[發明專利]一種車道線檢測方法及裝置

有效

• 申請號: 201710840344.7
• 申請日: 2017-09-18
• 公開（公告）號: CN107590470B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 張毅
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/46
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種車道線檢測方法，其特征在于，包括：

若當前處理的視頻圖像中存在車道線，則根據預設的像素點的灰度值的初始閾值確定所述視頻圖像中的前景區域和背景區域，并確定每一行中前景區域和背景區域的概率密度；

根據每一行的前景區域和背景區域中，各像素點的灰度值以及前景區域和背景區域的概率密度，確定每一行對應的最優閾值；

根據各行對應的所述最優閾值確定所述視頻圖像的二值化圖像；

根據所述二值化圖像確定所述視頻圖像中的車道線檢測區域，以在所述車道線檢測區域內確定左車道線和右車道線。

2.如權利要求1所述的方法，其特征在于，每一行對應的所述最優閾值按以下公式確定：

其中，T表示最優閾值，μ₁表示前景區域灰度值的均值，μ₂表示背景區域灰度值的均值，var表示每一行中各像素點的灰度值的均方差值，P₁表示前景區域的概率密度，P₂表示背景區域的概率密度，N表示對數函數的底數。

3.如權利要求2所述的方法，其特征在于，按以下方法確定當前處理的視頻圖像中是否存在車道線：

對當前幀之前的多幀連續的視頻圖像分別進行二值化處理；

對二值化處理后的各所述視頻圖像進行疊加，以得到各所述視頻圖像的累積圖像；

對所述累積圖像進行二值化處理，得到所述累積圖像的二值化處理圖像；

對所述累積圖像的二值化處理圖像進行霍夫直線檢測，并判斷霍夫直線檢測后得到的參數是否滿足預設條件；若是，則存在車道線；若否，則不存在車道線。

4.如權利要求3所述的方法，其特征在于，所述在所述車道線檢測區域內確定左車道線和右車道線，包括：

根據當前處理的視頻圖像中的車道線檢測區域，以及前一幀視頻圖像中的車道線的直線擴展區域，確定當前處理的視頻圖像的車道線特征點；所述直線擴展區域為前一幀視頻圖像中的車道線向左平移一定距離得到的第一直線，以及向右平移一定距離得到的第二直線之間的區域；

根據得到的所述車道線特征點，建立當前處理的所述視頻圖像的車道線模型；

根據所述車道線模型確定左車道線和右車道線。

5.如權利要求4所述的方法，其特征在于，所述根據當前處理的視頻圖像中的車道線檢測區域，以及前一幀視頻圖像中的車道線的直線擴展區域，確定當前處理的視頻圖像的車道線特征點，包括：

確定當前處理的視頻圖像中的車道線檢測區域，以及前一幀視頻圖像中的車道線的直線擴展區域的交集區域；

在所述交集區域中，按特定順序逐行搜索車道線特征點。

6.如權利要求4或5所述的方法，其特征在于，在根據所述車道線模型確定左車道線和右車道線之后，還包括：

若在多幀連續視頻圖像中的左車道線的斜率均小于第一閾值，則觸發左偏離預警，以及若在多幀連續視頻圖像中的右車道線的斜率均小于第二閾值，則觸發右偏離預警。

7.如權利要求4或5所述的方法，其特征在于，在根據所述車道線模型確定左車道線和右車道線之后，還包括：

判斷各幀視頻圖像中的車道線的顏色及線型，并輸出各幀視頻圖像組成的視頻。

8.一種車道線檢測裝置，其特征在于，包括：

概率密度確定模塊，用于若當前處理的視頻圖像中存在車道線，則根據預設的像素點的灰度值的初始閾值確定所述視頻圖像中的前景區域和背景區域，并確定每一行中前景區域和背景區域的概率密度；

最優閾值確定模塊，用于根據每一行的前景區域和背景區域中，各像素點的灰度值以及前景區域和背景區域的概率密度，確定每一行對應的最優閾值；

二值化處理模塊，用于根據各行對應的所述最優閾值確定所述視頻圖像的二值化圖像；

車道線確定模塊，用于根據所述二值化圖像確定所述視頻圖像中的車道線檢測區域，以在所述車道線檢測區域內確定左車道線和右車道線。