一种车道线检测方法及其系统技术方案

本发明专利技术涉及一种车道线检测方法及其系统，所述方法包括如下步骤：获取车辆前方道路图像；对所述车辆前方道路图像进行预处理得到预处理图像；利用预先训练好的深度学习CNN网络对所述预处理图像进行处理得到各车道线位置点信息，并根据所述各车道线位置点信息拟合各车道线；对所述预处理图像进行二值化得到二值化图像，并根据所述二值化图像以及所述各车道线位置点信息确定车道线颜色信息；对所述预处理图像灰度化后进行图像阈值分割得到阈值分割图像，并根据所述阈值分割图像以及所述各车道线位置点信息确定车道线虚实信息。实施本发明专利技术，能够减少耗费计算资源，提高特殊道路场景下车道线检测性能，以及满足实时性要求。以及满足实时性要求。以及满足实时性要求。

【技术实现步骤摘要】
一种车道线检测方法及其系统


[0001]本专利技术涉及汽车自动驾驶
，具体涉及一种车道线检测方法及其系统。

技术介绍

[0002]近年来，关于自动驾驶技术的研究已经变得越来越活跃。特别是基于视觉的环境感知技术，获得了学术界及工业界的广泛关注。然而，对自动驾驶车辆，如何充分地理解所有的周围的环境场景，仍然是一个巨大的挑战。在这些环境感知任务中，基于相机的车道线检测在交通场景识别中扮演着重要的角色。通过提供基础的道路信息，比如车道线结构和车辆相对车道线的位置，车道线检测功能可以保证自动驾驶车辆安全地在主车道上定位。
[0003]目前，利用深度学习网络检测车道线具有较好的鲁棒性，对阴影以及破损路面等特殊道路场景都有较好的适应性。但是深度学习的方法缺陷也很明显，需要较大的消耗处理器中的GPU(Graphic Processing Unit,图形处理器)计算资源，不满足实时性要求。利用传统的图像处理方法检测车道线的优势在于硬件资源消耗少，实时性高，满足一般良好条件下的车道线检测需求，但是对于特殊道路场景下车道线检测性能一般。

技术实现思路

[0004]本专利技术的目的在于提出一种车道线检测方法及其系统，以解决目前深度学习网络检测车道线因需耗费较大计算资源而不满足实时性要求以及传统的图像处理方法检测车道线对于特殊道路场景下车道线检测性能一般的技术问题。
[0005]为了实现本专利技术目的，根据本专利技术第一方面，本专利技术实施例提供获取车辆前方道路图像；
[0006]获取车辆前方道路图像；
[0007]对所述车辆前方道路图像进行预处理得到预处理图像；
[0008]利用预先训练好的深度学习CNN网络对所述预处理图像进行处理得到各车道线位置点信息，并根据所述各车道线位置点信息拟合各车道线得到各车道线几何信息；
[0009]对所述预处理图像进行二值化得到二值化图像，并根据所述二值化图像以及所述各车道线位置点信息确定各车道线颜色信息。
[0010]优选地，所述方法还包括以下步骤：
[0011]对所述预处理图像灰度化后进行图像阈值分割得到阈值分割图像，并根据所述阈值分割图像以及所述各车道线位置点信息确定各车道线虚实信息。
[0012]优选地，所述对所述车辆前方道路图像进行预处理得到预处理图像包括：
[0013]对所述车辆前方道路图像进行图像畸变校正；
[0014]对进行图像畸变校正后的图像进行尺寸变换得到预处理图像。
[0015]优选地，所述利用训练好的深度学习CNN网络对所述预处理图像进行处理得到各车道线位置点信息包括：
[0016]对所述预处理图像进行灰度化得到第一灰度图像；
[0017]利用预先训练好的深度学习CNN网络对所述第一灰度图像进行处理得到车道线位置点信息；其中，所述深度学习CNN网络包括两个输出分支，一输出分支为各车道线位置点在图像中坐标，另一输出分支为每条车道线的存在概率，所述车道线位置点信息为存在概率大于预设阈值T的车道线位置点坐标。
[0018]优选地，所述根据所述各车道线位置点信息拟合各车道线得到各车道线几何信息包括：
[0019]将各车道线位置点坐标按图像预处理中图像缩放系数映射到所述车辆前方道路图像尺寸中得到各车道线位置点实际坐标；
[0020]对各车道线位置点实际坐标分别按照公式x＝ay3+by2+cy+d进行拟合得到各车道线几何信息，其中，x为图像中横坐标，y为图像中纵坐标。
[0021]优选地，所述根据所述二值化图像以及所述各车道线位置点信息确定各车道线颜色信息包括：
[0022]对所述二值化图像进行ROI区域裁切得到第一ROI区域图像；
[0023]对所述第一ROI区域图像进行高斯滤波得到第一滤波图像；
[0024]对所述第一滤波图像进行图像闭运算得到闭运算图像；
[0025]根据所述闭运算图像以及所述各车道线位置点信息确定各车道线颜色信息。
[0026]优选地，所述根据所述闭运算图像以及所述各车道线位置点信息确定各车道线颜色信息包括：
[0027]获取与各车道线位置点对应的闭运算图像中像素点的像素值；
[0028]根据公式计算各车道线像素均值；其中，F
k
为第k条车道线像素均值，n为第k条车道线的位置点总数，f
i
为与第k条车道线第i个位置点对应的闭运算图像中像素点的像素值；
[0029]根据各车道线像素均值与预设阈值S的比较结果确定各车道线颜色信息。
[0030]优选地，所述对所述预处理图像灰度化后进行图像阈值分割得到阈值分割图像包括：
[0031]对所述预处理图像进行灰度化得到第二灰度图像；
[0032]对所述第二灰度图像进行ROI区域裁切得到第二ROI区域图像；
[0033]对所述第二ROI区域图像进行高斯滤波得到第二滤波图像；
[0034]对所述第二滤波图像进行图像阈值分割得到阈值分割图像，其中，所述图像阈值分割包括依次执行边缘检测、图像区域填充以及图像膨胀。
[0035]优选地，所述根据所述阈值分割图像以及所述各车道线位置点信息确定各车道线虚实信息包括：
[0036]统计各车道线位置点中能映射到所述阈值分割图像中车道线区域内的坐标点数量；
[0037]根据公式计算第k条车道线中能映射到所述阈值分割图像中车道线区域内的位置点占比；其中，E
k
为第k条车道线中能映射到所述阈值分割图像中车道线区域内的位置点数量，n为第k条车道线的位置点总数；
[0038]根据占比P
k
与预设阈值M的比较结果确定各车道线虚实信息；其中，若P
k
大于M，则第k条车道线为实线；若P
k
小于等于M，则第k条车道线为虚线。
[0039]根据本专利技术第二方面，本专利技术实施例提供一种车道线检测系统，所述系统包括：
[0040]图像获取单元，用于获取车辆前方道路图像；
[0041]图像预处理单元，用于对所述车辆前方道路图像进行预处理得到预处理图像；
[0042]第一图像处理单元，用于利用预先训练好的深度学习CNN网络对所述预处理图像进行处理得到各车道线位置点信息，并根据所述各车道线位置点信息拟合各车道几何线；
[0043]第二图像处理单元，用于对所述预处理图像进行二值化得到二值化图像，并根据所述二值化图像以及所述各车道线位置点信息确定各车道线颜色信息；
[0044]第三图像处理单元，用于对所述预处理图像灰度化后进行图像阈值分割得到阈值分割图像，并根据所述阈值分割图像以及所述各车道线位置点信息确定各车道线虚实信息。
[0045]以上技术方案具有如下有益效果：
[0046]采用多线程的任务处理方式进行车道线检测，利用深度学习CNN检测道路中的车道线位置点，与此同时根据所述车道线位置点以及硬件资源消耗小的图像处理方法检测车本文档来自技高网...

