车道线检测方法及计算机可读存储介质技术

本发明专利技术公开了一种车道线检测方法及计算机可读存储介质，方法包括：通过神经网络模型对图片进行识别，得到候选检测区域；根据所述候选检测区域的左对角线或右对角线，得到车道线段；对满足预设的合并条件的车道线段进行合并，得到合并线段；对所述合并线段进行聚类，得到m个分类，所述m为预设的推荐车道线数；分别根据所述m个分类中各合并线段的端点，拟合得到m条推荐车道线。本发明专利技术可实现对存在目标占比小、破损程度高、遮挡严重等问题的车道线的检测。检测。检测。

【技术实现步骤摘要】
车道线检测方法及计算机可读存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种车道线检测方法及计算机可读存储介质。

技术介绍

[0002]目前对于车道线的检测，主要针对道路行驶中的车道线，用于安全预警、自动驾驶等目的。在这些方案中，车道线在图像中目标较大且相对完整。
[0003]但对于一些特定场景中，例如在物流园场景中，由于监控摄像头一般设置在高处且景深很远，且园区中往往存在较多的车辆，因此存在车道线目标占比小、破损程度高以及遮挡严重等问题，加大了车道线检测的难度。
[0004]在公开号为CN111144330A的中国专利中，公开了一种基于深度学习的车道线检测方法，包括：将带车道线标签的正视图图像作为训练集输入至初始车道线检测网络中，提取多个正视图特征信息；将每个正视图特征信息分别与对每个正视图特征信息进行射影变换后得到的俯视图特征信息进行合并，得到融合特征信息；根据融合特征信息获取正视图图像的车道线预测信息，利用损失函数计算车道线预测信息与车道线标签的误差；采用反向传播算法优化网络参数直至误差达到期望值，得到目标车道线检测神经网络；将待检测正视图图像输入至目标车道线检测神经网络，输出车道线信息。但在类似物流园的复杂场景中，若完全依靠深度学习的目标检测，鉴于车道线的破损重、遮挡多的问题，目标的特征各异，网络学习目标的难度很高。另外，物流园中的车道线不仅目标小，且其水平与垂直的跨度很大，标注时矩形区域将包含大量非车道线信息，增大了有效特征的提取难度。
[0005]在公开号为CN109034047B的中国专利中，公开了一种车道线检测方法及装置。该方法包括：在待检测图像中确定感兴趣区域；在感兴趣区域中图区各车道线像素特征；将相似的所述车道线像素特征进行合并处理，生成与合并的所述车道线像素特征对应的超像素；对各所述超像素进行聚类拟合处理，获得目标车道线。但该方案中，对于超像素特征点搜索，在车道线存在大量破损的情况下，会出现无法找到相似特征的情况，从而导致漏检情况的发生。

