[發(fā)明專利]一種基于視覺的車道線檢測方法及裝置在審
| 申請?zhí)枺?/td> | 201810730715.0 | 申請日: | 2018-07-05 |
| 公開(公告)號: | CN110688876A | 公開(公告)日: | 2020-01-14 |
| 發(fā)明(設(shè)計)人: | 李超;王若瑜 | 申請(專利權(quán))人: | 蘇州天瞳威視電子科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/46 |
| 代理公司: | 23212 哈爾濱市邦杰專利代理事務(wù)所(普通合伙) | 代理人: | 馬長嬌 |
| 地址: | 215000 江蘇省蘇州市*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 車道線檢測 安全輔助駕駛 跟蹤預(yù)測模塊 特征提取模塊 一步預(yù)處理 處理模塊 模型擬合 輸出參數(shù) 車道線 結(jié)構(gòu)化 提煉 視覺 駕駛 檢測 | ||
一種基于視覺的車道線檢測方法及裝置。本檢測方法包括六步,第一步預(yù)處理模塊,第二步特征提取模塊,第三步模型擬合模塊,第四步車道線提煉處理模塊,第五步跟蹤預(yù)測模塊,第六步車道線檢測輸出參數(shù)結(jié)構(gòu)化。本發(fā)明用于無人自主駕駛、安全輔助駕駛。
技術(shù)領(lǐng)域:
本發(fā)明涉及一種基于視覺的車道線檢測方法及裝置。
背景技術(shù):
若想實現(xiàn)輔助駕駛或無人自動駕駛,從視覺的角度上講都要先學(xué)會觀察道路,直接有用的方法就是檢測車道線。車道線檢測相對于其他交通標(biāo)志來說檢測還是比較容易的,然而由于車輛速度造成圖像模糊,光照變化、物體遮擋、污漬等影響圖像質(zhì)量,或由于攝像機拍攝角度變化使得所獲取的標(biāo)志線會發(fā)生嚴重的變形,從而影響車道線識別的準確性。
車道線檢測的方法主要分為基于區(qū)域的檢測方法、基于邊緣的檢測方法、基于深度學(xué)習(xí)的檢測方法;基于區(qū)域的方法將車道線識別問題定義為分類問題,即將道路圖像分成車道線部分和非車道線部分,其必須克服噪聲的存在,如陰影、積水和道路污漬等,且分類器所花費的時間一般較大。這種方法在建立道路參數(shù)模型的基礎(chǔ)上,分析圖像中的目標(biāo)信息后計算得到模型參數(shù);該方法優(yōu)點是不受地面狀況干擾,缺點是計算復(fù)雜度較高,算法的時間開銷較大,實時性較差。基于邊緣的方法是在獲取道路場景的邊緣圖后,針對結(jié)構(gòu)化道路較強的幾何特征,利用二維或三維曲線建立車道線模型;在特定的結(jié)構(gòu)化道路場景下,這種方法常常能達到滿意的效果。面對復(fù)雜的駕駛環(huán)境,檢測效果往往不穩(wěn)定,漏檢和誤檢的情況普遍發(fā)生。基于深度學(xué)習(xí)的檢測方法是比較前沿的科研技術(shù),建立一個深度學(xué)習(xí)模型將大大解決車道線復(fù)雜場景下的特征提取不穩(wěn)定問題。但如何建立一個適合的模型以及后續(xù)處理仍是一個不小的難題,并且這種方法暫不能滿足車載實時性的要求。
發(fā)明內(nèi)容:
本發(fā)明的目的是提供一種充分利用了單目攝像機在視覺檢測中的優(yōu)越性,能識別出不同曲率的車道線,將區(qū)域與邊緣方法結(jié)合起來的一種基于視覺的車道線檢測方法及裝置。
上述的目的通過以下的技術(shù)方案實現(xiàn):
一種基于視覺的車道線檢測方法,本檢測方法包括六步,第一步預(yù)處理模塊,第二步特征提取模塊,第三步模型擬合模塊,第四步車道線提煉處理模塊,第五步跟蹤預(yù)測模塊,第六步車道線檢測輸出參數(shù)結(jié)構(gòu)化。
所述的一種基于視覺的車道線檢測方法,所述的第一步預(yù)處理模塊是包括圖像的灰度化、圖像的平滑和增強處理技術(shù),圖像的灰度化技術(shù)是利用車道線的普遍特征,最大程度的突出灰度化后車道線的灰度值;采用符合人們視覺認知的加權(quán)平均算法處理彩色RGB圖像和灰度圖像的對應(yīng)關(guān)系表示為公式(4-1);
Gray=R×0.299+G×0.587+B×0.114 (公式4-1)
對灰度圖像的平滑和增強處理中,進行以獲得灰度對比度明顯,背景暗淡,車道線輪清晰的圖像,降低圖像處理過程中的復(fù)雜程度;用中值濾波剔出噪點。
所述的一種基于視覺的車道線檢測方法,所述的第二步特征提取模塊是車道線標(biāo)志有著明顯的上升沿和下降沿,在提取特征點的時候需要在上升沿和下降沿各提取一個點組成一個點對;車道線特征點屬于與相鄰像素灰度值差值較大的跳變點,采用局部梯度方法去提取地面標(biāo)識特征點,先計算像素點水平線附近的均值,評估該像素灰度值的強度水平,當(dāng)該像素附近的灰度強度太高或太低的時候,車道線與地面的灰度梯度就會變小;灰度平均值的計算公式(4-2)所示,
然后再計算邊緣的升變點ep和降變點ev,滿足公式(4-3)條件,
要求地面標(biāo)識特征點是由相鄰的上升沿點和下降沿點組成的點對,并且之間滿足一定的距離,滿足公式(4-4),
Δw=ep(x)-ev(x)>W(wǎng) (公式4-4)
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于蘇州天瞳威視電子科技有限公司,未經(jīng)蘇州天瞳威視電子科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810730715.0/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 基于深度學(xué)習(xí)的行人特征提取及處理系統(tǒng)
- 一種多模態(tài)視頻目標(biāo)特征識別系統(tǒng)
- 一種圖像形狀特征提取系統(tǒng)
- 一種顯示面板缺陷檢測方法
- 物質(zhì)識別網(wǎng)絡(luò)模型訓(xùn)練方法及太赫茲光譜物質(zhì)識別方法
- 顯示屏缺陷檢測網(wǎng)絡(luò)模型、方法、裝置、電子設(shè)備及存儲介質(zhì)
- 無線膠囊內(nèi)窺鏡圖像檢測系統(tǒng)及檢測方法
- 一種自適應(yīng)圖像超分辨率系統(tǒng)
- 基于字符級滑動窗口和深度殘差網(wǎng)絡(luò)的DGA域名檢測系統(tǒng)
- 基于后鄰域正則化的聯(lián)網(wǎng)服務(wù)質(zhì)量隱特征提取裝置與方法





