一种车道线标注方法及装置制造方法及图纸

本发明专利技术提供了一种车道线标注方法及装置，其中，该方法包括：对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像；对所述重建图像进行特征提取，并对所述重建图像中每一个像素点进行分类；根据分类后的重建图像进行车道线聚类，并将聚类后的车道线进行拟合；标注所述车道线，可以解决相关技术中复杂环境中不能准确监测出车道线的问题，可以在复杂环境中同时能够运行在嵌入式设备中，快速准确检测出车道线。

A Lane Marking Method and Device

【技术实现步骤摘要】
一种车道线标注方法及装置
本专利技术涉及图像处理领域，具体而言，涉及一种车道线标注方法及装置。
技术介绍
电警场景中车道线、停止线自动标注问题，该线条的检测是为了监控车辆是否违章变道，等待红灯时是否超过停止线。由于电警场景环境比较复杂，车辆，人行道，行人均会对车道线检测产生干扰。且电警场景车辆密集，很难寻找到一张车道线没有被车辆遮挡的图片。综上原因，目前并没有针对电警场景车道线自动标注方案实现。针对车道线检测，目前有传统方法和深度学习两种主流方案。传统方法检测车道线一般采用边缘提取，然后对图像进行hough变换处理，得到若干条线段，对于斜率与截距相似的直线段进行合并处理，最后求合并后的直线段的灭点，满足灭点的线段作为车道线。现有的传统方法虽然能把车道线检出，但同时会增加许多误检，如栏杆、树木、车辆、交通标示符等，这些样本无法用传统的方法检出。因为不论用边缘提取、阈值分割等方法都只能针对特定的场景做处理，鲁棒性不强，无法适用任意环境下的车道线检测，而且有些物体如栏杆，其RGB值及形状都和车道线极其相似，只能根据物体周围环境区分。另一种是采用深度学习方案检测车道线。相关技术中，提出利用预先训练的深度学习模型，提取图像中各个像素的分类信息。像素分为车道线类和非车道线类。在背景干净的道路中，可以比较准确的检测出车道线，但采用resnet18，该网络模型较大，无法在嵌入式设备中使用，同时耗时也较多。针对相关技术中复杂环境中不能准确监测出车道线的问题，尚未提出解决方案。
技术实现思路
本专利技术实施例提供了一种车道线标注方法及装置，以至少解决相关技术中复杂环境中不能准确监测出车道线的问题。根据本专利技术的一个实施例，提供了一种车道线标注方法，包括：对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像；对所述重建图像进行特征提取，并对所述重建图像中每一个像素点进行分类；根据分类后的重建图像进行车道线聚类，并将聚类后的车道线进行拟合；标注所述车道线。可选地，对所述重建图像中每一个像素点进行分类包括：将所述重建图像中的每个像素点标记为背景和前景，其中，所述前景包括车道线和停止线。可选地，将聚类后的车道线进行拟合包括：将所述重建图像中聚类后的像素点利用最小二乘法进行车道线拟合。可选地，对所述分类后的重建图像进行车道线聚类包括：从右下顶点开始，依次从右往左，从下往上搜索，记录所述重建图像中像素值为T的像素点对应的坐标信息；根据所述坐标信息将所述像素值为T的像素点进行聚类。可选地，根据所述坐标信息将所述像素值为T的像素点进行聚类包括：将搜索到的第1个像素值为T的像素点的横坐标确定为第一条车道线最右侧的横坐标location[1]＝x1；重复判断搜索到的像素值为T的第i个像素点的横坐标xi是否满足xi＞location[k]-n且xi＜location+m，其中，i大于1；在判断结果为是的情况下，将所述第i个像素点放入第k条车道线集合中，1≤k≤num，其中，num为搜索到的车道线总数；在判断结果为否的情况下，计算第i个像素点的横坐标xi距离locatio[n]k的最近距离d1，若满足d1＞T1，将所述第i个像素点放入第k+1条车道线集合中，其中，T1为相邻车道线间距预设宽度；num+1，i++，直到将所有像素值为T的像素点放入车道线集合中；取num条车道线集合中纵坐标的最小值y，对图像高度从0到y+w进行搜索，其中，w为停止线预设宽度；若当前像素点的像素值为T且所述像素点不属于车道线集合中的点，将所述像素点存入停止线集合中。可选地，对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像包括：通过车检器对视频流中的车辆进行检测；记录每一帧中非车辆位置的像素大小；对所述视频流中多帧非车辆位置像素进行统计，利用统计学恢复出一张没有车辆的重建图像。根据本专利技术的另一个实施例，还提供了一种车道线标注装置，包括：检测模块，用于对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像；分类模块，用于对所述重建图像进行特征提取，并对所述重建图像中每一个像素点进行分类；聚类拟合模块，用于根据分类后的重建图像进行车道线聚类，并将聚类后的车道线进行拟合；标注模块，用于标注所述车道线。可选地，所述分类模块包括：标记单元，用于将所述重建图像中的每个像素点标记为背景和前景，其中，所述前景包括车道线和停止线。可选地，所述聚类拟合模块，还用于将所述重建图像中聚类后的像素点利用最小二乘法进行车道线拟合。可选地，所述聚类拟合模块包括：记录单元，用于从右下顶点开始，依次从右往左，从下往上搜索，记录所述重建图像中像素值为T的像素点对应的坐标信息；聚类单元，用于根据所述坐标信息将所述像素值为T的像素点进行聚类。可选地，所述聚类单元，还用于将搜索到的第1个像素值为T的像素点的横坐标确定为第一条车道线最右侧的横坐标location[1]＝x1；重复判断搜索到的像素值为T的第i个像素点的横坐标xi是否满足xi＞location[k]-n且xi＜location+m，其中，i大于1；在判断结果为是的情况下，将所述第i个像素点放入第k条车道线集合中，1≤k≤num，其中，num为搜索到的车道线总数；在判断结果为否的情况下，计算第i个像素点的横坐标xi距离locatio[n]k的最近距离d1，若满足d1＞T1，将所述第i个像素点放入第k+1条车道线集合中，其中，T1为相邻车道线间距预设宽度；num+1，i++，直到将所有像素值为T的像素点放入车道线集合中；取num条车道线集合中纵坐标的最小值y，对图像高度从0到y+w进行搜索，其中，w为停止线预设宽度；若当前像素点的像素值为T且所述像素点不属于车道线集合中的点，将所述像素点存入停止线集合中。可选地，所述检测模块包括：检测单元，用于通过车检器对视频流中的车辆进行检测；记录单元，用于记录每一帧中非车辆位置的像素大小；统计单元，用于对所述视频流中多帧非车辆位置像素进行统计，利用统计学恢复出一张没有车辆的重建图像。根据本专利技术的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。通过本专利技术，对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像；对所述重建图像进行特征提取，并对所述重建图像中每一个像素点进行分类；根据分类后的重建图像进行车道线聚类，并将聚类后的车道线进行拟合；标注所述车道线，可以解决相关技术中复杂环境中不能准确监测出车道线的问题，可以在复杂环境中同时能够运行在嵌入式设备中，快速准确检测出车道线。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术实施例的一种车道线标注方法的移动终端的硬件结构框图；图2是根据本专利技术实施例的一种车道线标注方法的流程图；图3是根据本专利技术实施例的车道线标注的流程图；图4是根据本专利技术实施例的车道线标注中感兴趣区域的示意图；图5是根据本专利技术实本文档来自技高网...

