斑马线确定方法、装置、电子设备和介质制造方法及图纸

本申请公开了一种斑马线确定方法、装置、电子设备和介质。该方法包括：获取第一图像；其中，所述第一图像中包括斑马线；基于所述第一图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像；对感兴趣图像中的斑马线进行轮廓检测，得到多个轮廓的轮廓面积；针对每个所述轮廓面积，在确定所述轮廓面积大于预设面积阈值的情况下，将第一轮廓和第二轮廓进行聚类，得到至少一个类簇；其中，所述多个轮廓包括第一轮廓和所述第二轮廓；针对每个类簇，对所述类簇对应的灰度图像进行特征提取，得到所述类簇对应的第一特征向量；基于所述第一特征向量，确定所述斑马线。实现了精确检测斑马线的效果。线的效果。线的效果。

【技术实现步骤摘要】
斑马线确定方法、装置、电子设备和介质


[0001]本申请涉及图像处理
，具体涉及一种斑马线确定方法、装置、电子设备和介质。

技术介绍

[0002]道路交通安全是自动驾驶技术发展过程中不容忽视的问题，而斑马线在道路交通安全方面发挥着重大作用，其主要用于帮助行人穿越路口，是自动驾驶汽车在行驶过程中需要特别注意的交通标识之一。因此，准确且高效地检测斑马线对自动驾驶汽车来说至关重要。然而目前的斑马线识别方法，存在检测精度低的问题。

