一种车道线检测方法和装置转让专利
申请号 : CN202080004825.4
文献号 : CN112654997B
文献日 : 2022-04-29
发明人 : 罗达新 , 高鲁涛 , 马莎
申请人 : 华为技术有限公司
摘要 :
权利要求 :
1.一种车道线检测方法,其特征在于,包括:根据第一图像获取第一车道线;
根据所述第一车道线以及第一距离,确定至少一个第一区域;其中,所述第一距离与车道宽度有关;
确定所述第一图像的灰度图;
对所述第一图像中对应于所述第一区域的部分进行图像增强和边缘检测,得到所述第一区域对应的灰度图;
根据所述第一区域对应的灰度图,更新所述第一图像的灰度图中对应于的所述第一区域的部分,得到第二图像;
根据所述第二图像构建的积分图中确定所述第一区域的积分图极大值的位置;其中,所述积分图的横坐标为图像像素的列数,纵坐标为纵轴方向图像的像素数目;所述积分图极大值包括所述第一区域中纵坐标方向像素数目最大的值;
根据所述第一区域的积分图极大值的位置,确定第二车道线。
2.根据权利要求1所述的方法,其特征在于,所述第一车道线为所述第一图像中像素数量最多的车道线;或者,所述第一车道线的像素数量大于第一阈值。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述第一车道线以及所述第一距离,确定所述至少一个第一区域,包括:确定所述车道宽度在所述第一图像中对应的所述第一距离;
根据所述第一距离以及所述第一车道线在所述第一图像中的位置,确定所述至少一个第一区域。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第二图像构建的积分图中确定所述第一区域的积分图极大值的位置,包括:根据所述第一车道线拉直所述第二图像,得到第三图像;其中,拉直后的所述第三图像中的所述第一车道线与所述纵轴平行;
根据所述第三图像生成所述积分图;
根据所述积分图确定所述第一区域的所述积分图极大值的位置。
5.根据权利要求4所述的方法,其特征在于,根据所述第一车道线拉直所述第二图像,得到所述第三图像,包括:
以所述第一车道线的任一像素点为参考点,将所述第一车道线拉直为与所述纵轴平行的第三车道线;
根据所述第一车道线中其他像素点在拉直中移动的位置和方向,拉直所述第二图像中与所述其他像素点纵坐标相同的像素点,得到所述第三图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一区域的积分图极大值的位置,确定所述第二车道线,包括:在所述第三图像的积分图极大值处生成与所述第三车道线平行的第四车道线;
根据所述第四车道线以及所述第一车道线中其他像素点在拉直中移动的位置和方向,确定所述第二车道线。
7.根据权利要求1‑2、4‑6任一项所述的方法,其特征在于,还包括:输出包括所述第一车道线和所述第二车道线的车道线检测结果。
8.根据权利要求1‑2、4‑6任一项所述的方法,其特征在于,所述第一图像为所述车道线的俯视图像。
9.一种车道线检测装置,其特征在于,包括:处理单元,用于根据第一图像获取第一车道线;
所述处理单元,还用于根据所述第一车道线以及第一距离,确定至少一个第一区域;其中,所述第一距离与车道宽度有关;
所述处理单元,还用于确定所述第一图像的灰度图;对所述第一图像中对应于所述第一区域的部分进行图像增强和边缘检测,得到所述第一区域对应的灰度图;根据所述第一区域对应的灰度图,更新所述第一图像的灰度图中对应于的所述第一区域的部分,得到第二图像;
所述处理单元,具体还用于:根据所述第二图像构建的积分图中确定所述第一区域的积分图极大值的位置;其中,所述积分图的横坐标为图像像素的列数,纵坐标为纵轴方向图像的像素数目;所述积分图极大值包括所述第一区域中纵坐标方向像素数目最大的值;根据所述第一区域的积分图极大值的位置,确定第二车道线。
10.根据权利要求9所述的装置,其特征在于,所述第一车道线为所述第一图像中像素数量最多的车道线;或者,所述第一车道线的像素数量大于第一阈值。
11.根据权利要求9或10所述的装置,其特征在于,所述处理单元,具体还用于:确定所述车道宽度在所述第一图像中对应的所述第一距离;根据所述第一距离以及所述第一车道线在所述第一图像中的位置,确定所述至少一个第一区域。
