车道线识别方法和装置、车辆制造方法及图纸

一种车道线识别方法和装置、车辆。所述车道线识别方法包括：识别道路图像中所有线段；针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；将分值最高的线段及该分值最高的线段的关联线段确定为车道线。本发明专利技术综合考虑了道路图像中每一线段的长度及该线段的关联线段对该线段贡献度判断该线段作为车道线的可能性大小，通过组合优化，让检测出来的车道线结果尽可能符合实际道路线，从而提高车道线检测的鲁棒性。

Lane line identification method, device and vehicle

【技术实现步骤摘要】
【国外来华专利技术】车道线识别方法和装置、车辆
本专利技术涉及图像处理
，尤其涉及一种车道线识别方法和装置、车辆。
技术介绍
相关技术中，通过特征提取、直线或曲线检测方法检测道路图像中的车道线。然而，在实际场景中，很多非车道线的东西也呈类似线的形状，通过上述算法会将道路图像中很多非车道线的东西，如道路两侧的护栏、路面标志物上的线状标志物(如箭头文字等)、路面上的车辆或行人边缘等，识别成类似线的形状，而将这些非车道线的东西识别成车道线，可见，基于上述算法识别到的车道线错误率较高。
技术实现思路
本专利技术提供一种车道线识别方法和装置、车辆。具体地，本专利技术是通过如下技术方案实现的：根据本专利技术的第一方面，提供一种车道线识别方法，所述方法包括：识别道路图像中所有线段；针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；将分值最高的线段及该分值最高的线段的关联线段确定为车道线。根据本专利技术的第二方面，提供一种车道线识别装置，包括：存储装置，用于存储程序指令；处理器，调用所述存储装置中存储的程序指令，当所述程序指令被执行时，用于：识别道路图像中所有线段；针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；将分值最高的线段及该分值最高的线段的关联线段确定为车道线。根据本专利技术的第三方面，提供一种车辆，包括：车身；固定在车身上的拍摄装置；以及处理器，所述处理器与所述拍摄装置电连接；所述拍摄装置用于拍摄车辆前方的道路图像并发送至所述处理器，所述处理器用于：识别道路图像中所有线段针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；将分值最高的线段及该分值最高的线段的关联线段确定为车道线。根据本专利技术的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：识别道路图像中所有线段；针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；将分值最高的线段及该分值最高的线段的关联线段确定为车道线。由以上本专利技术实施例提供的技术方案可见，本专利技术实施例综合考虑了道路图像中每一线段的长度及该线段的关联线段对该线段贡献度判断该线段作为车道线的可能性大小，通过组合优化，让检测出来的车道线结果尽可能符合实际道路线，从而提高车道线检测的鲁棒性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中的一种车道线识别方法的方法流程图；图2是本专利技术一实施例中的图1所示的车道线识别方法的一种具体实现方式流程图；图3是本专利技术一实施例中的图1所示的车道线识别方法的另一种具体实现方式流程图；图4是本专利技术一实施例中的图3所示的车道线识别方法的一种具体实现方式流程图；图5是本专利技术一实施例中的一种车道线识别装置的结构框图；图6是本专利技术一实施例中的一种车辆的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。下面结合附图，对本专利技术的车道线识别方法和装置、车辆进行详细说明。在不冲突的情况下，下述的实施例及实施方式中的特征可以相互组合。实施例一图1为本专利技术实施例一提供的一种车道线识别方法的方法流程图。参见图1，所述车道线识别方法可以包括如下步骤：步骤S101：识别道路图像中所有线段；在实际中，车道线可包括直线和曲线，故而道路图像中的直线段和曲线段都会被当作疑似车道线。本实施例通过执行步骤S101，可识别出道路图像中所有直线段和/或曲线段，即本实施例的线段可包括直线段和/或曲线段。具体可选择不同的方式识别道路图像中所有线段，在本实施例中，先分割出道路图像中所有的线段区域，再基于线段检测算法识别所有线段。其中，对道路图像中所有的线段区域进行分割的方式可根据需要选择，例如，在其中一些例子中，基于CNN(ConvolutionalNeuralNetwork，卷积神经网络)分割出道路图像中所有的线段区域。可选的，基于CNN语义分割出道路图像中所有的线段区域。可选的，利用深度学习算法对大量的道路图像样本进行训练，获得车道线模型，将当前道路图像输入该车道线模型，获得当前道路图像中的所有的线段区域(包括直线段区域和/或曲线段区域)。在另一些例子中，基于边缘检测算法分割出道路图像中所有的线段区域。具体的，基于边缘检测算法检测道路图像中所有线段的边缘，从而分割出道路图像中所有的线段区域。本实施例的线段检测算法可以为霍尔夫变换算法(houghtransform)，也可以为其他线段检测算法，具体可根据需要选择线段检测算法的类型。在本实施例中，基于线段检测算法能够识别出道路图像中所有线段的一些参数信息，例如，所有线段的长度、所有线段之间的位置关系(如所有线段之间的夹角和/或所有线段之间的间距)。本实施例的车道线识别方法可应用在车辆上，特别是无人驾驶车辆，道路图像可由车辆上的拍摄装置拍摄到的车辆前方的道路图像，该道路图像一般为前视图。在前视图中，路面标志物箭头、车道线等车道标志物可能会存在扭曲，扭曲的形状与车辆的位置相关，并且前视图中离车辆越远的线段越难被识别，前视图中同种车道标志物一致性较差，难以识别准确。为提高车道线识别的准确性，本实施例在识别道路图像中所有线段之前，对道路图像进行图像矫正。图像矫正的方式可根据需要选择，在一实施例中，基于本文档来自技高网...

