车道线检测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开一种车道线检测方法、装置及计算机可读存储介质，其中方法包括：实时获取待检测的常规图像；利用预设算法对所述常规图像进行滤波，所述预设算法具有动态的滤波核，所述滤波核的大小根据车道线在所述常规图像中的像素宽度大小渐进变化，所述滤波核将车道线所在区域的像素预设为特定灰度值并对所述常规图像进行三值化处理；从三值化处理后的三值图像中获取候选车道线上的像素点；对所有候选车道线进行误检和噪声处理；根据对应的像素点拟合车道线。本发明专利技术能够避免在逆透视变换过程导致的车道线特征丢失和算法的耗时开销，且能够提高图像滤波时的鲁棒性。

【技术实现步骤摘要】
车道线检测方法、装置及计算机可读存储介质
本专利技术涉及车道线检测
，尤其涉及一种车道线检测方法、装置及计算机可读存储介质。
技术介绍
随着汽车电子、芯片制造、计算机视觉等技术的快速发展，高级驾驶员辅助系统(AdvancedDriverAssistanceSystem)由于其对行车安全的一种保障，也渐渐成为了现代汽车的标配。而在实际的行车过程中，能准确的获取当前车道线的信息对于ADAS中包括车道线偏移预警、前向碰撞预警等系统来说，都具有十分重要的意义。目前主流的车道线检测方法主要包括基于深度学习的车道线检测方法和基于图像处理及机器学习结合的方法。这两种方法最大的不同在于前期对图像中车道线特征的提取方式，前者采用深度学习中语义分割的方法，通过训练好的模型来提取车道线区域，后者主要采用图像滤波及图像预处理等方式完成车道线特征的提取工作。基于深度学习的车道线检测方法常常需要一定的算力保证，对于部分平台算力受限的条件下往往较难满足实时性的要求。在基于传统图像处理的车道线检测方法中，通用的霍夫变换等滤波方法和常用的图像预处理方法均无法保证鲁棒性的要本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于，包括如下步骤：/n实时获取待检测的常规图像；/n利用预设算法对所述常规图像进行滤波，所述预设算法具有动态的滤波核，所述滤波核的大小根据车道线在所述常规图像中的像素宽度大小渐进变化，所述滤波核将车道线所在区域的像素预设为特定灰度值并对所述常规图像进行三值化处理；/n从三值化处理后的三值图像中获取候选车道线上的像素点；/n根据对应的像素点拟合车道线。/n

【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括如下步骤：
实时获取待检测的常规图像；
利用预设算法对所述常规图像进行滤波，所述预设算法具有动态的滤波核，所述滤波核的大小根据车道线在所述常规图像中的像素宽度大小渐进变化，所述滤波核将车道线所在区域的像素预设为特定灰度值并对所述常规图像进行三值化处理；
从三值化处理后的三值图像中获取候选车道线上的像素点；
根据对应的像素点拟合车道线。


2.如权利要求1所述的车道线检测方法，其特征在于，
所述“实时获取待检测的常规图像”包括：
通过摄像头实时获取前方道路的RGB通道图像；
将所述RGB通道图像转换为YUV通道图像，并取所述YUV通道图像中的Y通道作为所述常规图像输出。


3.如权利要求1所述的车道线检测方法，其特征在于，所述滤波核为：



其中，N为奇数，N的最小取值为7，N的大小随所述像素宽度大小渐进变化。


4.如权利要求1所述的车道线检测方法，其特征在于，所述“利用预设算法对所述常规图像进行滤波”包括：
将所述常规图像的车道线消失点以内区域划分为若干行；
利用所述预设算法对所述常规图像进行分行滤波。


5.如权利要求4所述的车道线检测方法，其特征在于，
所述“从三值化处理后的三值图像中获取候选车道线上的像素点”包括：
在所述三值图像中上逐行进行搜索，根据灰度值变化关系确定该行是否存在符合车道线特征的像素点pi(x,y)，若存在，将该点存入点序列L；
比较下一行找到的符合车道线特征的像素点pi+1(x,y)与上一行的像素点pi(x,y)的x坐标和y坐标的差值，并将所述差值与阈值t比较以判断像素点pi+1(x,y)与像素点pi(x,y)是否属于同一条所述候选车道线，若是则存入...

【专利技术属性】
技术研发人员：顾一新，
申请(专利权)人：东莞正扬电子机械有限公司，
类型：发明
国别省市：广东;44