技术实现思路

[0006]本专利技术所要解决的技术问题是：提供一种车道线检测方法及计算机可读存储介质，可实现对存在目标占比小、破损程度高、遮挡严重等问题的车道线的检测。
[0007]为了解决上述技术问题，本专利技术采用的技术方案为：一种车道线检测方法，包括：
[0008]通过神经网络模型对图片进行识别，得到候选检测区域；
[0009]根据所述候选检测区域的左对角线或右对角线，得到车道线段；
[0010]对满足预设的合并条件的车道线段进行合并，得到合并线段；
[0011]对所述合并线段进行聚类，得到m个分类，所述m为预设的推荐车道线数；
[0012]分别根据所述m个分类中各合并线段的端点，拟合得到m条推荐车道线。
[0013]本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的方法的步骤。
[0014]本专利技术的有益效果在于：先通过神经网络模型进行识别，可尽量避免漏检，再通过统计左右对角线附近扩充范围的颜色通道值，以判断候选检测区域中车道线的方向，在保持了神经网络模型的鲁棒性的同时实现了车道线方向的判断，且可保证判断准确率；通过在聚类之前先对可以合并的车道线段进行合并，以提高后续聚类准确度；通过进行聚类，以得到对应各条车道线的分类；通过对各分类中的各合并线段的端点坐标进行拟合，即可得到车道线。本专利技术可实现对存在目标占比小、破损程度高、遮挡严重等问题的车道线的检测，解决了高难度场景的车道线检测问题，且可减少漏检率，保证检测准确率。
附图说明
[0015]图1为本专利技术的一种车道线检测方法的流程图；
[0016]图2为本专利技术实施例一的方法流程图；
[0017]图3为本专利技术实施例一的候选检测区域示意图；
[0018]图4为本专利技术实施例一的候选检测区域中两种对角线的示意图；
[0019]图5为本专利技术实施例一的候选检测区域中(右对角线)的扩充范围示意图；
[0020]图6为本专利技术实施例一的车道线段的示意图；
[0021]图7为本专利技术实施例一的合并线段的示意图；
[0022]图8为本专利技术实施例一的合并线段延长线的示意图；
[0023]图9为本专利技术实施例一的聚类结果示意图；
[0024]图10为本专利技术实施例一的车道线检测结果示意图。
具体实施方式
[0025]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图详予说明。
[0026]请参阅图1，一种车道线检测方法，包括：
[0027]通过神经网络模型对图片进行识别，得到候选检测区域；
[0028]根据所述候选检测区域的左对角线或右对角线，得到车道线段；
[0029]对满足预设的合并条件的车道线段进行合并，得到合并线段；
[0030]对所述合并线段进行聚类，得到m个分类，所述m为预设的推荐车道线数；
[0031]分别根据所述m个分类中各合并线段的端点，拟合得到m条推荐车道线。
[0032]从上述描述可知，本专利技术的有益效果在于：可解决高难度场景的车道线检测问题，且可减少漏检率，保证检测准确率。
[0033]进一步地，所述根据所述候选检测区域的左对角线或右对角线，得到车道线段，包括：
[0034]获取一候选检测区域的一对角线；
[0035]根据所述一候选检测区域的宽度以及预设的比例，计算扩充值；
[0036]根据所述一对角线以及所述扩充值，确定扩充范围边界线，并根据所述扩充范围边界线，在所述一候选检测区域中确定所述一对角线的扩充范围；
[0037]获取所述扩充范围内与所述扩充范围边界线平行的各线段，得到平行线段；
[0038]分别根据各平行线段上各像素点的像素数据，计算各像素点的亮度，并分别根据各平行线段上各像素点的亮度，计算各平行线段的亮度之和；
[0039]获取所述各平行线段的亮度之和的最大值，得到所述一对角线对应的第一亮度值；
[0040]根据所述扩充范围内各像素点的亮度，计算所述扩充范围的亮度之和，并将所述亮度之和除以所述扩充范围内的平行线段总数，得到所述一对角线对应的第二亮度值；
[0041]将所述一候选检测区域的两条对角线对应的第一亮度值和第二亮度值进行比对，若一对角线对应的第一亮度值大于另一对角线对应的第一亮度值且所述一对角线对应的第二亮度值大于所述另一对角线对应的第二亮度值，则将所述一对角线作为车道线段；
[0042]若一对角线对应的第一亮度值大于另一对角线对应的第一亮度值且所述一对角线对应的第二亮度值小于或等于所述另一对角线对应的第二亮度值，或一对角线对应的第一亮度值小于或等于另一对角线对应的第一亮度值且所述一对角线对应的第二亮度值大于所述另一对角线对应的第二亮度值，则计算所述一对角线的第一亮度值和第二亮度值之和，同时计算所述另一对角线的第一亮度本文档来自技高网...

