CN112149560B - 一种车道偏离检测方法 - Google Patents

Abstract

本发明公开了一种车道偏离检测方法，方法包括步骤：将目标检测单元分别设置在第一检测区域、第二检测区域及第三检测区域；利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线；第二检测区域及第三检测区域的检测单元分别实时获取安全行车路线的第二视角及第三视角目标影像信息；利用辅助驾驶及大数据技术，并根据安全行车路线及其第二视角及第三视角目标影像信息，向驾驶人提供车道实时监测信息。实施本发明，通过融合车道偏离、盲区检测系统、驾驶行为分析以及大数据平台技术，实现了将全景影像、辅助驾驶、车联网、大数据应用技术集成为一体的车道偏离检测方法，使得车道偏离识别率99％。

Description

一种车道偏离检测方法

技术领域

本发明涉及驾驶辅助系统技术领域，更具体说，涉及一种车道偏离检测方法。

背景技术

车道偏离警告系统(Lane Departure Warning System，LDWS)是通过拍摄车辆的前方行驶影像来识别车道，并利用其来检测车辆在车道中的位置及在检测到出现不是驾驶者意图的车道偏离时进行警告的系统。LDWS演算法是以识别车辆偏移行驶车道时进行车道偏离警告为目的而开发的。

具体的，前方车辆拍摄技术主要是利用一摄影镜头(camera/imagesensor)安装在车内并面对车前方用以读取车前方的道路影像，使用时如行驶在高速公路上，一般是读取车道两侧边的白色车道线影像，并可在安装时先自行设定车道起始点、车道消失点及车子左右偏移灵敏度以作为辨识参数；再将所读取的影像输入车道偏离警示系统(LDWS)所设的电子控制单元(ECU，electronic control unit)内，电子控制单元(ECU)主要包含一数字信号处理器(digital signal processor，DSP)并配合一存储器单元(memory unit)如随机存取存储器(random access memory，RAM)以处理影像辨识工作；电子控制单元(ECU)再连接车子的左右方向灯或车速码表等以取得并利用车子的车体信号，以判断是否为危险驾驶行为，例如：车速每小时60公里以上行驶在高速公路上，且由车体信号得知驾者并未操纵左、右转灯(未变换车道)，但如果车道偏离警示系统(LDWS)却辨识出车行方向相对于车道线呈压线或蛇行状态，即未稳定地在两车道线之间行驶；若辨识结果为是，则会传输信号至警示单元(warning unit)如视觉警示单元(visual warning unit)及/或听觉警示单元(audible warning unit)以启动的而用以警示驾驶者，达成车道偏离警示系统(LDWS)的作用功能。

车道偏离检测涉及全景影像、辅助驾驶(ADAS)、车联网、大数据应用等技术，目前市场上上述各个系统大都以独立功能单品出现，还没有一种将上述功能集成为一体的全景辅助驾驶系统的车道偏离检测方法。

发明内容

本发明要解决的技术问题在于，现有技术中，车道偏离检测涉及全景影像、辅助驾驶(ADAS)、车联网、大数据应用等技术，目前市场上上述各个系统大都以独立功能单品出现，还没有一种将上述功能集成为一体的车道偏离检测方法。

针对上述问题，将全景影像、辅助驾驶(ADAS)、车联网、大数据应用等技术集成为一体，提出一种全景辅助驾驶系统的车道偏离检测方法，通过对数字信号处理、视觉分析、复杂系统集成、智能传感控制、车联网等方面技术进行深入研究，融合车道偏离、盲区检测系统、驾驶行为分析以及大数据平台，实现了将全景影像、辅助驾驶(ADAS)、车联网、大数据应用集成为一体全景辅助驾驶系统的车道偏离检测方法。在进行车道检测时，采用灰度二值法操作，去除了灰度图像中的噪声，获得了清晰的车道线轮廓信息，相较于目前市场上的独立功能单品方案，大大提高系统的性价比，提高了驾驶的稳定性和安全性，使得车道偏离识别率99％。