【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：/n识别道路图像中所有线段；/n针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；/n根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；/n将分值最高的线段及该分值最高的线段的关联线段确定为车道线。/n

【技术特征摘要】
【国外来华专利技术】1.一种车道线识别方法，其特征在于，所述方法包括：
识别道路图像中所有线段；
针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；
根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；
将分值最高的线段及该分值最高的线段的关联线段确定为车道线。


2.根据权利要求1所述的方法，其特征在于，所述线段包括：
直线段和/或曲线段。


3.根据权利要求1所述的方法，其特征在于，针对每一线段，从其他线段中确定出该线段的关联线段，包括：
根据该线段与其他线段之间的位置关系和预设的车道线先验条件，从其他线段中确定出该线段的关联线段。


4.根据权利要求3所述的方法，其特征在于，该线段与其他线段之间的位置关系包括：
该线段与其他线段之间的夹角，或/和该线段与其他线段之间的间距。


5.根据权利要求4所述的方法，其特征在于，所述预设的车道线先验条件包括：
车道线之间的夹角位于预设夹角范围内，或/和车道线之间的间距为预设间距的整数倍。


6.根据权利要求1所述的方法，其特征在于，针对每一线段，计算该线段的关联线段对该线段的贡献度，包括：
针对每一线段，根据该线段与该线段的关联线段之间的位置关系、该线段的关联线段的长度及该线段的长度，计算该线段的关联线段对该线段的贡献度。


7.根据权利要求6所述的方法，其特征在于，该线段与其他线段之间的位置关系包括：
该线段与其他线段之间的夹角，或/和该线段与其他线段之间的间距。


8.根据权利要求6所述的方法，其特征在于，针对每一线段，根据该线段与该线段的关联线段之间的位置关系、该线段的关联线段的长度及该线段的长度，计算该线段的关联线段对该线段的贡献度，包括：
针对每一线段的每一关联线段，根据该关联线段的长度及该线段的其他关联线段对该关联线段的贡献度，计算该关联线段的分值；
针对每一线段，根据每一关联线段的分值、每一关联线段与该线段的位置关系及该线段的长度，计算每一关联线段对该线段的贡献度。


9.根据权利要求8所述的方法，其特征在于，所述针对每一线段的每一关联线段，根据该关联线段的长度及该线段的其他关联线段对该关联线段的贡献度，计算该关联线段的分值，包括：
根据该线段与该线段的关联线段之间的位置关系，确定位于该线段左侧的左关联线段和位于该线段右侧的右关联线段；
针对每一线段的每一左关联线段，根据该左关联线段的长度及该左关联线段的其他左关联线段对该左关联线段的贡献度，计算该左关联线段的分值；
针对每一线段的每一右关联线段，根据该右关联线段的长度及该右关联线段的其他右关联线段对该右关联线段的贡献度，计算该右关联线段的分值。


10.根据权利要求9所述的方法，其特征在于，所述针对每一线段，根据每一关联线段的分值、每一关联线段与该线段的位置关系及该线段的长度，计算每一关联线段对该线段的贡献度，包括：
针对每一线段，根据每一左关联线段的分值、每一左关联线段与该线段的位置关系及该线段的长度，计算每一左关联线段对该线段的左贡献度；
针对每一线段，根据每一右关联线段的分值、每一右关联线段与该线段的位置关系及该线段的长度，计算每一右关联线段对该线段的右贡献度。


