车道线的检测方法、装置、电子设备及可读存储介质制造方法及图纸

本公开实施例公开了一种车道线的检测方法、装置、电子设备及可读存储介质，所述方法包括先获取道路图像中一个或多个像素点集，基于所述像素点集，通过最小二乘法确定所述像素点集的拟合曲线线段，通过聚类方法，确定所述拟合曲线线段对应的类别，根据所述类别，确定所述道路图像中的车道线。该技术方案能够提高车道线识别的准确性和效率。

Detection method, device, electronic equipment and readable storage medium of lane line

【技术实现步骤摘要】
车道线的检测方法、装置、电子设备及可读存储介质
本公开涉及车道线识别
，具体涉及一种车道线的检测方法、装置、电子设备及可读存储介质。
技术介绍
车道线是指在道路上用不同的线条向行驶车辆传递引导、限制、警告等交通信息的标识，例如，白色虚线的车道线通常用以分隔同向行驶的交通流或作为行车安全距离识别线；白色实线的车道线通常用以分隔同向行驶的机动车和非机动车，或指示车行道的边缘。因此，识别道路上的车道线是所有车辆的共同任务，以确保车辆在驾驶时处于车道限制之内，并减少因越过车道而与其他车辆发生碰撞的机会。而为了检测道路上的车辆的违章情况，例如，闯红灯、逆向行驶、违规变道等，对于道路监控设备来说，准确识别道路上的车道线同样也是一项关键任务。但是，目前对于车道线的识别效果并不理想，而且由于虚线车道线等情况的存在，常常需要人工参与画线过程，而没有真正实现车道线的自动检测。
技术实现思路
为了解决相关技术中的问题，本公开实施例提供一种车道线的检测方法、装置、电子设备及可读存储介质。第一方面，本公开实施例提供了一种车道线的检测方法。具体地，所述车道线的检测方法包括：获取道路图像中一个或多个像素点集；基于所述像素点集，通过最小二乘法确定所述像素点集的拟合曲线；通过聚类方法，确定所述拟合曲线对应的类别；根据所述类别，确定所述道路图像中的车道线。可选地，所述通过聚类方法，确定所述拟合曲线对应的类别，包括：提取所述拟合曲线的至少一个特征点；以第一拟合曲线的第一特征点为聚类中心，确定聚类区域，其中，所述第一拟合曲线为任意一个所述像素点集对应的拟合曲线，所述第一特征点为所述第一拟合曲线的至少一个特征点中的任意一个；确定所述聚类区域中的未分类特征点数，其中，所述未分类特征点为任意一个未确定类别的拟合曲线对应的特征点；当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线的类别为所述第一拟合曲线对应的第一类别。可选地，所述当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线的类别为所述第一拟合曲线对应的第一类别，包括：当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线的类别为所述第一拟合曲线对应的第一类别；根据在所述聚类区域中属于所述第一类别的拟合曲线的特征点，更新所述聚类中心，并基于更新后的所述聚类中心，重新确定聚类区域以及所述聚类区域中的未分类特征点数，以确定满足所述聚类条件的未分类特征点数对应的拟合曲线的类别为所述第一类别，直至所述聚类区域中的所述未分类特征点数不满足所述聚类条件。可选地，所述通过聚类方法，确定所述拟合曲线对应的类别，还包括：当所述未分类特征点数不满足所述聚类条件时，依次以第一拟合曲线的剩余特征点为聚类中心，重新确定所述聚类区域以及所述聚类区域中的未分类特征点数，直至所述聚类区域中的所述未分类特征点数满足所述聚类条件，或者所述第一拟合曲线没有剩余特征点。可选地，所述根据所述类别，确定所述道路图像中的车道线，包括：通过插值方法，将属于同一类别的拟合曲线连接为光滑曲线；确定所述光滑曲线为所述道路图像中的车道线。第二方面，本公开实施例提供了一种车道线的检测装置，其特征在于，包括：获取模块，被配置为获取道路图像中一个或多个像素点集；拟合模块，被配置为基于所述像素点集，通过最小二乘法确定所述像素点集的拟合曲线；聚类模块，被配置为通过聚类方法，确定所述拟合曲线对应的类别；确定模块，被配置为根据所述类别，确定所述道路图像中的车道线。可选地，所述通过聚类方法，确定所述拟合曲线对应的类别，包括：提取所述拟合曲线的至少一个特征点；以第一拟合曲线的第一特征点为聚类中心，确定聚类区域，其中，所述第一拟合曲线为任意一个所述像素点集对应的拟合曲线，所述第一特征点为所述第一拟合曲线的至少一个特征点中的任意一个；确定所述聚类区域中的未分类特征点数，其中，所述未分类特征点为任意一个未确定类别的拟合曲线对应的特征点；当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线的类别为所述第一拟合曲线对应的第一类别。可选地，所述当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线的类别为所述第一拟合曲线对应的第一类别，包括：当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线的类别为所述第一拟合曲线对应的第一类别；根据在所述聚类区域中属于所述第一类别的拟合曲线的特征点，更新所述聚类中心，并基于更新后的所述聚类中心，重新确定聚类区域以及所述聚类区域中的未分类特征点数，以确定满足所述聚类条件的未分类特征点数对应的拟合曲线的类别为所述第一类别，直至所述聚类区域中的所述未分类特征点数不满足所述聚类条件。第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面实现方式任一项所述的方法。第四方面，本公开实施例中提供了一种可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面实现方式任一项所述的方法。本公开实施例提供的技术方案可以包括以下有益效果：根据本公开实施例提供的技术方案，在获取道路图像后，先根据获取的像素点集，确定拟合曲线线段，当存在多个拟合曲线线段时，可以通过聚类方法，区分所述多个拟合曲线线段为多个不同的车道线，还是同一车道线中的多个虚线线段等，从而可以根据聚类结果确定车道线，从而实现了车道线的自动检测，避免了人工参与，还提高了车道线的检测准确度和效率。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，并不能限制本公开。附图说明结合附图，通过以下非限制性实施方式的详细描述，本公开的其它标签、目的和优点将变得更加明显。在附图中：图1A示出根据本公开实施例的车道线的检测方法、装置、电子设备和可读存储介质的应用场景；图1B示出根据本公开实施例的道路图像的示意图；图2示出根据本公开实施例的车道线的检测方法的流程图；图3示出根据本公开实施例确定拟合曲线线段对应的类别的流程图；图4示出根据本公开实施例的确定未分类特征点对应的拟合曲线线段的类别的流程图；图5示出根据本公开实施例的确定车道线的流程图；图6示出根据本公开实施例的车道线的检测装置的结构框图；图7示出根据本公开实施例的电子设备的结构框图；图8示出适于用来实现根据本公开实施例的车道线的检测方法的计算机系统的结构示意图。具体实施方式下文中，将参考附图详细描述本公开的示例性实施例，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述本文档来自技高网...

