[發(fā)明專利]一種多車道車道線檢測方法有效
| 申請?zhí)枺?/td> | 202110402130.8 | 申請日: | 2021-04-14 |
| 公開(公告)號: | CN113239733B | 公開(公告)日: | 2023-05-12 |
| 發(fā)明(設(shè)計)人: | 段鴻;陳方榮;朱浩;王強 | 申請(專利權(quán))人: | 重慶利龍中寶智能技術(shù)有限公司 |
| 主分類號: | G06V20/56 | 分類號: | G06V20/56;G06V10/44;G06V10/48;G06V10/56;G06V10/82;G06N3/0464 |
| 代理公司: | 重慶市前沿專利事務(wù)所(普通合伙) 50211 | 代理人: | 郭云;孔祥超 |
| 地址: | 400021 重慶市兩*** | 國省代碼: | 重慶;50 |
| 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: | 一種 車道 檢測 方法 | ||
本發(fā)明公開了一種多車道車道線檢測方法,包括以下步驟:S1,采集道路圖像,選取其感興趣區(qū)域,然后灰度化得到灰度圖像;S2,通過邊緣檢測算法提取灰度圖像中的圖像輪廓,然后轉(zhuǎn)換為二值圖像;S3,通過霍夫直線檢測識別本車道車道線候選線;S4,基于S3獲取的本車道車道線候選線確定滑窗檢測位置,采用滑窗方法進一步檢測本車道車道線;S5,本車道車道線顏色判斷,若車道線的一側(cè)為黃線,則不進行該側(cè)側(cè)車道檢測;若車道線的一側(cè)不是黃線,則進行該側(cè)側(cè)車道檢測;S6,基于本車道車道線,通過滅點檢測和霍夫直線檢測識別側(cè)車道候選線;S7,基于S6獲取的側(cè)車道車道線候選線確定滑窗檢測位置,采用滑窗方法進一步檢測側(cè)車道車道線。
技術(shù)領(lǐng)域
本發(fā)明涉及圖像檢測領(lǐng)域,具體涉及一種多車道車道線檢測方法。
背景技術(shù)
車道線檢測功能是道路環(huán)境感知系統(tǒng)的重要組成部分。車道線檢測主要基于攝像頭的圖像進行檢測識別。目前主流的檢測方法分為兩種,一種是以霍夫直線檢測及滑窗檢測為核心的傳統(tǒng)圖像處理算法;另一種是以深度學習中語義分割網(wǎng)絡(luò)為基礎(chǔ)的深度網(wǎng)絡(luò)檢測算法。傳統(tǒng)圖像處理算法中,先對原圖像進行二值化,然后以霍夫直線檢測為核心的算法,檢測二值圖中的直線區(qū)域并篩選獲得車道線;以滑窗檢測為核心的算法通過逆透視獲得更好預處理效果,通過滑窗獲取車道線關(guān)鍵點并擬合獲得車道線。語義分割網(wǎng)絡(luò)可以分割多種目標,算法以數(shù)據(jù)驅(qū)動,將大量標注完備的車道線數(shù)據(jù)輸入語義分割網(wǎng)絡(luò)進行訓練,利用訓練好的網(wǎng)絡(luò)檢測除圖像中屬于車道線的像素,再將點擬合為車道線。
傳統(tǒng)圖像處理算法,感興趣區(qū)域直接截取圖像地平線以下的圖像作為感興趣區(qū)域,車道檢測時易受車道邊事物的影響,即由于對感興趣區(qū)域選取限制大,導致檢測區(qū)域受限,誤檢漏檢較多,對不同環(huán)境適應(yīng)性較差;使用逆透視方法可以將圖像中成梯形路面區(qū)域通過相機標定變?yōu)楦┮晥D,有利于車道線特征提取,但是,當前攝像頭越來越高清,意味著處理圖像的像素點越來越多,逆透視的時間消耗過大,同時,側(cè)方車道極容易出現(xiàn)在逆透視區(qū)域以外,造成漏檢,即無法進行多車道車道線提取且在彎道時難以進行檢測,僅適用于單車道車道線識別;通過霍夫檢測只能識別直線,在彎道處難以進行檢測,而通過全圖滑窗檢測來識別彎道,不僅耗時,同時易受環(huán)境光照的影響,難以濾出干擾,不能準確定位車道線。
采用深度網(wǎng)絡(luò)學習的方法,輸出為全圖像素點置信度,不具有原圖像特征的特性,使得誤檢的濾除存在較高的難度。同時在網(wǎng)絡(luò)執(zhí)行檢測后,再將像素點聚類擬合為車道線的兩步耗時普遍較高,實時性難以得到保證。
發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中不能準確實時識別多車道車道線的不足,提供一種多車道車道線檢測方法,其在結(jié)構(gòu)化道路上適用性較強,同時具有較高的精確性與實時性。
為了實現(xiàn)上述發(fā)明目的,本發(fā)明提供了以下技術(shù)方案:
一種多車道車道線檢測方法,包括以下步驟:
S1,采集道路圖像,選取道路圖像的感興趣區(qū)域,得到第一圖像,第一圖像灰度化,得到灰度圖像;
S2,通過邊緣檢測算法提取灰度圖像中的圖像輪廓,然后二值化操作,將圖像轉(zhuǎn)換為二值圖像;
S3,通過霍夫直線檢測識別本車道車道線候選線;
S4,基于步驟S3獲取的本車道車道線候選線確定滑窗檢測位置,采用滑窗方法進一步檢測本車道車道線;
S5,本車道車道線顏色判斷,若本車道車道線的一側(cè)為黃線,則不進行該側(cè)側(cè)車道檢測;若本車道車道線的一側(cè)不是黃線,則進行該側(cè)側(cè)車道檢測;
S6,基于本車道車道線,通過滅點檢測和霍夫直線檢測識別側(cè)車道候選線;
S7,基于步驟S6獲取的側(cè)車道車道線候選線確定滑窗檢測位置,采用滑窗方法進一步檢測側(cè)車道車道線。
優(yōu)選地,所述步驟S2具體包括以下步驟:
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)利屬于重慶利龍中寶智能技術(shù)有限公司,未經(jīng)重慶利龍中寶智能技術(shù)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/202110402130.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