【技术保护点】
1.一种车道线标注方法，其特征在于，包括：对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像；对所述重建图像进行特征提取，并对所述重建图像中每一个像素点进行分类；根据分类后的重建图像进行车道线聚类，并将聚类后的车道线进行拟合；标注所述车道线。

【技术特征摘要】
1.一种车道线标注方法，其特征在于，包括：对视频流中的车辆进行检测，恢复出一张没有车辆的重建图像；对所述重建图像进行特征提取，并对所述重建图像中每一个像素点进行分类；根据分类后的重建图像进行车道线聚类，并将聚类后的车道线进行拟合；标注所述车道线。2.根据权利要求1所述的方法，其特征在于，对所述重建图像中每一个像素点进行分类包括：将所述重建图像中的每个像素点标记为背景和前景，其中，所述前景包括车道线和停止线。3.根据权利要求1所述的方法，其特征在于，将聚类后的车道线进行拟合包括：将所述重建图像中聚类后的像素点利用最小二乘法进行车道线拟合。4.根据权利要求1所述的方法，其特征在于，对所述分类后的重建图像进行车道线聚类包括：从右下顶点开始，依次从右往左，从下往上搜索，记录所述重建图像中像素值为T的像素点对应的坐标信息；根据所述坐标信息将所述像素值为T的像素点进行聚类。5.根据权利要求4所述的方法，其特征在于，根据所述坐标信息将所述像素值为T的像素点进行聚类包括：将搜索到的第1个像素值为T的像素点的横坐标确定为第一条车道线最右侧的横坐标location[1]＝x1；重复判断搜索到的像素值为T的第i个像素点的横坐标xi是否满足xi＞location[k]-n且xi＜location+m，其中，i大于1；在判断结果为是的情况下，将所述第i个像素点放入第k条车道线集合中，1≤k≤num，其中，num为搜索到的车道线总数；在判断结果为否的情况下，计算第i个像素点的横坐标xi距离location[k]的最近距离d1，若满足d1＞T1，将所述第i个...

【专利技术属性】
技术研发人员：周章伟，李乾坤，卢维，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江,33