【技术保护点】
1.一种车道线的检测方法，其特征在于，包括：/n获取道路图像中一个或多个像素点集；/n基于所述像素点集，通过最小二乘法确定所述像素点集的拟合曲线线段；/n通过聚类方法，确定所述拟合曲线线段对应的类别；/n根据所述类别，确定所述道路图像中的车道线。/n

【技术特征摘要】
1.一种车道线的检测方法，其特征在于，包括：
获取道路图像中一个或多个像素点集；
基于所述像素点集，通过最小二乘法确定所述像素点集的拟合曲线线段；
通过聚类方法，确定所述拟合曲线线段对应的类别；
根据所述类别，确定所述道路图像中的车道线。


2.根据权利要求1所述的方法，其特征在于，所述通过聚类方法，确定所述拟合曲线线段对应的类别，包括：
提取所述拟合曲线线段的至少一个特征点；
以第一拟合曲线线段的第一特征点为聚类中心，确定聚类区域，其中，所述第一拟合曲线线段为任意一个所述像素点集对应的拟合曲线线段，所述第一特征点为所述第一拟合曲线线段的至少一个特征点中的任意一个；
确定所述聚类区域中的未分类特征点数，其中，所述未分类特征点为任意一个未确定类别的拟合曲线线段对应的特征点；
当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线线段的类别为所述第一拟合曲线线段对应的第一类别。


3.根据权利要求2所述的方法，其特征在于，所述当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线线段的类别为所述第一拟合曲线线段对应的第一类别，包括：
当所述未分类特征点数满足聚类条件时，确定所述未分类特征点数对应的拟合曲线线段的类别为所述第一拟合曲线线段对应的第一类别；
根据在所述聚类区域中属于所述第一类别的拟合曲线线段的特征点，更新所述聚类中心，并基于更新后的所述聚类中心，重新确定聚类区域以及所述聚类区域中的未分类特征点数，以确定满足所述聚类条件的未分类特征点数对应的拟合曲线线段的类别为所述第一类别，直至所述聚类区域中的所述未分类特征点数不满足所述聚类条件。


4.根据权利要求2或3所述的方法，其特征在于，所述通过聚类方法，确定所述拟合曲线线段对应的类别，还包括：
当所述未分类特征点数不满足所述聚类条件时，依次以第一拟合曲线线段的剩余特征点为聚类中心，重新确定所述聚类区域以及所述聚类区域中的未分类特征点数，直至所述聚类区域中的所述未分类特征点数满足所述聚类条件，或者所述第一拟合曲线线段没有剩余特征点。


5.根据权利要求1所述的方法，其特征在于，所述根据所述类别，确定所述道路图像中的车道线，包括：
通过插值方法，将属于同一类别...

【专利技术属性】
技术研发人员：路兆铭，王鲁晗，温向明，傅彬，王刚，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11