道路线才会呈现弯曲。因此，为能更准确地检测出道路线，将ROI区域划分为弯道区域与直道区域两部分。
由于摄像机的安装位置和角度是固定的，因此针对每一帧道路图像，可以沿道路图像的高度方向按照固定比例将图像的下部划分为直道区域，上部划分为弯道区域。
为了增强图像的局部对比度，消除光线对图像的影响，更好显示图像中曝光过度或者曝光不足的细节，在对ROI区域进行划分之前，首先对ROI区域进行灰度化处理，然后对ROI区域进行直方图均衡化。
此外，还可以对ROI区域进行以下处理，以提高图像质量：
(1)通过OTSU自适应阈值的方法进行二值化处理；
(2)进行高斯平滑滤波，去除干扰噪点。
步骤3：对直道区域进行纵向拉伸
通过观察直道区域的图像发现，由于透视原因，中间的车道线比较宽，而两侧的车道线非常细，这为后续的车道线中间点的处理上带来困难，还会引起较大误差。现有技术通过逆投影变换将道路图像变为俯视图来消除这种影响，但这种方法需要的摄像头参数过多，且计算速度较慢。为此，本发明提出一种近似的快速处理方法，即把直道区域图像做一定比例的纵向拉伸，不需要利用摄像头参数将车道线还原成平行状态。这种处理方法简单便捷，同时还可以有效降低投影变换对平行车道线产生的变形影响。
步骤4：针对直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线
该步骤可以包括以下子步骤：
子步骤401：对所直道区域进行逐行扫描，找到直道区域内的所有线段。
子步骤402：设定第一阈值范围，将长度在第一阈值范围内的线段设定为第一有效线段。有效线段即车道线的组成线段，在判断过程中，将过长或过短的线段舍弃。另外，当实际车道线较宽时，可以保留所识别的线段宽度方向的中线，将其作为有效线段。
子步骤403：针对第一有效线段，利用霍夫变换进行直线车道线检测。
利用霍夫变换进行直线车道线检测，可以检测到第一有效线段中的所有直线。此外，在正常行驶的情况下，当前车道的两条车道线分别位于车辆的左右两侧，因此可以设定第一角度范围和第二角度范围，对于位于直道区域内左部的有效线段，如果其相对于水平方向的倾角超出第一角度范围，则将其删除，对于位于直道区域内右部的有效线段，如果其相对于水平方向的倾角超出第二角度范围，则将其删除。通过设定第一角度范围和第二角度范围，可以进一步提高直线检测的精度。一般情况下，第一角度范围为60°～90°，第二角度范围为90°～120°。
子步骤404：将检测到的直线车道线中最靠近直道区域中心的两条直线车道线确定为直道区域当前车道线。
步骤5：针对弯道区域，基于直道区域当前车道线确定待拟合区域，在待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线
步骤5包括以下子步骤501-511以及子步骤512-515：
在针对弯道区域进行车道线检测时，为了加快处理速度，将当前车道所在区域作为感兴趣区域，并通过以下子步骤501-503计算感兴趣区域：
子步骤501：计算直道区域当前车道线与弯道区域和直道区域之间的分界线的交点，交点包括左交点和右交点；
子步骤502：根据左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d，宽度d＝Pr-Pl；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在弯道区域内确定矩形的第二感兴趣区域，第二感兴趣区域是以横坐标Pl-d/2为左边界，以横坐标Pr+d/2为右边界，以弯道区域和直道区域之间的分界线为下边界，以第一感兴趣区域的上边界为上边界的矩形区域。
确定第二感兴趣区域之后，通过以下子步骤504-511在第二感兴趣区域内确定待拟合区域。
子步骤504：对第二感兴趣区域进行逐行扫描，找到第二感兴趣区域内的所有线段，设定第二阈值范围，将长度在第二阈值范围内的线段设定为第二有效线段；
子步骤505：将第二感兴趣区域从上到下划分为多个矩形的子区域；
子步骤506：在每个子区域内，针对第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在弯道区域和直道区域之间的分界线上，分别以子步骤501中计算的左交点和右交点为基准点，确定与基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm，Pm＝(Pbl+Pbr)/2；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线；
子步骤510：在每个子区域内，将道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，确定以左偏移线为中心、宽度为预定宽度的区域为左偏移区域，确定以所述右偏移线为中心、宽度为预定宽度的区域为右偏移区域，其中距离d为：
Figure BDA0001415855930000131
其中，a为针对所述子区域计算的坐标Ptl和Ptr之间的距离，b为针对所述子区域计算的坐标Pbl和Pbr之间的距离，h为所述子区域的高度，l为道路中线上的所述点与所述子区域的上边界的距离；
其中，预定宽度可以人工设定；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域。
确定待拟合区域之后，在待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线，其通过以下子步骤512-515实现：