12.根据权利要求9所述的装置,其特征在于,所述处理单元,具体还用于:根据所述第一车道线拉直所述第二图像,得到第三图像;其中,拉直后的所述第三图像中的所述第一车道线与所述纵轴平行;根据所述第三图像生成所述积分图;根据所述积分图确定所述第一区域的所述积分图极大值的位置。
13.根据权利要求12所述的装置,其特征在于,所述处理单元,具体还用于:以所述第一车道线的任一像素点为参考点,将所述第一车道线拉直为与所述纵轴平行的第三车道线;
根据所述第一车道线中其他像素点在拉直中移动的位置和方向,拉直所述第二图像中与所述其他像素点纵坐标相同的像素点,得到所述第三图像。
14.根据权利要求13所述的装置,其特征在于,所述处理单元,具体还用于:在所述第三图像的积分图极大值处生成与所述第三车道线平行的第四车道线;根据所述第四车道线以及所述第一车道线中其他像素点在拉直中移动的位置和方向,确定所述第二车道线。
15.根据权利要求9‑10、12‑14任一项所述的装置,其特征在于,还包括:通信单元,用于输出包括所述第一车道线和所述第二车道线的车道线检测结果。
16.根据权利要求9‑10、12‑14任一项所述的装置,其特征在于,所述第一图像为所述车道线的俯视图像。
17.一种车道线检测装置,其特征在于,包括:处理器,用于调用存储器中的程序,以执行权利要求1‑8任一项所述的方法。
18.一种芯片,其特征在于,包括:处理器和接口电路,所述接口电路用于与其它装置通信,所述处理器用于执行权利要求1至8任一项所述的方法。
19.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令被执行时,使得计算机执行如权利要求1‑8任一项所述的方法。
说明书 :
一种车道线检测方法和装置
技术领域
背景技术
式各样的传感器,比如毫米波雷达,激光雷达,成像雷达,超声波雷达,摄像头等,使得智能
终端可以感知周围的环境,收集数据,进行移动物体的辨识与追踪,以及静止场景如车道
线、标示牌的识别、结合导航仪及地图数据进行路径规划,等。示例性的,在自动驾驶、安防
或监控等领域,可以基于传感器进行车道线检测。例如,车辆在行驶过程中,利用摄像头获
取道路图片,车辆驾驶系统通过检测和识别道路图片中的车道线,辅助决定是否采取调整
方向、变道等措施。
二种,传统的计算机视觉的检测方法,例如,利用边缘检测或颜色空间等方法,对车道线进
行特征提取,然后对车道线进行拟合。
发明内容
线实际情况的车道线,保证多条车道线平行,从而获得更准确的车道线检测结果。
度有关;在第一区域中确定与第一车道线平行的第二车道线。这样,本申请实施例在第一区
域中生成与第一车道线平行的第二车道线,不会因为车道线深浅不一、车道线部分被遮挡
等问题得到不符合车道线实际情况的车道线,保证多条车道线平行,从而获得更准确的车
道线检测结果。
道线,或者可以理解为具有较好识别效果的车道线,后续基于第一车道线得到其他平行车
道线时,能得到较完整的车道线。
一车道线在第一图像中的位置,确定至少一个第一区域。这样,本申请实施例根据具有较好
识别效果的第一车道线来确定第一区域,这样在第一区域中确定的与第一车道线平行的第
二车道线相对也更加准确。
增强和边缘检测,得到第一区域对应的灰度图;根据第一区域对应的灰度图,更新第一图像
的灰度图中对应于的第一区域的部分,得到第二图像;根据第二图像,在第一区域中确定第
二车道线。这样,本申请实施例将边缘特征不明显的第一区域对应的部分进行图像增强,这
样在第一区域中确定的与第一车道线平行的第二车道线相对也更加准确。
中,积分图的横坐标为图像像素的列数,纵坐标为纵轴方向图像的像素数目。积分图极大值
包括第一区域中纵坐标方向像素数目最大的值;根据第一区域的积分图极大值的位置,确
定第二车道线。这样,本申请实施例通过确定积分图极大值的位置来确定第二车道线的位
置,其中积分图极大值为纵坐标方向车道线像素数目最多的值,这样在积分图极大值处生
成的与第一车道线平行的第二车道线相对也更准确。
拉直后的第三图像中的第一车道线与纵轴平行;根据第三图像生成积分图;根据积分图确
定第一区域的积分图极大值的位置。这样,本申请实施例通过根据第一车道线拉直第二图
像来获取积分图的极大值,从而获取的积分图极大值相对也更准确。
三车道线;根据第一车道线中其他像素点在拉直中移动的位置和方向,拉直第二图像中与
其他像素点纵坐标相同的像素点,得到第三图像。
线;根据第四车道线以及第一车道线中其他像素点在拉直中移动的位置和方向,确定第二
车道线。