11.根据权利要求10所述的方法，其特征在于，针对第i条线段，第j条左关联线段对该第i条线段的左贡献度的计算公式如下：



针对第i条线段，第j条左关联线段对该第i条线段的左贡献度的计算公式如下：



其中，i、j为正整数；
Li为第i条线段的长度；
k1为第一预设系数，且k1>0；
α为第i条线段和第j条左线段或第j条右线段之间的夹角；
δ为第i条线段和第j条左线段或第j条右线段之间的间距与预设间距的比值；
k2为第二预设系数，且0<k2<1；

为第j条左关联线段的分值；

为第j条右关联线段的分值。


12.根据权利要求10所述的方法，其特征在于，所述根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，包括：
针对每一线段，根据该线段的长度、该线段的左关联线段对该线段的左贡献度中的最大值及该线段的右关联线段对该线段的右贡献度中的最大值，计算该线段的分值。


13.根据权利要求12所述的方法，其特征在于，每一线段的分值为该线段的长度、该线段的左关联线段对该线段的左贡献度中的最大值及该线段的右关联线段对该线段的右贡献度中的最大值之和。


14.根据权利要求1所述的方法，其特征在于，所述识别道路图像中所有线段，包括：分割出所述道路图像中所有的线段区域；
基于线段检测算法识别所有线段。


15.根据权利要求14所述的方法，其特征在于，所述分割出所述道路图像中所有的线段区域，包括：
基于CNN分割出所述道路图像中所有的线段区域；或者，
基于边缘检测算法分割出所述道路图像中所有的线段区域。


16.根据权利要求14所述的方法，其特征在于，所述基于线段检测算法识别所有线段，包括：
基于线段检测算法识别所有线段的长度、所有线段之间的夹角和/或所有线段之间的间距。


17.根据权利要求14或16所述的方法，其特征在于，所述线段检测算法为霍尔夫变换算法。


18.根据权利要求1或14所述的方法，其特征在于，所述识别道路图像中所有线段之前，还包括：
对所述道路图像进行图像矫正。


19.根据权利要求18所述的方法，其特征在于，所述对所述道路图像进行图像矫正，包括：
基于反透视变换，将所述道路图像投影至对应的俯视图。


20.一种车道线识别装置，其特征在于，包括：
存储装置，用于存储程序指令；
处理器，调用所述存储装置中存储的程序指令，当所述程序指令被执行时，用于：
识别道路图像中所有线段；
针对每一线段，从其他线段中确定出该线段的关联线段，并计算该线段的关联线段对该线段的贡献度，所述贡献度用于表征关联线段对该线段作为车道线的影响程度大小；
根据每一线段的长度及该线段的关联线段对该线段的贡献度，计算该线段的分值，所述分值用于表征该线段为车道线的可能性大小；
将分值最高的线段及该分值最高的线段的关联线段确定为车道线。


21.根据权利要求20所述的装置，其特征在于，所述线段包括：
直线段和/或曲线段。


22.根据权利要求20所述的装置，其特征在于，所述处理器，具体用于：
根据该线段与其他线段之间的位置关系和预设的车道线先验条件，从其他线段中确定出该线段的关联线段。


23.根据权利要求22所述的装置，其特征在于，该线段与其他线段之间的位置关系包括：
该线段与其他线段之间的夹角，或/和该线段与其他线段之间的间距。


24.根据权利要求23所述的装置，其特征在于，所述预设的车道线先验条件包括：
车道线之间的夹角位于预设夹角范围内，或/和车道线之间的间距为预设间距的整数倍。


25.根据权利要求20所述的装置，其特征在于，所述处理器，具体用于：
针对每一线段，根据该线段与该线段的关联线段之间的位置关系、该线段的关联线段的长度及该线段的长度，计算该线段的关联线段对该线段的贡献度。


26.根据权利要求25所述的装置，其特征在于，该线段与其他线段之间的位置关系包括：
该线段与其他线段之间的夹角，或/和该线段与其他线段之间的间距。


27.根据权利要求25所述的装置，其特征在于，所述处理器，具体用于：
针对每一线段的每一关联线段，根据该关联线段的长度及该线段的其他关联线段对该关联线段的贡献度，计算该关联线段的分值；
针对每一线段，根据每一关联线段的分值、每一关联线段与该线段的位置关系及该线段的长度，计算每一关联线段对该线段的贡献度。


28.根据权利要求27所述的装置，其特征在于，所述处理器，具体用于：
根据该线段与该线段的关联线段之间的位置关系，确定位于该线段左侧的左关联线段和位于该线段右侧的右关联线段；
针对每一线段的每一左关联线段，根据该左关联线段的长度及该左关联线段的其他左关联线段对该左关联线段的贡献度，计算该左关联线段的分值；
针对每一线段的每一右关联线段，根据该右关联线段的长度及该右关联线段的...

【专利技术属性】
技术研发人员：崔健，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44