一种车道偏离检测方法，包括步骤：

将目标检测单元分别设置在第一检测区域、第二检测区域及第三检测区域；

利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线；

第二检测区域及第三检测区域的检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息；

利用辅助驾驶(ADAS)及大数据技术，并根据所述安全行车路线及其第二视角及第三视角目标影像信息，向驾驶人提供车道实时监测信息。

结合本发明，第一种可能的实施方式中，步骤：将目标检测单元分别设置在第一检测区域、第二检测区域及第三检测区域，包括步骤：

所述目标检测单元采用单个智能摄像头，分别设置在所述第一检测区域、第二检测区域及第三检测区域；

将所述第一检测区域、第二检测区域及第三检测区域设置为车头前部中心区域、车辆盲区区域及车身两侧区域。

结合本发明的第一种可能的实施方式，第二种可能的实施方式中，所述步骤：利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线，包括：

根据全景影像及所述第一检测区域目标检测单元检测图像信息，利用边界算子和数据标定算法，获取车道线信息并进行图像模拟；

根据所述车道信息预测所述车道延长线信息并输出该延长线图像模拟信息。

结合本发明的第二种可能的实施方式，第三种可能的实施方式中，所述步骤：根据全景影像及所述第一检测区域目标检测单元检测图像信息，利用边界算子和数据标定算法，获取车道线信息并进行图像模拟，包括步骤：

根据全景影像及所述第一检测区域目标检测单元检测图形信息，判断第一视角区域内是否有车道线；

若存在车道线，确定所述车道线在所述第一检测区域目标检测单元要检测的可能区域范围

检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像。

结合本发明的第三种可能的实施方式，第四种可能的实施方式中，所述步骤：利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线，还包括：

获取标定直线在所述第一检测区域目标检测单元检测影像的基准参考数值；

第一检测区域目标检测单元以点阵形式对行车过程中的车道线信息进行数据采集，并与所述基准参考数值进行比对，获取安全行车路线。

结合本发明的第三种可能的实施方式，第五种可能的实施方式中，所述步骤：检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像，包括步骤：

对车影像外的感兴趣区域灰度值进行二值化操作，获得车道轮廓；

连续对所述车道轮廓进行灰度二值化操作，并根据灰度二值化后的车道轮廓特征选择特征车道。

结合本发明的第五种可能的实施方式，第六种可能的实施方式中，所述步骤：检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像，还包括步骤：

根据前一帧车道线信息预测当前帧车道线特征。

结合本发明，第七种可能的实施方式中，所述步骤：第二检测区域及第三检测区域的检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息，包括步骤：

利用神经网络，对车辆盲区区域的车头和车身分别检测识别；

根据对所述车头和车身检测识别结果，推算车辆行进姿态姿态，获得盲区视角车辆的横向和纵向距离。

结合本发明，第八种可能的实施方式中，所述步骤：第二检测区域及第三检测区域的检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息，包括步骤：

对车身侧面区域视角车辆的车轮进行识别；

根据全景影像及识别结果，获得车辆车轮距离。

结合本发明，第九种可能的实施方式中，所述检测方法还包括步骤：

利用第一检测区域中的目标检测单元检测信号灯信息或行人信息；

检测到信号灯停止信息或行人信息时，发出报警信号并制动车辆。

实施本发明所述的一种车道偏离检测方法，通过对数字信号处理、视觉分析、复杂系统集成、智能传感控制、车联网等方面技术进行深入研究，融合车道偏离、盲区检测系统、驾驶行为分析以及大数据平台，实现了将全景影像、辅助驾驶(ADAS)、车联网、大数据应用集成为一体全景辅助驾驶系统的车道偏离检测方法。在进行车道检测时，采用灰度二值法操作，去除了灰度图像中的噪声，获得了清晰的车道线轮廓信息，相较于目前市场上的独立功能单品方案，大大提高系统的性价比，提高了驾驶的稳定性和安全性，使得车道偏离识别率99％。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明中的一种车道偏离检测方法第一实施例示意图；

图2为本发明中的一种车道偏离检测方法第二实施例示意图；

图3为本发明中的一种车道偏离检测方法第三实施例示意图；

图4为本发明中的一种车道偏离检测方法第四实施例示意图；

图5为本发明中的一种车道偏离检测方法第五实施例示意图；

图6为本发明中的一种车道偏离检测方法第六实施例示意图；

图7为本发明中的一种车道偏离检测方法第七实施例示意图；

图8为本发明中的一种车道偏离检测方法第八实施例示意图；

图9为本发明中的一种车道偏离检测方法第九实施例示意图；

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用以解释本发明，并不用于限定本发明。

本发明要解决的技术问题在于，现有技术中，车道偏离检测涉及全景影像、辅助驾驶(ADAS)、车联网、大数据应用等技术，目前市场上上述各个系统大都以独立功能单品出现，还没有一种将上述功能集成为一体的车道偏离检测方法。