组、车载部件、车载芯片、车载单元、车载雷达或车载摄像头等其他传感器,车辆可通过该车
载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片、车载单元、车载雷达或摄像
头,实施本申请提供的方法。
家居设备、机器人等其他终端设备。该车道线检测装置包括但不限于智能终端或智能终端
内的控制器、芯片、雷达或摄像头等其他传感器、以及其他部件等。
PDA)、移动手机、平板电脑、无线终端设备、嵌入式设备或其他具有处理功能的设备。本申请
实施例不限定该车道线检测装置的类型。
(multi‑CPU)处理器。该具有处理功能的芯片或处理器可以设置在传感器中,也可以不设置
在传感器中,而设置在传感器输出信号的接收端。所述处理器包括但不限于中央处理器
(central processing unit,CPU)、图形处理器(graphics processing unit,GPU)、微控制
单元(micro control unit,MCU)、微处理器(micro processor unit,MPU)、协处理器中的
至少一个。
可以是处理器。该车道线检测装置还可以包括存储单元,该存储单元可以是存储器。该存储
单元用于存储指令,该处理单元执行该存储单元所存储的指令,以使该终端设备实现第一
方面或第一方面的任意一种可能的实现方式中描述的一种车道线检测方法。当该车道线检
测装置是终端设备内的芯片或者芯片系统时,该处理单元可以是处理器。该处理单元执行
存储单元所存储的指令,以使该终端设备实现第一方面或第一方面的任意一种可能的实现
方式中描述的一种车道线检测方法。该存储单元可以是该芯片内的存储单元(例如,寄存
器、缓存等),也可以是该终端设备内的位于该芯片外部的存储单元(例如,只读存储器、随
机存取存储器等)。
与第一车道线平行的第二车道线。
定至少一个第一区域。
域对应的灰度图;处理单元,具体用于根据第一区域对应的灰度图,更新第一图像的灰度图
中对应于的第一区域的部分,得到第二图像;处理单元,具体还用于根据第二图像,在第一
区域中确定第二车道线。
轴方向图像的像素数目;积分图极大值包括第一区域中纵坐标方向像素数目最大的值;处
理单元,具体还用于,根据第一区域的积分图极大值的位置,确定第二车道线。
根据第三图像生成积分图;处理单元,具体还用于,根据积分图确定第一区域的积分图极大
值的位置。
道线中其他像素点在拉直中移动的位置和方向,拉直第二图像中与其他像素点纵坐标相同
的像素点,得到第三图像。
线中其他像素点在拉直中移动的位置和方向,确定第二车道线。
传感器,该系统内的至少一个传感器装置可以集成为一个整机或设备,或者该系统内的至
少一个传感器装置也可以独立设置为元件或装置。
的至少一个,该系统内的至少一个装置可以集成为一个整机或设备,或者该系统内的至少
一个装置也可以独立设置为元件或装置。
制造设备、智能工业设备、智能运输设备(含无人机、车辆等)等。
行计算机程序或指令,以进行第一方面任意的实现方式中任一项所描述的车道线检测方
法。
器、缓存等,也可以是该芯片的存储单元(例如,只读存储器、随机存取存储器等)。
一方面的任意一种实现方式中描述的车道线检测方法。
行代码指令,以实现第一方面或第一方面任意可能的实现方式中的任一方法。
附图说明
具体实施方式
第二日志仅仅是为了区分不同时间窗内的网络日志,并不对其先后顺序进行限定。本领域
技术人员可以理解“第一”、“第二”等字样并不对数量进行限定,并且“第一”、“第二”等字样
也并不限定一定不同。
他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在
以具体方式呈现相关概念。
同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。
施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属
于本发明保护的范围。
示,车辆在行驶过程中,车辆驾驶系统通过检测车道线,在车辆偏离自车道或即将偏离自车
道前给予提醒,及时地调整车辆在车道中的位置,可以保障行车安全,有效地降低或避免交
通事故的发生。因此,车道线检测是自动驾驶系统中的重要任务之一。
线检测结果。
性。
行高斯模糊可以减少图片中的噪声,通过对道路图片进行灰度化可以得到车道线的像素信
息。
线,可以在RGB颜色空间里分别设置相应的颜色区间来提取对应颜色的车道线的特征,最后