【技术保护点】

【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：获取车辆前方道路图像；对所述车辆前方道路图像进行预处理得到预处理图像；利用预先训练好的深度学习CNN网络对所述预处理图像进行处理得到各车道线位置点信息，并根据所述各车道线位置点信息拟合各车道线得到各车道线几何信息；对所述预处理图像进行二值化得到二值化图像，并根据所述二值化图像以及所述各车道线位置点信息确定各车道线颜色信息。2.如权利要求1所述的车道线检测方法，其特征在于，所述方法还包括以下步骤：对所述预处理图像灰度化后进行图像阈值分割得到阈值分割图像，并根据所述阈值分割图像以及所述各车道线位置点信息确定各车道线虚实信息。3.如权利要求1或2所述的车道线检测方法，其特征在于，所述对所述车辆前方道路图像进行预处理得到预处理图像包括：对所述车辆前方道路图像进行图像畸变校正；对进行图像畸变校正后的图像进行尺寸变换得到预处理图像。4.如权利要求1或2所述的车道线检测方法，其特征在于，所述利用训练好的深度学习CNN网络对所述预处理图像进行处理得到各车道线位置点信息包括：对所述预处理图像进行灰度化得到第一灰度图像；利用预先训练好的深度学习CNN网络对所述第一灰度图像进行处理得到车道线位置点信息；其中，所述深度学习CNN网络包括两个输出分支，一输出分支为各车道线位置点在图像中坐标，另一输出分支为每条车道线的存在概率，所述车道线位置点信息为存在概率大于预设阈值T的车道线位置点坐标。5.如权利要求1或2所述的车道线检测方法，其特征在于，所述根据所述各车道线位置点信息拟合各车道线得到各车道线几何信息包括：将各车道线位置点坐标按图像预处理中图像缩放系数映射到所述车辆前方道路图像尺寸中得到各车道线位置点实际坐标；对各车道线位置点实际坐标分别按照公式x＝ay3+by2+cy+d进行拟合得到各车道线几何信息，其中，x为图像中横坐标，y为图像中纵坐标。6.如权利要求1或2所述的车道线检测方法，其特征在于，所述根据所述二值化图像以及所述各车道线位置点信息确定各车道线颜色信息包括：对所述二值化图像进行ROI区域裁切得到第一ROI区域图像；对所述第一ROI区域图像进行高斯滤波得到第一滤波图像；对所述第一滤波图像进行图像闭运算得到闭运算图像；根据所述闭运算图像以及所述各车道线位置点信息确定各车道线颜色信息。7.如权利要求6所述的车道线检测方法，其特征在于，所述根据所述闭运算图像以及所述各车道线位置点信息确定各...

【专利技术属性】
技术研发人员：刘前飞，陈振鹏，连陈帆，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：