子步骤512：在待拟合区域内确定四个待拟合点，这四个待拟合点包括随机选择的三个离散点及子步骤501中计算的左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对四个待拟合点进行曲线拟合；
其中，三次贝塞尔曲线的表达式为：
Figure BDA0001415855930000132
其中，P(t)表示三次贝塞尔曲线，P0表示左交点或右交点的坐标，P1、P2、P3分别表示所选择的第一离散点、第二离散点和第三离散点的坐标；
子步骤514：计算拟合曲线的特征值v＝k×sum，其中：
k＝lp/D+(θ+1)/2，其中lp表示拟合曲线的两个端点之间的距离，D表示左偏移线或右偏移线的总长度，当在位于道路中线左侧的待拟合区域内进行拟合时，D取左偏移线的总长度，当在位于道路中线右侧的待拟合区域内进行拟合时，D取右偏移线的总长度，θ表示拟合曲线的弯曲度，sum表示以拟合曲线为中心宽度为指定像素的区域的总像素值，一般情况下，宽度可以为2或3像素；
如图2所示，可以根据以下公式计算拟合曲线的弯曲度：
θ＝(cosα+cosβ)/2
其中，α表示左交点或右交点和第一离散点的连线与第一离散点和第二离散点的连线之间的夹角，β表示第一离散点和第二离散点的连线与第二离散点和第三离散点的连线之间的夹角。
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线。重复执行的次数可以事先确定，一般可以重复执行15-20次。
本发明实施例还提供一种车道线检测系统，所述系统包括：
存储器，存储有计算机可执行指令；
处理器，处理器运行存储器中的计算机可执行指令，执行以下步骤：
从道路图像中选择道路区域作为第一感兴趣区域；
将第一感兴趣区域划分为弯道区域和直道区域；
针对直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线；
针对弯道区域，基于直道区域当前车道线确定待拟合区域，在待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线。
在一个示例中，处理器还执行以下步骤：
对直道区域进行纵向拉伸。
在一个示例中，针对直道区域进行直线车道线检测，并从检测的直线车道线中确定车辆当前车道所对应的直道区域当前车道线包括：
对直道区域进行逐行扫描，找到直道区域内的所有线段；
设定第一阈值范围，将长度在第一阈值范围内的线段设定为第一有效线段；
针对第一有效线段，利用霍夫变换进行直线车道线检测；
将检测到的直线车道线中最靠近直道区域中心的两条直线车道线确定为直道区域当前车道线。
在一个示例中，待拟合区域包括在弯道区域内相对于车辆当前车道的中线等距离偏移的第一待拟合区域和第二待拟合区域，且弯道区域当前车道线位于待拟合区域内。
在一个示例中，针对弯道区域，基于直道区域当前车道线确定待拟合区域包括：
子步骤501：计算直道区域当前车道线与弯道区域和直道区域之间的分界线的交点，交点包括左交点和右交点；
子步骤502：根据左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在弯道区域内确定矩形的第二感兴趣区域；
子步骤504：对第二感兴趣区域进行逐行扫描，找到第二感兴趣区域内的所有线段，设定第二阈值范围，将长度在第二阈值范围内的线段设定为第二有效线段；
子步骤505：将第二感兴趣区域从上到下划分为多个矩形的子区域；
子步骤506：在每个子区域内，针对第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在弯道区域和直道区域之间的分界线上，分别以左交点和右交点为基准点，确定与基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线；
子步骤510：在每个子区域内，将道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，确定以左偏移线为中心、宽度为预定宽度的区域为左偏移区域，确定以右偏移线为中心、宽度为预定宽度的区域为右偏移区域，其中距离d为：
Figure BDA0001415855930000161
其中，a为针对子区域计算的坐标Ptl和Ptr之间的距离，b为针对子区域计算的坐标Pbl和Pbr之间的距离，h为子区域的高度，l为道路中线上的点与子区域的上边界的距离；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域。
在一个示例中，在待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线包括：
子步骤512：在待拟合区域内确定四个待拟合点，四个待拟合点包括随机选择的三个离散点及左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对四个待拟合点进行曲线拟合；
子步骤514：计算拟合曲线的特征值v＝k×sum，其中：
k＝lp/D+(θ+1)/2，其中lp表示拟合曲线的两个端点之间的距离，D表示左偏移线或右偏移线的总长度，θ表示拟合曲线的弯曲度，sum表示以拟合曲线为中心宽度为指定像素的区域的总像素值；
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线。
应用示例
以下参考图3所示的道路图像描述根据本发明示例性实施例的车道线检测方法，其包括以下步骤：
步骤1：从道路图像中选择道路区域作为第一感兴趣区域