将在不同的颜色区间提取的车道线特征进行组合,得到所有车道线的特征。
存在颜色深浅不一、车道线部分被遮挡等情况。车辆驾驶系统在提取车道线特征时,对于颜
色模糊不清或者边缘灰度变化不明显处,车道线特征可能会被忽略,导致车道线像素提取
不全。由于每条车道线提取的像素的差异,对车道线分别进行拟合后,得到的每条车道线的
曲线参数也会存在差别,导致最后的拟合的结果不平行。可能的理解方式中,车道线的曲线
参数可以指车道线的曲率,表示车道线偏离直线的程度。
会因为车道线深浅不一、车道线部分被遮挡等问题得到不符合车道线实际情况的车道线,
保证多条车道线平行,从而获得更准确的车道线检测结果。。
身,并且可通过人为操作来确定车辆及其周边环境的当前状态,确定周边环境中的至少一
个其他车辆的可能行为,并确定该其他车辆执行可能行为的可能性相对应的置信水平,基
于所确定的信息来控制车辆300。在车辆300处于自动驾驶模式中时,可以将车辆300置为在
没有和人交互的情况下操作。
括更多或更少的子系统,并且每个子系统可包括多个元件。另外,车辆300的每个子系统和
元件可以通过有线或者无线互连。下面就本发明相关的计算机系统312进行具体描述。
中的指令315。计算机系统312还可以是采用分布式方式控制车辆300的个体组件或子系统
的多个计算设备。
器、和在相同块中的计算机310的其它元件,但是本领域的普通技术人员应该理解该处理
器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处
理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机310的外壳内
的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行
操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描
述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,处理器
只执行与特定于组件的功能相关的计算。
则由远程处理器执行,包括采取执行单一操纵的必要步骤。
道线检测指令315,可被处理器313执行来执行车辆300的车道线检测的功能。
主、半自主和/或手动模式中操作期间被车辆300和计算机系统312使用。
灯、行人等,车辆300可以通过机器学习等算法计算当前所处环境附近是否存在绿化带、交
通信号灯、行人等。数据存储装置314还可以存储该车辆自身的状态信息,以及与该车辆有
交互的其他车辆的状态信息。状态信息包括但不限于车辆的速度、加速度、航向角等。比如,
车辆基于雷达326的测速、测距功能,得到其他车辆与自身之间的距离、其他车辆的速度等。
因此,处理器313可从数据存储装置314获取上述环境信息或者状态信息,并执行包含车道
线检测程序的指令315,得到道路中车道线检测结果。并基于车辆所处环境的环境信息、车
辆自身的状态信息、其他车辆的状态信息,以及传统的基于规则的驾驶策略,结合车道线检
测结果和传感器系统304获取的环境信息,得到最终的驾驶策略,通过行进系统302以控制
车辆进行自动驾驶(比如直行、转向或掉头等)。
来通信地耦合在一起。
定。
线。
一图像中像素数量最多的车道线。或者,例如第一车道线的像素数量大于第一阈值。可能的
理解方式中,第一阈值可以由人工或机器设定,在第一车道线的像素数量大于第一阈值时,
可以认为第一车道线较为完整,后续基于第一车道线得到其他平行车道线时,能得到较完
整的车道线。
多的一条,得到第一车道线。
的多条车道线中像素数量大于第一阈值的其中一条,得到第一车道线。
辆驾驶系统选择再次检测得到的多条车道线中像素数量大于第一阈值的其中一条,得到第
一车道线。
能包含车道线的区域,第一区域在不同的图像中可以对应不同的内容。例如,第一图像中对
应于第一区域的部分,可以是第一图像中位于第一区域的图像;第二图像中对应于第一区
域的部分可以是第二图像中位于第一区域的图像。
目。
素,每一列中车道线像素数目最多为700个。例如,图4为本申请实施例对第一图像的灰度图
构建的积分图,如图4所示,积分图中的横坐标的范围为0至250,积分图的纵坐标的范围为0
至700,可能的理解方式中,A点、B点和C点为该积分图极大值,其中,A点对应的纵坐标值最
大,即A点所在列对应的像素数目最多,则A点处可以为第一车道线的位置,B点和C点对应的
