车道线识别方法和装置制造方法及图纸

本公开涉及一种车道线识别方法和装置。所述方法包括：将所获取的车辆所在路面的路面图像进行预处理；在预处理后的图像中检测车道线；对检测出的车道线进行跟踪。利用本公开的方案能够较快速且准确地识别出车道线，在此基础上进行预警或主动控制车辆时，行车更加安全，能够减少事故的发生。

Lane Line Recognition Method and Device

【技术实现步骤摘要】
车道线识别方法和装置
本公开涉及车辆辅助驾驶领域，具体地，涉及一种车道线识别方法和装置。
技术介绍
车道保持辅助系统属于智能驾驶辅助系统中的一种。它可以在车道偏离预警系统的基础上对制动装置进行控制。在车辆行驶时，由摄像头获取路面图像，在路面图像中识别出车道线，为使车辆保持在车道内提供数据支持。如果车辆接近识别到的标记线，并有可能脱离行驶车道，则可以通过振动方向盘，或者输出声音来提醒驾驶员注意。目前，车道线检测技术主要应用于辅助驾驶和无人驾驶。辅助驾驶已经在部分车辆上应用，当车辆偏离车道时，系统会提醒驾驶员，减少由于驾驶员的疲惫等原因引起的交通事故，如车道偏离预警系统。在无人驾驶车辆中，通过检测前方道路车道线的位置、形状、特点，提供前方车道环境信息，并为自动驾驶提供环境约束。相比之下，在无人驾驶车辆上使用的车道线检测算法对稳定性、准确性、适应性以及检测距离和精度的要求更高。随着无人驾驶车辆的发展，对车道线检测技术的研究也越来越多。
技术实现思路
本公开的目的是提供一种快速准确的车道线识别方法和装置。为了实现上述目的，本公开提供一种车道线识别方法。所述方法包括：将所获取的车辆所在路面的路面图像进行预处理；在预处理后的图像中检测车道线；对检测出的车道线进行跟踪。可选地，所述将所获取的车辆所在路面的路面图像进行预处理的步骤包括：利用视觉里程计算法确定摄像头的姿态角；根据所确定的姿态角更新投影变换矩阵；根据更新后的投影变换矩阵确定所述路面图像对应的俯视图像。可选地，将所获取的车辆所在路面的路面图像进行预处理后生成路面的俯视图像，所述在预处理后的图像中检测车道线的步骤包括：在从所述俯视图像下沿开始的预定高度内查找具有预定特征的像素点作为与第一矩形框对应的车道线的特征点；将所述第一矩形框内具有连续的、数量处于预定范围内的特征点的集合中，水平方向坐标的中间值确定为以所述预设高度为高度的所述第一矩形框的边界的水平方向坐标；在从所述第一矩形框的上沿开始的所述预定高度内，并且处于以所述第一矩形框边界为中心的、预定宽度的范围内，查找具有所述预定特征的像素点作为与第二矩形框对应的车道线的特征点；将所述第二矩形框内具有连续的、数量处于预定范围内的特征点的集合中，水平方向坐标的中间值确定为以所述预设高度为高度的所述第二矩形框的边界的水平方向坐标，直至将所述俯视图像全部划分完为止；对全部矩形框对应的特征点进行曲线拟合，得到车道线。可选地，所述对所述特征点进行曲线拟合，得到车道线的步骤包括：根据所有矩形框的中心点的连线确定车道线的形状；根据车道线的形状确定曲线模型；根据所确定的曲线模型对所述特征点进行曲线拟合，得到车道线。可选地，所述根据所有矩形框的中心点的连线确定车道线的形状的步骤包括：根据以下方程确定车道线的形状：其中，Xn(t)为t时刻第n个矩形框的中心点的水平方向坐标，Xn+1(t)为t时刻第n个矩形框的中心点的水平方向坐标，n_start为初始的矩形框，n_end为最后一个矩形框，当M大于预定的第一阈值，且N大于预定的第二阈值时，确定车道线为普通弯道；当M小于所述预定的第一阈值，且N大于所述预定的第二阈值时，确定车道线为S弯道；当M小于所述预定的第一阈值，且N小于所述预定的第二阈值时，确定车道线为直道。可选地，所述对检测出的车道线进行跟踪的步骤包括：根据以下公式确定各个矩形框的中心点的水平方向坐标：Xn(t+1)＝Xn(t)+γ·ΔXn(t)n∈[1,m]ΔXn(t)＝Xn(t)-Xn(t-1)其中，Xn(t+1)为t+1时刻第n个矩形框的中心点的水平方向坐标，Xn(t)为t时刻第n个矩形框的中心点的水平方向坐标，Xn(t-1)为t-1时刻第n个矩形框的中心点的水平方向坐标，γ为系数，m为矩形框的总数目，n为整数；根据所确定的各个矩形框的中心点的水平方向坐标，对所述俯视图像中的车道线进行跟踪。可选地，在所述对检测出的车道线进行跟踪的步骤之后，所述方法还包括：根据以下公式确定车道线中的像素点为车道线的概率：其中，P_locali,j为车道线中的像素点中第i行第j列的像素点为车道线的概率，DisP-L为车道线中的像素点到其所在行的车道线的中心之间的距离；根据贝叶斯概率估计方法确定的以下公式来确定P_locali,j与P_globali,j这二者之间的关系：其中，P_globali,j为所述预处理后的图像中的第i行第j列的像素点为车道线的概率，temp为中间变量；根据上述公式确定所述预处理后的图像中的每个像素点为车道线的概率；根据所确定的所述预处理后的图像中的每个像素点为车道线的概率对跟踪的车道线进行校验。本公开还提供一种车道线识别装置。所述装置包括：预处理模块，用于将所获取的车辆所在路面的路面图像进行预处理；检测模块，与所述预处理模块连接，用于在预处理后的图像中检测车道线；跟踪模块，与所述检测模块连接，用于对检测出的车道线进行跟踪。通过上述技术方案，获取的路面图像经过预处理，能够去除掉一些干扰因素，减少后续识别车道线特征点时的运算量，加快运算速度。因此，利用本公开的方案能够较快速且准确地识别出车道线，在此基础上进行预警或主动控制车辆时，行车更加安全，能够减少事故的发生。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是一示例性实施例提供的车道线识别方法的流程图；图2是一示例性实施例提供的在俯视图像中检测车道线的示意图；图3是一示例性实施例提供的俯视图像中的矩形框的示意图；图4是一示例性实施例提供的车道线识别装置的框图。具体实施方式以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。在本公开中，在未作相反说明的情况下，使用的方位词如“上、下、左、右、远、近”是指相对于驾驶员的方位。图1是一示例性实施例提供的车道线识别方法的流程图。如图1所示，所述方法可以包括以下步骤。在步骤S1中，将所获取的车辆所在路面的路面图像进行预处理。在步骤S2中，在预处理后的图像中检测车道线。在步骤S3中，对检测出的车道线进行跟踪。其中，路面图像可以是通过车载摄像头获取的车辆前方路面的图像。对路面图像进行预处理可以包括二值化等多种方法，去掉图像中的干扰信息，以利于后期能够更快更准确地识别路面图像中的车道线。在一实施例中，对于图像的预处理，可以将通过高斯模糊的方法去掉路面图像中光照影响。光照对车道线识别的影响主要表现在两个方面：环境光线的强弱变化以及路面上的阴影。环境光照强弱不同会造成路面的明暗程度不同，光照强，则平均灰度高，光照弱，则平均灰度低，但车道线与其周围路面的灰度差是基本不变的。同理，处于阴影中的路面灰度较低，处于阳光下的路面灰度较高，车道线位于阴影和阳光下的灰度值有明显的不同，但是车道线与其周围路面的灰度差是基本不变的。在本公开的实施例中，可以向将图像进行高斯模糊，生成高斯模糊图像，使得每个像素点与周围的像素点进行关联。然后，将高斯模糊图像与原图进行差值运算，得到差值图。差值图反映了各个像素点与周围像本文档来自技高网...