在实施例中，摄像机安装在车身前部，俯角为15°～30°，拍摄所得图像尺寸为1920×1080像素。根据摄像机的俯角设定将道路图像的下半部分作为第一感兴趣区域。在图3所示的道路图像中，选择图像的下半部分(即虚线以下的区域，对应纵坐标为540～1080像素)作为第一感兴趣区域，其包括了有效道路区域。
然后，对ROI区域进行灰度化处理，并对ROI区域进行直方图均衡化；以及通过OTSU自适应阈值的方法对ROI区域进行二值化处理；再进行高斯平滑滤波，去除干扰噪点。
步骤2：将第一感兴趣区域划分为弯道区域和直道区域
如图4所示，将第一感兴趣区域划分为上部的弯道区域和下部的直道区域，其中直道区域的尺寸为1920×465像素。
步骤3：对直道区域进行纵向拉伸
针对图4中所示的直道区域，采用双线性内插值的方法对其纵向拉伸10倍，结果如图5所示。
步骤4：针对直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线
该步骤可以包括以下子步骤：
子步骤401：对所直道区域进行逐行扫描，找到直道区域内的所有线段。
子步骤402：设定第一阈值范围为4-10，将长度在第一阈值范围内的线段设定为第一有效线段。由于实际车道线较宽时，保留所找到的线段宽度方向的中线，将其作为有效线段，最终获得的有效线段如图6所示。
子步骤403：针对第一有效线段，利用霍夫变换进行直线车道线检测。
利用霍夫变换进行直线车道线检测，检测到第一有效线段中的所有直线。考虑到车道线中有虚线出现，所以将累加平面的阈值参数设为20。此外，在检测过程中，设定第一角度范围为60°～90°，第二角度范围为90°～120°，对于位于直道区域内左部的有效线段，如果其相对于水平方向的倾角超出第一角度范围，则将其删除，对于位于直道区域内右部的有效线段，如果其相对于水平方向的倾角超出第二角度范围，则将其删除。
子步骤404：将检测到的直线车道线中最靠近直道区域中心的两条直线车道线确定为直道区域当前车道线。图7中靠近图像中心的两条车道线即为直道区域当前车道线。
步骤5：针对弯道区域，基于直道区域当前车道线确定待拟合区域，在待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线
步骤5包括以下子步骤501-511以及子步骤512-515：
子步骤501：计算直道区域当前车道线与弯道区域和直道区域之间的分界线的交点，交点包括左交点和右交点；
子步骤502：根据左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d，宽度d＝Pr-Pl；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在弯道区域内确定矩形的第二感兴趣区域，第二感兴趣区域是以横坐标Pl-d/2为左边界，以横坐标Pr+d/2为右边界，以弯道区域和直道区域之间的分界线为下边界，以第一感兴趣区域的上边界为上边界的矩形区域；
子步骤504：对第二感兴趣区域进行逐行扫描，找到第二感兴趣区域内的所有线段，设定第二阈值范围为4-10，将长度在第二阈值范围内的线段设定为第二有效线段，图8显示了第二有效线段；
子步骤505：将第二感兴趣区域从上到下划分为三个矩形的子区域，每个子区域的高度为25像素，如图9所示；
子步骤506：在每个子区域内，针对第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在弯道区域和直道区域之间的分界线上，分别以子步骤501中计算的左交点和右交点为基准点，确定与基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm，Pm＝(Pbl+Pbr)/2；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线，如图10所示，图10中，靠近图像中心的浅色折线即为道路中线；
子步骤510：在每个子区域内，将道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，如图11所示，确定以左偏移线为中心、宽度为60像素的区域为左偏移区域，确定以所述右偏移线为中心、宽度为60像素的区域为右偏移区域，其中距离d为：
Figure BDA0001415855930000191
其中，a为针对所述子区域计算的坐标Ptl和Ptr之间的距离，b为针对所述子区域计算的坐标Pbl和Pbr之间的距离，h为所述子区域的高度，l为道路中线上的所述点与所述子区域的上边界的距离；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域，如图12所示。
子步骤512：在待拟合区域内确定四个待拟合点，这四个待拟合点包括随机选择的三个离散点及子步骤501中计算的左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对四个待拟合点进行曲线拟合；
子步骤514：计算拟合曲线的特征值v＝k×sum；
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线，重复执行的次数设为15次。
上述技术方案只是本发明的一种实施例，对于本领域内的技术人员而言，在本发明公开的原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施例的描述，因此前面的描述只是优选的，而并不具有限制性的意义。