针对上述问题，将全景影像、辅助驾驶(ADAS)、车联网、大数据应用等技术集成为一体，提出一种全景辅助驾驶系统的车道偏离检测方法。

一种车道偏离检测方法，包括步骤：

S1、将目标检测单元分别设置在第一检测区域、第二检测区域及第三检测区域。

优选地，步骤S1包括步骤：S11、目标检测单元采用单个智能摄像头，分别设置在所述第一检测区域、第二检测区域及第三检测区域。S12、将所述第一检测区域、第二检测区域及第三检测区域设置为车头前部中心区域、车辆盲区区域及车身侧面特定区域。

车头前部中心区域的智能摄像头主要用于采集车辆前方的车道图像，该车道图像的灰度图像用于进行二值化操作，获取车道的轮廓特征，结合全景影像进行图像模拟供驾驶员使用，同时通过采集的车道图像还可以预测车道线。

S2、利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线。

第一视角主要指行驶车辆前方视角范围，第一视角目标影像主要指行驶前方的车道特征。获取目标影像目的是根据其灰度图像，利用边界算子和数据标定算法，获取前方的车道线特征，利用全景影像对行驶路线进行各个视角进行模拟，供驾驶员进行参考，并在行驶方向明显偏离时进行预警提醒。

优选地，步骤S2包括：

S21、根据全景影像及第一检测区域目标检测单元检测图像信息，利用边界算子和数据标定算法，获取车道线信息并进行图像模拟；S22、根据车道信息预测所述车道延长线信息并输出该延长线图像模拟信息。

优选地，步骤S21包括步骤：

S211、根据全景影像及所述第一检测区域目标检测单元检测图形信息，判断第一视角区域内是否有车道线；S212、若存在车道线，确定所述车道线在所述第一检测区域目标检测单元检测的可能区域范围；S213、检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像。

获取的车道线图像在摄像头中是弧形的，而在全景图像中车道线一定是直线，从实际摄取的图像到直线之间的转换需要进行直线标定，以获取全景图像中的直线影像。二者是一一对应的关系，全景图像中的直线车道线需要与拍摄的图像车道线进行比对，从而获取全景图中的安全行车路线。

优选地，步骤S213包括步骤：

S2131、对车影像外的感兴趣区域灰度值进行二值化操作，获得车道轮廓；S2132、连续对所述车道轮廓进行灰度二值化操作，并根据灰度二值化后的车道轮廓特征选择特征车道，根据前一帧车道线信息预测当前帧车道线特征。

通过图像二值化将车道线中的车道线特征和非车道线特征明显的分开。

感兴趣区域实际上是车前方的区域，在全景影像中是车图片前方的区域。车图片在全景影像中是固定的。在车辆行驶的过程中，车道线一般在车的两侧，除非车辆压车道线。

优选地，所述步骤S2还包括步骤：

S23、获取车道线标定直线在所述所述第一检测区域目标检测单元检测影响的基准参考数值；S24、第一检测区域目标检测单元以点阵形式对行车过程中的车道线信息进行数据采集，并与所述基准参考数值进行比对，获取安全行车路线。

实际摄取车道线图像与全景车道线直线，是一一对应的映射关系，全景图像中的直线车道线需要与拍摄的图像车道线进行比对，从而获取全景图中的安全行车路线。

S3、第二检测区域及第三检测区域的检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息。

优选地，步骤S3包括：

S31、利用神经网络，对车辆盲区区域的车头和车身分别检测识别；

S32、根据对车头和车身检测识别结果，推算车辆行进姿态姿态，获得盲区视角车辆的横向和纵向距离。

第二视角及第三视角实际上是盲区对应车辆信息及车辆两侧对应的车辆信息。

对盲区视角区域的车辆信息监测，利用神经网络车头和车身分别识别。根据车头和车身识别结果，推算车姿态，获得侧后方车的横向和纵向距离。对于侧面车辆利用边界检测算子获得边界图像特征，根据车辆正面底部，参考标定数据，获得车正面距离。根据车侧面边界，参照边界数据和标定数据，获得车侧面距离。

