一种车道线检测方法及装置制造方法及图纸

本申请提供一种车道线检测方法及装置，涉及汽车辅助驾驶技术领域，该方法包括：确定待检测图像的梯度图像；根据所述梯度图像中像素点的梯度值与第一设定条件确定二值化阈值；根据所述二值化阈值得到所述梯度图像的二值化图像；若所述二值化图像中白色像素点的梯度值与黑色像素点的梯度值之间满足第二设定条件，则确定所述待检测图像中存在车道线。应用该方法，可以提高检测道路上是否存在车道线的检测结果的准确度，节省系统计算资源。

A method and device for lane detection

This application provides a lane detection method and device, relates to the technical field of automobile auxiliary driving, the method includes determining the detected gradient image; according to the gradient of the gradient of pixel value in the image with the first set conditions determine the binarization threshold; according to the binarization threshold value of the gradient the image binarization image; if the two value gradient white pixel value in the image gradient and black pixel values between second to meet the set conditions, to determine the existence of lane detection in images. The application of this method can improve the accuracy of detection results of lane line on the road and save the computing resources of the system.

【技术实现步骤摘要】
一种车道线检测方法及装置
本申请涉及汽车辅助驾驶
，尤其涉及一种车道线检测方法及装置。
技术介绍
车道线检测识别是汽车辅助驾驶系统(AdvancedDriverAssistanceSystem，ADAS)中的重要环节，同时也是一项计算量较大的环节。在车辆实际行驶过程中，车辆会经过一些并没有车道线的区域，例如十字路口，因此，若在车辆行驶过程中，汽车辅助驾驶系统持续进行车道线的检测，不仅浪费系统计算资源，也很有可能导致检测错误，而对驾驶员造成干扰。基于此，现有技术中提出，对车辆获取到的道路图像进行二值化处理，在得到的二值化图像中，白色像素点即表示车道线，通过计算白色像素点占整个二值化图像的比例来判断当前监测区域中是否存在车道线。若存在车道线，则再进一步进行车道线的检测处理，若不存在车道线，则可以不对该道路图像进行车道线的检测处理，从而节省系统计算资源。然而，在实际情况下，由于光照、车道线磨损等因素，使用单一的阈值对道路图像进行二值化处理，很可能使得二值化图像中白色像素点的数量相对于真实的车道线而言并不准确，例如，道路上原本并不存在车道线，但由于道路磨损，再加上光照影响，在二值化图像上会呈现很多的白色像素点，因此，根据白色像素点占整个二值化图像的比例来判断当前监测区域中是否存在车道线的结果并不准确。
技术实现思路
有鉴于此，为了解决现有技术中采用单一阈值对道路图像进行二值化处理，使得二值化图像中白色像素点的数量相对于真实的车道线而言并不准确，导致后续根据白色像素点占整个二值化图像的比例来判断当前监测区域中是否存在车道线的结果并不准确的问题，本申请提供一种车道线检测方法及装置，以提高检测道路上是否存在车道线的检测结果的准确度，节省系统计算资源。具体地，本申请是通过如下技术方案实现的：根据本申请实施例的第一方面，提供一种车道线检测方法，所述方法包括：确定待检测图像的梯度图像；根据所述梯度图像中像素点的梯度值与第一设定条件确定二值化阈值；根据所述二值化阈值得到所述梯度图像的二值化图像；若所述二值化图像中白色像素点的梯度值与黑色像素点的梯度值之间满足第二设定条件，则确定所述待检测图像中存在车道线。可选的，所述根据所述梯度图像中像素点的梯度值确定二值化阈值，包括：将所述梯度图像中所有像素点的梯度值所组成的数据集确定为目标数据集；对所述目标数据集进行下述处理：根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集；若所述第一子集与所述第二子集之间满足第一设定条件，则在所述目标数据集中确定新的目标数据集；返回执行对所述目标数据集进行处理的步骤；若所述第一子集与所述第二子集之间不满足所述第一设定条件，则根据所述第一子集和所述第二子集确定二值化阈值。