Claims (12)

1.一种车道线检测方法，其特征在于，包括：
从道路图像中选择道路区域作为第一感兴趣区域；
将所述第一感兴趣区域划分为弯道区域和直道区域；
针对所述直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线；
针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域，在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线；
所述待拟合区域包括在所述弯道区域内相对于车辆当前车道的中线等距离偏移的第一待拟合区域和第二待拟合区域，且所述弯道区域当前车道线位于所述待拟合区域内；
所述针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域包括：
在所述弯道区域内确定矩形的第二感兴趣区域；
在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线；
将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域；
所述在所述弯道区域内确定矩形的第二感兴趣区域包括：
子步骤501：计算所述直道区域当前车道线与所述弯道区域和直道区域之间的分界线的交点，所述交点包括左交点和右交点；
子步骤502：根据所述左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在所述弯道区域内确定矩形的第二感兴趣区域。
2.根据权利要求1所述的车道线检测方法，其特征在于，还包括：
对所述直道区域进行纵向拉伸。
3.根据权利要求1所述的车道线检测方法，其特征在于，所述针对所述直道区域进行直线车道线检测，并从检测的直线车道线中确定车辆当前车道所对应的直道区域当前车道线包括：
对所述直道区域进行逐行扫描，找到所述直道区域内的所有线段；
设定第一阈值范围，将长度在所述第一阈值范围内的线段设定为第一有效线段；
针对所述第一有效线段，利用霍夫变换进行直线车道线检测；
将检测到的直线车道线中最靠近所述直道区域中心的两条直线车道线确定为所述直道区域当前车道线。
4.根据权利要求1所述的车道线检测方法，其特征在于，所述在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线包括：
子步骤504：对所述第二感兴趣区域进行逐行扫描，找到所述第二感兴趣区域内的所有线段，设定第二阈值范围，将长度在所述第二阈值范围内的线段设定为第二有效线段；
子步骤505：将所述第二感兴趣区域从上到下划分为多个矩形的子区域；
子步骤506：在每个子区域内，针对所述第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在所述弯道区域和直道区域之间的分界线上，分别以所述左交点和右交点为基准点，确定与所述基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线。
5.根据权利要求4所述的车道线检测方法，其特征在于，所述将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域包括：
子步骤510：在每个子区域内，将所述道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，确定以所述左偏移线为中心、宽度为预定宽度的区域为左偏移区域，确定以所述右偏移线为中心、宽度为预定宽度的区域为右偏移区域，其中距离d为：
Figure FDA0002573354870000031
其中，a为针对所述子区域计算的坐标Ptl和Ptr之间的距离，b为针对所述子区域计算的坐标Pbl和Pbr之间的距离，h为所述子区域的高度，l为道路中线上的所述点与所述子区域的上边界的距离；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域。
6.根据权利要求5所述的车道线检测方法，其特征在于，所述在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线包括：
子步骤512：在所述待拟合区域内确定四个待拟合点，所述四个待拟合点包括随机选择的三个离散点及所述左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对所述四个待拟合点进行曲线拟合；
子步骤514：计算拟合曲线的特征值v＝k×sum，其中：
k＝lp/D+(θ+1)/2，其中lp表示所述拟合曲线的两个端点之间的距离，D表示所述左偏移线或右偏移线的总长度，θ表示拟合曲线的弯曲度，sum表示以所述拟合曲线为中心宽度为指定像素的区域的总像素值；
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线。
7.一种车道线检测系统，其特征在于，所述系统包括：
存储器，存储有计算机可执行指令；
处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：
从道路图像中选择道路区域作为第一感兴趣区域；
将所述第一感兴趣区域划分为弯道区域和直道区域；
针对所述直道区域进行直线车道线检测，并从检测到的直线车道线中确定车辆当前车道所对应的直道区域当前车道线；