技术实现思路

[0003]本申请实施例的目的是提供一种斑马线确定方法、装置、电子设备和介质，以实现精确检测斑马线的效果。
[0004]本申请的技术方案如下：
[0005]第一方面，提供了一种斑马线确定方法，该方法包括：
[0006]获取第一图像；其中，所述第一图像中包括斑马线；
[0007]基于所述第一图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像；
[0008]对所述感兴趣图像中的斑马线进行轮廓检测，得到多个轮廓的轮廓面积；
[0009]针对每个所述轮廓面积，在确定所述轮廓面积大于预设面积阈值的情况下，将第一轮廓和第二轮廓进行聚类，得到至少一个类簇；其中，所述多个轮廓包括第一轮廓和所述第二轮廓；
[0010]针对每个类簇，对所述类簇对应的灰度图像进行特征提取，得到所述类簇对应的第一特征向量；
[0011]基于所述第一特征向量，确定所述斑马线。
[0012]第二方面，提供了一种斑马线确定装置，该装置包括：
[0013]第一获取模块，用于获取第一图像；其中，所述第一图像中包括斑马线；
[0014]第一确定模块，用于基于所述第一图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像；
[0015]第二确定模块，用于对所述感兴趣图像中的斑马线进行轮廓检测，得到多个轮廓的轮廓面积；
[0016]第三确定模块，用于针对每个所述轮廓面积，在确定所述轮廓面积大于预设面积阈值的情况下，将第一轮廓和第二轮廓进行聚类，得到至少一个类簇；其中，所述多个轮廓包括第一轮廓和所述第二轮廓；
[0017]第四确定模块，用于针对每个类簇，对所述类簇对应的灰度图像进行特征提取，得到所述类簇对应的第一特征向量；
[0018]第五确定模块，用于基于所述第一特征向量，确定所述斑马线。
[0019]第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现本申请实施例任一所述的斑马线确定方法的步骤。
[0020]第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现本申请实施例任一所述的斑马线确定方法的步骤。
[0021]第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本申请实施例任一所述的斑马线确定方法的步骤。
[0022]本申请的实施例提供的技术方案至少带来以下有益效果：
[0023]在本申请实施例中，通过基于获取的第一图像中的道路车道线和路沿信息，得到包括斑马线的感兴趣图像，然后对感兴趣图像进行轮廓检测，得到多个轮廓的轮廓面积，针对每个轮廓面积，在确定轮廓面积大于预设面积阈值的情况下，将第一轮廓和第二轮廓进行聚类，得到至少一个类簇，针对每个类簇，对类簇对应的灰度图像进行特征提取，得到类簇对应的第一特征向量，基于第一特征向量，确定斑马线，如此通过确定感兴趣图像可去除周围环境对斑马线的干扰，通过聚类算法对其余车辆遮挡，以及出现的斑马线破损、掉漆等问题导致的斑马线框断续进行检测，降低其余车辆遮挡，以及斑马线自身破损和掉漆等问题对检测精度的影响，这样可减少斑马线漏检和错检，提升斑马线检测的精度，进而得到精确的斑马线。
[0024]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0025]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
[0026]图1是本申请第一方面实施例提供的一种斑马线确定方法的流程示意图之一；
[0027]图2是本申请第一方面实施例提供的一种斑马线确定方法的流程示意图之二；
[0028]图3是本申请第二方面实施例提供的一种斑马线确定装置的结构示意图；
[0029]图4是本申请第三方面实施例提供的一种电子设备的结构示意图。
具体实施方式
[0030]为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0031]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。
[0032]目前在对斑马线进行检测时，可以是利用斑马线的等间隔和黑白交替等特征，采用双极系数来表征斑马线灰度变化的程度，并筛选出灰度变化明显的区域进行检测，但是此类方法中区域搜索框的大小直接影响最终的检测效果，容易发生斑马线漏检现象，且很难识别黑白交替特征不显著的斑马线。
[0033]还可以是首先将原始图像转换为鸟瞰图像，然后基于线段分割检测器直线检测和直方图峰值统计等方法来判断斑马线可能出现的区域，最后利用斑马线独特的黑白跳变特征来进行检测，但是考虑到图像中存在较多与斑马线具有相似纹理特征的物体，而这些物体很容易对斑马线的检测造成干扰，所以此类方法的检测精度相对较低。
[0034]综上所述，目前基于传统图像处理技术的斑马线检测方法依赖手工设计的特征和图像预处理参数，易受周围环境干扰和其余车辆遮挡，以及斑马线自身破损和掉漆等问题的影响，导致检测精度低的问题。
[0035]为了解决上述问题，本申请实施例提供了一种斑马线确定方法、装置电子设备和介质，通过基于获取的第一图像中的道路车道线和路沿信息，得到包括斑马线的感兴趣图像，然后对感兴趣图像进行轮廓检测，得到多个轮廓的轮廓面积，针对每个轮廓面积，在确定轮廓面积大于预设面积阈值的情况下，将第一轮廓和第二轮廓进行聚类，得到至少一个类簇，针对每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种斑马线确定方法，其特征在于，所述方法包括：获取第一图像；其中，所述第一图像中包括斑马线；基于所述第一图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像；对所述感兴趣图像中的斑马线进行轮廓检测，得到多个轮廓的轮廓面积；针对每个所述轮廓面积，在确定所述轮廓面积大于预设面积阈值的情况下，将第一轮廓和第二轮廓进行聚类，得到至少一个类簇；其中，所述多个轮廓包括第一轮廓和所述第二轮廓；针对每个类簇，对所述类簇对应的灰度图像进行特征提取，得到所述类簇对应的第一特征向量；基于所述第一特征向量，确定所述斑马线。2.根据权利要求1所述的方法，其特征在于，所述第一图像包括第一子图像；所述获取第一图像包括：获取前视广角相机采集的第一子图像；所述基于所述第一图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像，包括：基于所述第一子图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像；在所述基于所述第一子图像中的道路车道线和路沿信息，得到包含所述斑马线的感兴趣图像之后，所述方法还包括：对所述感兴趣图像进行图像处理，得到第二图像；所述对所述感兴趣图像中的斑马线进行轮廓检测，得到至少一个轮廓的轮廓面积，包括：对所述第二图像中的斑马线进行轮廓检测，得到至少一个轮廓的轮廓面积。3.根据权利要求2所述的方法，其特征在于，所述对所述感兴趣图像进行图像处理，得到第二图像，包括：对所述感兴趣图像进行灰度变换，得到第三图像；对所述第三图像进行去噪处理，得到第四图像；对所述第四图像进行阈值化处理，得到二值化图像；对所述二值化图像进行形态学处理，得到所述第二图像。4.根据权利要求3所述的方法，其特征在于，所述第一图像还包括第二子图像；所述获取第一图像，包括：获取前视远距相机采集的第二子图像；在所述获取前视远距相机采集的第二子图像之后，所述方法还包括：根据所述前视远距相机的内外参数，将所述第二子图像转换为鸟瞰视角图像；将所述鸟瞰视角图像替换为所述第一子图像，得到所述鸟瞰视角图像对应的第二特征向量。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一特征向量，确定所述斑马线，包括：将所述第一特征向量和所述第二特征向量输入至预先训练好的...

【专利技术属性】
技术研发人员：马东辉，潘湖杰，于乾坤，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：