可选的，在所述将所述梯度图像中所有像素点的梯度值所组成的数据集确定为目标数据集之后，所述方法还包括：确定所述目标数据集中梯度值的平均梯度值、最小值以及最大值，将所述平均梯度值设为所述梯度参数；所述根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集，包括：将所述目标数据集中小于所述平均梯度值，且大于所述最小值的梯度值划分到第一子集中；将所述目标数据集中不小于所述平均梯度值，且小于所述最大值的梯度值划分到第二子集中。可选的，在所述根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集之后，所述方法还包括：在所述第一子集中，确定个数最多的第一梯度值，并在所述第二子集中，确定个数最多的第二梯度值；所述第一设定条件包括：所述第二梯度值与所述第一梯度值之间的差值大于2；所述在所述目标数据集中确定新的目标数据集，包括：在所述目标数据集中，将不小于所述第一梯度值且不大于所述第二梯度值的梯度值所组成的数据集确定为新的目标数据集。可选的，所述若所述第一子集与所述第二子集之间不满足所述第一设定条件，则根据所述第一子集和所述第二子集确定二值化阈值，包括：若所述第二梯度值与所述第一梯度值之间的差值等于2，则将所述第一梯度值与所述第二梯度值的中间值确定为二值化阈值；若所述第二梯度值与所述第一梯度值之间的差值等于1，则分别确定所述第二梯度值与所述第一梯度值各自的个数比例；将个数比例最高的梯度值确定为二值化阈值。可选的，所述方法还包括：确定所述待检测图像中像素点的平均灰度值Mw；确定所述二值化图像中白色像素点的第一梯度均值Mr；确定所述二值化图像中黑色像素点的第二梯度均值Mb；若所述Mw小于预设的灰度阈值T2，所述设定条件为：所述Mr与所述Mb之间的差值大于预设的第一梯度阈值T4。可选的，若所述Mw不小于所述T2，所述方法还包括：在所述梯度图像中，将梯度值大于预设的梯度阈值Td的像素点确定为边缘像素点；计算出所述边缘像素点的第三梯度均值Md；所述第二设定条件为：所述Mr与所述Mb之间的差值大于预设的第二梯度阈值T3，且所述Md大于预设的第三梯度阈值T1。若所述Mw小于所述T2，所述第二设定条件为：所述Md大于预设的第四梯度阈值T5。根据本申请实施例的第二方面，提供一种车道线检测装置，所述装置包括：第一图像确定模块，用于确定待检测图像的梯度图像；阈值确定模块，用于根据所述梯度图像中像素点的梯度值与第一设定条件确定二值化阈值；第二图像确定模块，根据所述二值化阈值得到所述梯度图像的二值化图像；判定模块，用于若所述二值化图像中白色像素点的梯度值与黑色像素点的梯度值之间满足第二设定条件，则确定所述待检测图像中存在车道线。可选的，所述阈值确定模块包括：目标确定子模块，用于将所述梯度图像中所有像素点的梯度值所组成的数据集确定为目标数据集；划分子模块，用于根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集；第一处理子模块，用于若所述第一子集与所述第二子集之间满足第一设定条件，则在所述目标数据集中确定新的目标数据集；返回执行所述划分子模块所执行的根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集的过程；第二处理子模块，用于若所述第一子集与所述第二子集之间不满足所述第一设定条件，则根据所述第一子集与所述第二子集确定二值化阈值。可选的，所述装置还包括：参数确定模块，用于确定所述目标数据集中梯度值的平均梯度值、最小值以及最大值，将所述平均梯度值设为所述梯度参数；所述划分子模块，具体用于：将所述目标数据集中小于所述平均梯度值，且大于所述最小值的梯度值划分到第一子集中；将所述目标数据集中不小于所述平均梯度值，且小于所述最大值的梯度值划分到第二子集中。可选的，所述装置还包括：峰值确定模块，用于在所述第一子集中，确定个数最多的第一梯度值，并在所述第二子集中，确定个数最多的第二梯度值；所述第一设定条件包括：所述第二梯度值与所述第一梯度值之间的差值大于2；所述第一处理子模块，具体用于：在所述目标数据集中，将不小于所述第一梯度值且不大于所述第二梯度值的梯度值所组成的数据集确定为新的目标数据集。可选的，所述第二处理子模块包括：第一确定子模块，用于若所述第二梯度值与所述第一梯度值之间的差值等于2，则将所述第一梯度值与所述第二梯度值的中间值确定为二值化阈值；第二确定子模块，用于若所述第二梯度值与所述第一梯度值之间的差值等于1，则分别确定所述第二梯度值与所述第一梯度值各自的个数比例；将个数比例最高的梯度值确定本文档来自技高网...