针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域，在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线；
所述待拟合区域包括在所述弯道区域内相对于车辆当前车道的中线等距离偏移的第一待拟合区域和第二待拟合区域，且所述弯道区域当前车道线位于所述待拟合区域内；
所述针对所述弯道区域，基于所述直道区域当前车道线确定待拟合区域包括：
在所述弯道区域内确定矩形的第二感兴趣区域；
在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线；
将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域；
所述在所述弯道区域内确定矩形的第二感兴趣区域包括：
子步骤501：计算所述直道区域当前车道线与所述弯道区域和直道区域之间的分界线的交点，所述交点包括左交点和右交点；
子步骤502：根据所述左交点的横坐标Pl和右交点的横坐标Pr确定当前车道的宽度d；
子步骤503：根据横坐标Pl-d/2和横坐标Pr+d/2所限定的宽度在所述弯道区域内确定矩形的第二感兴趣区域。
8.根据权利要求7所述的车道线检测系统，其特征在于，所述处理器还执行以下步骤：
对所述直道区域进行纵向拉伸。
9.根据权利要求7所述的车道线检测系统，其特征在于，所述针对所述直道区域进行直线车道线检测，并从检测的直线车道线中确定车辆当前车道所对应的直道区域当前车道线包括：
对所述直道区域进行逐行扫描，找到所述直道区域内的所有线段；
设定第一阈值范围，将长度在所述第一阈值范围内的线段设定为第一有效线段；
针对所述第一有效线段，利用霍夫变换进行直线车道线检测；
将检测到的直线车道线中最靠近所述直道区域中心的两条直线车道线确定为所述直道区域当前车道线。
10.根据权利要求7所述的车道线检测系统，其特征在于，所述在所述第二感兴趣区域内，基于所述直道区域当前车道线确定道路中线，所述道路中线是车辆当前车道的中线包括：
子步骤504：对所述第二感兴趣区域进行逐行扫描，找到所述第二感兴趣区域内的所有线段，设定第二阈值范围，将长度在所述第二阈值范围内的线段设定为第二有效线段；
子步骤505：将所述第二感兴趣区域从上到下划分为多个矩形的子区域；
子步骤506：在每个子区域内，针对所述第二有效线段，利用霍夫变换进行直线检测，计算检测到的直线或其延长线与其所在子区域的上边界的交点和下边界的交点；
子步骤507：针对最下方的子区域，在所述弯道区域和直道区域之间的分界线上，分别以所述左交点和右交点为基准点，确定与所述基准点距离最近的两个下边界的交点的坐标Pbl和Pbr及其所在直线与上边界的交点的坐标Ptl和Ptr，并计算两个下边界的交点的中点坐标Pm；
子步骤508：针对其余的每个子区域，分别以所获得的上边界的交点的坐标Ptl和Ptr为基准点，重复子步骤507，依次获得其余的每个子区域所对应的中点坐标；
子步骤509：依次连接各个中点，得到道路中线。
11.根据权利要求10所述的车道线检测系统，其特征在于，所述将所述道路中线进行分别向左和向右进行偏移和扩展，分别获得所述第一待拟合区域和第二待拟合区域包括：
子步骤510：在每个子区域内，将所述道路中线上的每个点分别向左及向右偏移距离d，获得左偏移线和右偏移线，确定以所述左偏移线为中心、宽度为预定宽度的区域为左偏移区域，确定以所述右偏移线为中心、宽度为预定宽度的区域为右偏移区域，其中距离d为：
Figure FDA0002573354870000061
其中，a为针对所述子区域计算的坐标Ptl和Ptr之间的距离，b为针对所述子区域计算的坐标Pbl和Pbr之间的距离，h为所述子区域的高度，l为道路中线上的所述点与所述子区域的上边界的距离；
子步骤511：将所有子区域的左偏移区域组合为第一待拟合区域，将所有子区域的右偏移区域组合为第二待拟合区域。
12.根据权利要求11所述的车道线检测系统，其特征在于，所述在所述待拟合区域内进行曲线拟合，确定车辆当前车道所对应的弯道区域当前车道线包括：
子步骤512：在所述待拟合区域内确定四个待拟合点，所述四个待拟合点包括随机选择的三个离散点及所述左交点和右交点之一；
子步骤513：通过三次贝塞尔曲线对所述四个待拟合点进行曲线拟合；
子步骤514：计算拟合曲线的特征值v＝k×sum，其中：
k＝lp/D+(θ+1)/2，其中lp表示所述拟合曲线的两个端点之间的距离，D表示所述左偏移线或右偏移线的总长度，θ表示拟合曲线的弯曲度，sum表示以所述拟合曲线为中心宽度为指定像素的区域的总像素值；
子步骤515：重复执行以上步骤512至514，以具有最大特征值的拟合曲线作为车辆当前车道所对应的弯道区域当前车道线。
CN201710864823.2A 2017-09-22 2017-09-22 车道线检测方法及系统 Active CN107730520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710864823.2A CN107730520B (zh) 2017-09-22 2017-09-22 车道线检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710864823.2A CN107730520B (zh) 2017-09-22 2017-09-22 车道线检测方法及系统