优选地，步骤S3还包括：

S33、对车身侧面区域视角车辆的车轮进行识别；

S34、根据全景影像及识别结果，获得车辆车轮距离。

对于车辆两侧车辆信息监测，根据车轮识别结果和全景标定数据，推算识别目标离自身车距。根据轮胎底部，参照标定数据计算两侧车辆距离自身车辆的距离。

S4、利用辅助驾驶(ADAS)及大数据技术，并根据安全行车路线及其第二视角及第三视角目标影像信息，向驾驶人提供车道实时监测信息。

优选地，检测方法还包括步骤：

S5、利用第一检测区域中的目标检测单元检测信号灯信息或行人信息；

S6、检测到信号灯停止信息或行人信息时，发出报警信号并制动车辆。

实施本发明所述的一种车道偏离检测方法，通过对数字信号处理、视觉分析、复杂系统集成、智能传感控制、车联网等方面进行深入研究，融合车道偏离、盲区检测系统.驾驶行为分析以及大数据平台，实现了将全景影像、辅助驾驶(ADAS)、车联网、大数据应用集成为一体全景辅助驾驶系统的车道偏离检测方法。在进行车道检测时，采用二值法操作，去除了灰度图像中的噪声，获得了清晰的车道线轮廓信息，相较于目前市场上的独立功能单品方案，大大提高系统的性价比，提高了驾驶的稳定性和安全性。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种车道偏离检测方法，其特征在于，包括步骤：

将目标检测单元分别设置在第一检测区域、第二检测区域及第三检测区域，所述目标检测单元采用单个智能摄像头，将所述第一检测区域、第二检测区域及第三检测区域设置为车头前部中心区域、车辆盲区区域及车身两侧区域；

利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线，其中，所述第一视角指行驶车辆前方视角范围；

第二检测区域及第三检测区域的目标检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息；

利用辅助驾驶及大数据技术，并根据所述安全行车路线、第二视角及第三视角目标影像信息，向驾驶员提供车道实时监测信息，在行驶方向偏离时进行预警提醒；

其中，所述利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，获取安全行车路线，包括步骤：

利用第一检测区域中的目标检测单元获取第一视角目标影像信息并结合全景影像信息，判断第一视角区域内是否有车道线；

若存在车道线，确定所述车道线在所述第一检测区域目标检测单元要检测的区域范围；

检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像；

获取标定后的车道线在所述第一检测区域目标检测单元检测影像的基准参考数值；

第一检测区域目标检测单元以点阵形式对行车过程中的车道线信息进行数据采集，并与所述基准参考数值进行比对，获取安全行车路线。

2.根据权利要求1所述的车道偏离检测方法，其特征在于，所述步骤：检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像，包括步骤：

对车影像外的感兴趣区域灰度值进行二值化操作，获得车道轮廓；

连续对所述车道轮廓进行灰度二值化操作，并根据灰度二值化后的车道轮廓特征选择特征车道。

3.根据权利要求2所述的车道偏离检测方法，其特征在于，所述步骤：检测所述车道线并进行直线标定，对标定后的车道线进行模拟成像，还包括步骤：

根据前一帧车道线信息预测当前帧车道线。

4.根据权利要求1-3任一所述的车道偏离检测方法，其特征在于，所述步骤：第二检测区域及第三检测区域的检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息，包括步骤：

利用神经网络，对车辆盲区区域的车头和车身分别检测识别；

根据对所述车头和车身检测识别结果，推算车辆行进姿态，获得盲区视角车辆的横向和纵向距离。

5.根据权利要求4所述的车道偏离检测方法，其特征在于，所述步骤：第二检测区域及第三检测区域的检测单元分别实时获取所述安全行车路线的第二视角及第三视角目标影像信息，还包括步骤：

对车身侧面区域视角车辆的车轮进行识别；

根据全景影像及识别结果，获得车辆车轮距离。

6.根据权利要求5所述的车道偏离检测方法，其特征在于，所述检测方法还包括步骤：

利用第一检测区域中的目标检测单元检测信号灯信息或行人信息；

检测到信号灯停止信息或行人信息时，发出报警信号并制动车辆。