【技术保护点】
一种车道线检测方法，其特征在于，所述方法包括：确定待检测图像的梯度图像；根据所述梯度图像中像素点的梯度值与第一设定条件确定二值化阈值；根据所述二值化阈值得到所述梯度图像的二值化图像；若所述二值化图像中白色像素点的梯度值与黑色像素点的梯度值之间满足第二设定条件，则确定所述待检测图像中存在车道线。

【技术特征摘要】
1.一种车道线检测方法，其特征在于，所述方法包括：确定待检测图像的梯度图像；根据所述梯度图像中像素点的梯度值与第一设定条件确定二值化阈值；根据所述二值化阈值得到所述梯度图像的二值化图像；若所述二值化图像中白色像素点的梯度值与黑色像素点的梯度值之间满足第二设定条件，则确定所述待检测图像中存在车道线。2.根据权利要求1所述的方法，其特征在于，所述根据所述梯度图像中像素点的梯度值确定二值化阈值，包括：将所述梯度图像中所有像素点的梯度值所组成的数据集确定为目标数据集；对所述目标数据集进行下述处理：根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集；若所述第一子集与所述第二子集之间满足第一设定条件，则在所述目标数据集中确定新的目标数据集；返回执行对所述目标数据集进行处理的步骤；若所述第一子集与所述第二子集之间不满足所述第一设定条件，则根据所述第一子集和所述第二子集确定二值化阈值。3.根据权利要求2所述的方法，其特征在于，在所述将所述梯度图像中所有像素点的梯度值所组成的数据集确定为目标数据集之后，所述方法还包括：确定所述目标数据集中梯度值的平均梯度值、最小值以及最大值，将所述平均梯度值设为所述梯度参数；所述根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集，包括：将所述目标数据集中小于所述平均梯度值，且大于所述最小值的梯度值划分到第一子集中；将所述目标数据集中不小于所述平均梯度值，且小于所述最大值的梯度值划分到第二子集中。4.根据权利要求2所述的方法，其特征在于，在所述根据预设的梯度参数将所述目标数据集划分为第一子集和第二子集之后，所述方法还包括：在所述第一子集中，确定个数最多的第一梯度值，并在所述第二子集中，确定个数最多的第二梯度值；所述第一设定条件包括：所述第二梯度值与所述第一梯度值之间的差值大于2；所述在所述目标数据集中确定新的目标数据集，包括：在所述目标数据集中，将不小于所述第一梯度值且不大于所述第二梯度值的梯度值所组成的数据集确定为新的目标数据集。5.根据权利要求4所述的方法，其特征在于，所述若所述第一子集与所述第二子集之间不满足所述第一设定条件，则根据所述第一子集和所述第二子集确定二值化阈值，包括：若所述第二梯度值与所述第一梯度...

【专利技术属性】
技术研发人员：高语函，李阳，
申请(专利权)人：海信集团有限公司，
类型：发明
国别省市：山东,37