Publications (2)

Publication Number Publication Date
CN107730520A CN107730520A (zh) 2018-02-23
CN107730520B true CN107730520B (zh) 2020-10-27

Family

ID=61207773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710864823.2A Active CN107730520B (zh) 2017-09-22 2017-09-22 车道线检测方法及系统

Country Status (1)

Country Link
CN (1) CN107730520B (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108279678A (zh) * 2018-02-24 2018-07-13 浙江大学 一种用于检测植株生长状况的田间自动行走装置及其行走控制方法
CN108415018A (zh) * 2018-03-27 2018-08-17 哈尔滨理工大学 一种基于毫米波雷达检测的目标存在性分析方法
CN108629292B (zh) * 2018-04-16 2022-02-18 海信集团有限公司 弯曲车道线检测方法、装置及终端
CN108572650B (zh) * 2018-05-08 2021-08-24 南京信息工程大学 一种基于车道线检测的自适应前照灯转向控制算法
CN108645409B (zh) * 2018-05-14 2020-10-30 深圳市原像天成科技有限公司 一种基于无人驾驶的行车安全系统
CN108830165A (zh) * 2018-05-22 2018-11-16 南通职业大学 一种考虑前车干扰的车道线检测方法
CN109271857A (zh) * 2018-08-10 2019-01-25 广州小鹏汽车科技有限公司 一种伪车道线剔除方法及装置
CN110148221B (zh) * 2018-08-30 2023-09-01 杭州维聚科技有限公司 一种图像重建时的线条拟合的方法
CN109472844B (zh) * 2018-11-01 2021-03-16 百度在线网络技术（北京）有限公司 路口内车道线标注方法、装置及存储介质
CN111291603B (zh) * 2018-12-07 2023-09-29 长沙智能驾驶研究院有限公司 车道线检测方法、装置、系统及存储介质
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
KR102751271B1 (ko) * 2019-01-21 2025-01-10 현대자동차주식회사 차선 인식 장치 및 그 방법
CN110288540B (zh) * 2019-06-04 2021-07-06 东南大学 一种碳纤维导线x射线图像在线成像标准化方法
CN114127826B (zh) * 2019-07-18 2023-10-31 三菱电机株式会社 车道形状识别系统以及车道形状识别方法
CN112304291B (zh) * 2019-07-26 2023-12-22 厦门雅迅网络股份有限公司 基于hud的车道线显示方法及计算机可读存储介质
CN112802149B (zh) * 2019-11-13 2023-03-21 阿里巴巴集团控股有限公司 车道线的生成方法、生成装置、电子设备及存储介质
CN112950740B (zh) * 2019-12-10 2024-07-12 中交宇科（北京）空间信息技术有限公司 高精地图道路中心线的生成方法、装置、设备及存储介质
CN111860113A (zh) * 2020-06-01 2020-10-30 安徽奇点智能新能源汽车有限公司 车道线检测方法及系统
CN114248819B (zh) * 2020-09-25 2023-12-29 中车株洲电力机车研究所有限公司 基于深度学习的铁路侵限异物无人机检测方法、装置及系统
CN112200100A (zh) * 2020-10-15 2021-01-08 上海泽高电子工程技术股份有限公司 一种基于图像的轨道提取技术
CN113238209B (zh) * 2021-04-06 2024-01-16 宁波吉利汽车研究开发有限公司 基于毫米波雷达的道路感知方法、系统、设备及存储介质
CN113911112B (zh) * 2021-09-08 2023-08-04 浙江零跑科技股份有限公司 一种基于曲线拟合的车道偏离辅助方法及系统
CN114166238B (zh) * 2021-12-06 2024-02-13 北京百度网讯科技有限公司 车道线的识别方法、装置及电子设备
CN115063763B (zh) * 2022-05-24 2024-11-15 广州文远知行科技有限公司 一种可行驶区域边界线检测方法、装置、交通工具及存储介质
US20240221389A1 (en) * 2022-12-30 2024-07-04 Rivian Ip Holdings, Llc System and method for deep learning based lane curvature detection from 2d images