【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：通过神经网络模型对图片进行识别，得到候选检测区域；根据所述候选检测区域的左对角线或右对角线，得到车道线段；对满足预设的合并条件的车道线段进行合并，得到合并线段；对所述合并线段进行聚类，得到m个分类，所述m为预设的推荐车道线数；分别根据所述m个分类中各合并线段的端点，拟合得到m条推荐车道线。2.根据权利要求1所述的车道线检测方法，其特征在于，所述根据所述候选检测区域的左对角线或右对角线，得到车道线段，包括：获取一候选检测区域的一对角线；根据所述一候选检测区域的宽度以及预设的比例，计算扩充值；根据所述一对角线以及所述扩充值，确定扩充范围边界线，并根据所述扩充范围边界线，在所述一候选检测区域中确定所述一对角线的扩充范围；获取所述扩充范围内与所述扩充范围边界线平行的各线段，得到平行线段；分别根据各平行线段上各像素点的像素数据，计算各像素点的亮度，并分别根据各平行线段上各像素点的亮度，计算各平行线段的亮度之和；获取所述各平行线段的亮度之和的最大值，得到所述一对角线对应的第一亮度值；根据所述扩充范围内各像素点的亮度，计算所述扩充范围的亮度之和，并将所述亮度之和除以所述扩充范围内的平行线段总数，得到所述一对角线对应的第二亮度值；将所述一候选检测区域的两条对角线对应的第一亮度值和第二亮度值进行比对，若一对角线对应的第一亮度值大于另一对角线对应的第一亮度值且所述一对角线对应的第二亮度值大于所述另一对角线对应的第二亮度值，则将所述一对角线作为车道线段；若一对角线对应的第一亮度值大于另一对角线对应的第一亮度值且所述一对角线对应的第二亮度值小于或等于所述另一对角线对应的第二亮度值，或一对角线对应的第一亮度值小于或等于另一对角线对应的第一亮度值且所述一对角线对应的第二亮度值大于所述另一对角线对应的第二亮度值，则计算所述一对角线的第一亮度值和第二亮度值之和，同时计算所述另一对角线的第一亮度值和第二亮度值之和；将第一亮度值和第二亮度值之和较大的对角线作为车道线段。3.根据权利要求2所述的车道线检测方法，其特征在于，所述根据所述候选检测区域的左对角线或右对角线，得到车道线段，还包括：分别根据所述一对角线的扩充范围内的各平行线段上各像素点的明度，计算各平行线段的明度之和，并获取所述各平行线段的明度之和的最大值，得到所述一对角线对应的第一明度值；根据所述一对角线的扩充范围内各像素点的明度，计算所述扩充范围的明度之和，并将所述明度之和除以所述扩充范围内的平行线段总数，得到所述一对角线对应的第二明度值；若所述一候选检测区域的两条对角线对应的第一亮度值相等且第二亮度值相等，或两条对角线的第一亮度值和第二亮度值之和相等，则将所述一候选检测区域的两条对角线对应的第一明度值和第二明度值进行比对；若一对角线对应的第一明度值大于另一对角线对应的第一明度值且所述一对角线对
应的第二明度值大于所述另一对角线对应的第二明度值，则将所述一对角线作为车道线段；若一对角线对应的第一明度值大于另一对角线对应的第一明度值且所述一对角线对应的第二明度值小于或等于所述另一对角线对应的第二明度值，或一对角线对应的第一明度值小于或等于另一对角线对应的第一明度值且所述一对角线对应的第二明度值大于所述另一对角线对应的第二明度值，则计算所述一对角线的第一明度值和第二明度值之和，同时计算所述另一对角线的第一明度值和第二明度值之和；将第一明度值和第二明度值之和较大的对角线作为车道线段。4.根据权利要求1所述的车道线检测方法，其特征在于，所述根据所述候选检测区域的左对角线或右对角线，得到车道线段之后，进一步包括：分别计算各车道线段的长度；若一车道线段的长度小于或等于预设的长度阈值，则过滤所述一车道线段。5.根据权利要求1所述的车道线检测方法，其特征在于，所述对满足预设的合并条件的车道线段进行合并，得到合并线段具体为：分别根据各车道线段的斜率绝对值，计算各车道线段与X轴的夹角，其中，X轴方向为图片的宽度方向，Y轴方向为图片的高度方向；若一车道线段与X轴的夹角大于或等于45
°
，则将所述一车道线段加入第一集合，否则将所述一车道线段加入第二集合；将所述第一集合中满足预设的合并条件的车道线段进行合并，得到第一合并线段，同时将所述第二集合中满足预设的合并条件的车道线段进行合并，得到第二合并线段。6.根据权利要求5所述的车道线检测方法，其特征在于，所述将所述第一集合中满足预设的合并条件的车道线段进行合并，得到第一合并线段具体为：遍历所述第一集合，依次从所述第一集合中获取一车道线段，作为当前车道线段；遍历所述第一集合中当前车道线段之后的各车道线段，依次从所述当前车道线段之后的...

【专利技术属性】
技术研发人员：袁炳杰，梅汇伟，许国锐，
申请(专利权)人：厦门汇利伟业科技有限公司，
类型：发明
国别省市：