【技术保护点】
1.一种车道线识别方法，其特征在于，所述方法包括：将所获取的车辆所在路面的路面图像进行预处理；在预处理后的图像中检测车道线；对检测出的车道线进行跟踪。

【技术特征摘要】
1.一种车道线识别方法，其特征在于，所述方法包括：将所获取的车辆所在路面的路面图像进行预处理；在预处理后的图像中检测车道线；对检测出的车道线进行跟踪。2.根据权利要求1所述的方法，其特征在于，所述将所获取的车辆所在路面的路面图像进行预处理的步骤包括：利用视觉里程计算法确定摄像头的姿态角；根据所确定的姿态角更新投影变换矩阵；根据更新后的投影变换矩阵确定所述路面图像对应的俯视图像。3.根据权利要求1所述的方法，其特征在于，将所获取的车辆所在路面的路面图像进行预处理后生成路面的俯视图像，所述在预处理后的图像中检测车道线的步骤包括：在从所述俯视图像下沿开始的预定高度内查找具有预定特征的像素点作为与第一矩形框对应的车道线的特征点；将所述第一矩形框内具有连续的、数量处于预定范围内的特征点的集合中，水平方向坐标的中间值确定为以所述预设高度为高度的所述第一矩形框的边界的水平方向坐标；在从所述第一矩形框的上沿开始的所述预定高度内，并且处于以所述第一矩形框边界为中心的、预定宽度的范围内，查找具有所述预定特征的像素点作为与第二矩形框对应的车道线的特征点；将所述第二矩形框内具有连续的、数量处于预定范围内的特征点的集合中，水平方向坐标的中间值确定为以所述预设高度为高度的所述第二矩形框的边界的水平方向坐标，直至将所述俯视图像全部划分完为止；对全部矩形框对应的特征点进行曲线拟合，得到车道线。4.根据权利要求3所述的方法，其特征在于，所述对所述特征点进行曲线拟合，得到车道线的步骤包括：根据所有矩形框的中心点的连线确定车道线的形状；根据车道线的形状确定曲线模型；根据所确定的曲线模型对所述特征点进行曲线拟合，得到车道线。5.根据权利要求4所述的方法，其特征在于，所述根据所有矩形框的中心点的连线确定车道线的形状的步骤包括：根据以下方程确定车道线的形状：其中，Xn(t)为t时刻第n个矩形框的中心点的水平方向坐标，Xn+1(t)为t时刻第n个矩形框的中心点的水平方向坐标，n_start为初始的矩形框，n_end为最后一个矩形框，当M大于预定的第一阈值，且N大于预定的第二阈值时，确定车道线为普通弯道；当M小于所述预定的第一阈值，且N大于所述预定的第二阈值时，确定车道线为S弯道；当M小于所述预定的第一阈值，且N小于所述预定的第二阈值时，确定车道线为直道。6.根据权利要求3所述的方法，其特征在于，所述对检测出的车道线进行跟踪的步骤包括：根据以下公式确定各个矩形框的中心点的水平方向坐标：Xn(t+1)＝Xn(t)+γ·ΔXn(t)n∈[1,m]ΔXn(t)＝Xn(t)-Xn(t-1)其中，Xn(t+1)为t+1时刻第n个矩形框的中心点的水平方向坐标，Xn(t)为t时刻第n个矩形框的中心点的水...

【专利技术属性】
技术研发人员：丁赞，杨青，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：广东,44