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012081359A1 (ja) * 2010-12-15 2012-06-21 本田技研工業株式会社 レーン認識装置
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN107066992A (zh) * 2017-05-11 2017-08-18 南宁市正祥科技有限公司 一种非平坦路面车道线检测方法
CN107066986A (zh) * 2017-04-21 2017-08-18 哈尔滨工业大学 一种基于单目视觉的车道线与前方障碍物检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012081359A1 (ja) * 2010-12-15 2012-06-21 本田技研工業株式会社 レーン認識装置
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN107066986A (zh) * 2017-04-21 2017-08-18 哈尔滨工业大学 一种基于单目视觉的车道线与前方障碍物检测方法
CN107066992A (zh) * 2017-05-11 2017-08-18 南宁市正祥科技有限公司 一种非平坦路面车道线检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于分段归类拟合算法的车道检测系统;许波文;《计算机工程与设计》;20091028;第30卷(第20期);4766-4768 *

Also Published As

Publication number Publication date
CN107730520A (zh) 2018-02-23

Similar Documents

Publication Publication Date Title
CN107730520B (zh) 车道线检测方法及系统
CN110298216B (zh) 基于车道线梯度图像自适应阈值分割的车辆偏离报警方法
JP3169483B2 (ja) 道路環境認識装置
CN107066986A (zh) 一种基于单目视觉的车道线与前方障碍物检测方法
US20190188498A1 (en) Image Processing Method For Recognizing Ground Marking And System For Detecting Ground Marking
KR101605514B1 (ko) 차선 인식 장치 및 방법
US10891738B2 (en) Boundary line recognition apparatus and branch road determination apparatus
CN108805065A (zh) 一种基于几何特征改进的车道线检测方法
CN104036246B (zh) 一种基于多特征融合及多态均值的车道线定位方法
CN109948552B (zh) 一种复杂交通环境中的车道线检测的方法
CN104899554A (zh) 一种基于单目视觉的车辆测距方法
JP7359715B2 (ja) 道路形状推定装置
CN105740782A (zh) 一种基于单目视觉的驾驶员换道过程量化方法
US20050169501A1 (en) Method and apparatus for determining driving lane of vehicle, and computer product
CN106650567B (zh) 一种安全带检测方法和装置
Daigavane et al. Road lane detection with improved canny edges using ant colony optimization
Liu et al. Development of a vision-based driver assistance system with lane departure warning and forward collision warning functions
CN108052904A (zh) 车道线的获取方法及装置
CN103927548B (zh) 一种新的避免车辆碰撞的刹车行为检测方法
CN105654073A (zh) 一种基于视觉检测的速度自动控制方法
CN106887004A (zh) 一种基于块匹配的车道线检测方法
CN112001216A (zh) 一种基于计算机的汽车行驶车道检测系统
US11904843B2 (en) Autonomous parking systems and methods for vehicles
Li et al. Inverse perspective mapping based urban road markings detection
CN105678287A (zh) 一种基于脊度量的车道线检测方法

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