纵坐标分别为第一图像对应的灰度图构建的积分图中第一区域中纵坐标方向像素数目和
最大的值。
行重复说明。
道线。其中,本申请实施例中对第一图像进行检测的方法可以包括:基于深度学习的方法和
基于计算机视觉的方法,等。
型,将第一图像输入该神经网络模型,可以得到多条车道线,在多条车道线中任选一条车道
线,作为第一车道线。
是为了训练模型自建的数据库。
道线中任选一条车道线,作为第一车道线。
减少图像中的噪声对边缘检测带来的影响,可以对第一图像的灰度图进行高斯模糊。可能
的理解方式中,经过高斯模糊处理后可以去除第一图像的灰度图中的一些相对不清晰的噪
声,这样可以更准确的获取车道线的边缘信息。
车辆驾驶系统可以根据摄像机的角度、拍摄方向等,推断出车道线在第一图像中的位置,筛
选掉其他的边缘信息,保留车道线的边缘信息,最后得到包含道路中车道线像素信息的图
像。
线位于第一图像的下方位置;当车辆倒车时,摄像机拍摄方向为车尾后方道路区域,可以推
断车道线位于第一图像的下方位置;当摄像器为360度多角度摄像机时,拍摄方向可以为车
辆周边360度的道路区域,同样可以推断车道线位于第一图像的下方位置。
下方区域。如图6右图所示,车辆驾驶系统将图像下方区域设置为感兴趣区域,得到车道线
的像素信息。
车辆驾驶系统可以根据摄像机的角度、拍摄方向等,推断车道线在第一图像中的位置,来筛
选除车道线以外的其他边缘信息为可选步骤。
的车道线的像素信息。其中,当获取的第一图像中车道线有两种颜色时,车辆驾驶系统将在
不同的颜色区间提取的车道线像素信息进行组合,得到包含车道线像素信息的图像。
线。
选取N(N可以为大于或等于1的自然数)个像素点作为搜寻起点,然后分别以选取的搜寻起
点为中心生成初始滑动窗口,完成自底部向上的搜寻。可能的理解方式中,搜寻起点的数量
与道路中车道线的数量可以是相同的,每一个初始滑动窗口由底部向上的搜寻可以理解为
找到一条车道线的像素的过程。其中,竖直方向上滑动窗口数目和滑动窗口的宽度可以由
人工或机器设置,滑动窗口的高度可以由图片中竖直方向像素的数目除以设置的滑动窗口
数目来得到。
滑动窗口的位置是由下一窗口内的中心来决定,直到滑动窗口覆盖图像中的车道线像素。
最后,对这些中心点做二阶的多项式拟合,得到多条车道线。
算法(random sample consensus,RANSAC)分别对车道线所在的区域内的像素点进行拟合,
得到多条车道线。可能的理解方式中,通过RANSAC算法对区域进行拟合得到的多条车道线
比直接根据图像拟合得到的多条车道线具有更好的识别效果。此时车辆驾驶系统在使用
RANSAC算法拟合得到的多条车道线中任选一条车道线,得到第一车道线。
的图像,选择靠左侧车道线作为第一车道线,得到的第一车道线如图8左图所示。
建立的表格。可能的理解方式中,在不同的道路中,不同的道路宽度对应的第一距离也不
同,在得到具体的道路宽度后,可通过查询表格来获取第一距离。
区域的数量为多个时,该道路中存在多车道。
内容。例如,第一图像中对应于第一区域的部分,可以是第一图像中位于第一区域的图像。
可能的实现方式中,本申请实施例可以根据第一图像中第一车道线的位置,确定第一车道
线所在的区域,然后根据第一距离,将第一车道线所在的区域进行平移,确定至少一个第一
区域。
平移,分别得到其他车道线所在的区域如图8中间图所示,即为第一区域。其中,将第一车道
线所在区域进行平移的距离与第一距离有关。
一区域中,得到第二车道线,即第一车道线与第二车道线的曲线参数相同。其中,曲线参数
指的是曲线偏离直线的程度。示例性的,在第一车道线为竖直的情况下,第二车道线也是竖
直的;在第一车道线为曲线的情况下,第二车道线为与第一车道线曲线参数相同的弯曲车
道线。
统根据第一距离,在第一区域中得到如图8右图所示的两条车道线,即第二车道线。第二车
道线为与第一车道线曲线参数相同的弯曲车道线。可能的理解方式中,图像中相邻两条车
道线中纵坐标相同的像素点之间的距离即为第一距离。
情况的车道线,保证多条车道线平行,从而获得更准确的车道线检测结果。
结果带来误差,车辆驾驶系统可以将发生透视变换的道路图片进行逆透视变换,例如把道
路图片转换到俯视图视角,得到第一图像。可能的理解方式中,经过逆透视变换后得到的第
一图像中车道线互相平行,且车道线宽度相等。
像机的变换矩阵表示摄像机的成像,将变换矩阵进行反变换,则可以实现逆透视变换消除
透视形变,变换过程可用下述公式表示:
像机的镜头焦距相关,cx和cy是摄像机的光学中心在像素坐标系中的位置,对应着图像矩阵
的中心坐标。其中,上述相机的内参数矩阵和外参数矩阵中的各参数可通过摄像机标定得
到。
路图片可以作为第一图像。
至少一个第一区域。
关系,确定车道宽度在第一图像中对应的第一距离。可能的理解方式中,车道宽度在第一图
像中对应的第一距离可以为车道宽度在第一图像中对应的像素数目。
数矩阵和外参数矩阵,可以得到车道宽度3米对应第一图像中水平方向上70个像素点,即车
道宽度在第一图像中的第一距离。根据第一距离以及第一车道线在图像中的位置,如图8中
间图所示,可以估计在第一车道线的右侧可能会有两条第二车道线,分别用矩形区域框出
第二车道线可能存在的区域,得到两个第一区域。
不一、车道线部分被遮挡等问题得到不符合车道线实际情况的车道线,保证多条车道线平
行,从而获得更准确的车道线检测结果。
进行归一化处理,第一图像中边缘特征显著的地方会被提取出来,但边缘特征相对不显著
的地方的不会被提取。这样,对第一图像对应于第一区域的部分进行图像增强,可以让原本
在第一图像中第一区域对应的部分中边缘特征不显著的地方变得相对明显,可以更好的提
取车道线的像素。
第一区域的灰度图,更新至第一图像的灰度图中,得到如图10右图所示的第二图像。
浅不一、车道线部分被遮挡等问题得到不符合车道线实际情况的车道线,保证多条车道线
平行,从而获得更准确的车道线检测结果。
过对第一图像中对应第一区域的部分进行图像增强和边缘检测后得到的。
第一车道线平行的第二车道线相对也更准确,不会因为车道线深浅不一、车道线部分被遮
挡等问题得到不符合车道线实际情况的车道线,从而获得更准确的车道线检测结果。
向,拉直第二图像中与其他像素点纵坐标相同的像素点,得到第三图像。
素同样有700行,且每一行的像素点为1个。以第一车道线中第一行的像素点为参考点,将第
一车道线其他像素点移动到与参考点的横坐标相同的地方。可能的理解方式中,在第一车
道线中第一行的像素点为参考点的情况下,第一车道线中其他像素点可以指的是第一车道
线中第2行至第700行对应的像素点。然后记录第一车道线中其他像素点移动的位置和方
向,例如,第一车道线中第2行的像素点沿横轴正半轴方向移动两个像素点等,得到与纵轴
平行的第三车道线。
第2行的像素点沿横轴正半轴方向移动两个像素点等,得到如图13右图所示的第三图像。可
能的理解方式中,第二图像中与其他像素点纵坐标相同的像素点可以是第二图像中与其他
像素点在一行的像素点。
线。
线。因此,需要根据第一车道线中其他像素点在拉直中移动的位置和方向,将第四车道线进
行复原,得到与第一车道线平行的第二车道线。
方向移动相同的位置,得到第二车道线。例如,将第四车道线第2行的像素点沿横轴负半轴
移动两个像素点。
系统中的显示屏中。
线检测结果,得到驾驶策略(比如转向、掉头等)保障车辆的行驶安全。或者,车辆驾驶系统
也可以在车辆即将偏离自车道时发出告警信息(可通过屏幕显示、语音播报或者震动等方
式发出告警),用户可以根据告警信息进行人工干预,保证车辆的行驶安全。
灰度图等,则上述步骤中可以省略对第一图像进行灰度处理的步骤,在此不做赘述。
信连接的云端设备,对此本申请实施例不做任何限制。作为一种示例,上述检测装置可以是
图像采集装置(例如摄像头设备),上述控制器可以是多域控制器(Multi Domain Control,
MDC),上述控制单元可以是电子控制单元(Electronic Control Unit,ECU),也称为行车电
脑。
以相互结合和引用,本申请实施例提供的一种车道线装置可以执行上述车道线方法的步
骤。
至S904,或S1101和S1102等。
的计算机执行指令,以使处理单元1401执行上述实施例中终端设备的方法。存储单元1403
可以是寄存器、缓存或者RAM等,存储单元1403可以和处理单元101集成在一起。存储单元
1403可以是ROM或者可存储静态信息和指令的其他类型的静态存储设备,存储单元1403可
以与处理单元1401相独立。
图4‑图13中所包含的步骤中的方法的步骤相对应。具体的,本申请实施例中由终端设备执
行的方法中的每个步骤,终端设备中存在执行该方法中每个步骤的单元或者模块。例如,对
于执行对车道线进行检测的模块可以称为处理模块。对于执行对在车道线检测装置侧进行
消息或数据处理的步骤的模块可以称为通信模块。
的一部分还可以包括非易失性随机存取存储器(non‑volatile random access memory,
NVRAM)。
1510提供指令和数据。存储器1540的一部分还可以包括非易失性随机存取存储器(non‑
volatile random access memory,NVRAM)。例如应用中存储器1540、通信接口1530以及存
储器1540通过总线系统1520耦合在一起,其中总线系统1520除包括数据总线之外,还可以
包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图15中将各种总线
都标为总线系统1520。
信号或发送信号的接口电路或通信接口。
的各步骤可以通过处理器1510中的硬件的集成逻辑电路或者软件形式的指令完成。上述的
处理器1510可以是通用处理器、数字信号处理器(digital signal processing,DSP)、专用
集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列
(field‑programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻
辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框
图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明
实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器
中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可
编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储
介质位于存储器1540,处理器1510读取存储器1540中的信息,结合其硬件完成上述方法的
步骤。
13所示的实施例中的终端设备、无线接入网装置或会话管理网元的处理的步骤。
存储器中。
用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质
中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可
以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线
(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中
心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包括一个
或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例
如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘solid state
disk,SSD)等。
以作为一个或多个指令或代码存储在计算机可读介质上或者在计算机可读介质上传输。计
算机可读介质可以包括计算机存储介质和通信介质,还可以包括任何可以将计算机程序从
一个地方传送到另一个地方的介质。存储介质可以是可由计算机访问的任何目标介质。
据结构的形式存储所需的程序代码,并且可由计算机访问。而且,任何连接被适当地称为计
算机可读介质。例如,如果使用同轴电缆,光纤电缆,双绞线,数字用户线(DSL)或无线技术
(如红外,无线电和微波)从网站,服务器或其它远程源传输软件,则同轴电缆,光纤电缆,双
绞线,DSL或诸如红外,无线电和微波之类的无线技术包括在介质的定义中。如本文所使用
的磁盘和光盘包括光盘(CD),激光盘,光盘,数字通用光盘(DVD),软盘和蓝光盘,其中磁盘
通常以磁性方式再现数据,而光盘利用激光光学地再现数据。上述的组合也应包括在计算
机可读介质的范围内。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局
限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或
替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保
护范围为准。