【技术实现步骤摘要】
本申请涉及车道线识别，具体涉及一种车道线辅助识别方法与装置。
技术介绍
1、自动驾驶车辆中的车道线识别技术是实现车辆自主导航和路径规划的关键组成部分。它利用计算机视觉和机器学习技术来检测和识别道路上的车道线，以帮助车辆保持正确的车道并进行安全驾驶。在车道线识别过程中，计算机视觉是指通过计算机对图像和视频进行理解和分析的领域。在车道线识别中，计算机视觉的技术被用于车道线检测、跟踪和识别。传统的计算机视觉方法包括边缘检测、霍夫变换、特征匹配等，这些方法提供了车道线识别的基础算法。
2、虽然计算机视觉应用在车道线识别上已经有一段时间了，但是仍然存在一些客观问题，比如图像噪声问题严重；面对不同光照强度照射导致识别准确度下降；道路几何结构复杂，容易导致目标感兴趣区域提取准确度下降进而降低车道线识别准确度等问题。本专利针对上述问题提出了新的解决办法，可以有效提高车道线识别的准确度。
技术实现思路
1、本申请提供一种车道线辅助识别方法、装置、设备及计算机可读存储介质，以提高车道线识别精度。
2、第一方面，本申请实施例提供一种车道线辅助识别方法，所述方法包括：
3、获取车道线图像，对所述车道线图像进行除噪处理，得到除噪后的车道线图像与图像各部分像素值；
4、将所述除噪后的车道线图像，按包含车道线信息进行划分多个区域，将完全包含车道线信息的部分划分为第一感兴趣区域roi，将完全不包含车道线信息的部分划分为第三roi，将第一roi与第三roi之间划分为第
5、对第二roi补偿光照强度，得到补偿光强后的第二roi；
6、将所述补偿光强后的第二roi与第一roi拼接生成目标roi区域，基于所述目标roi区域，进行车道线辅助识别。
7、一些实施例中，所述对所述车道线图像进行除噪处理，得到除噪后的车道线图像与图像各部分像素值，包括：
8、通过快速近似双边滤波，得到快速近似双边滤波结果输入值；
9、通过高斯滤波，得到高斯滤波结果输入值；
10、根据公式：
11、o(x，y)＝α*o_b(x,y)+(1-α)*o_g(x,y)
12、得到最终输出的像素值o(x，y)，其中α为权重系数，o_b(x,y)为快速近似双边滤波结果输入值，o_g(x,y)为高斯滤波结果输入值。
13、一些实施例中，所述对第二roi补偿光照强度，得到补偿光强后的第二roi，包括：
14、将所述第二roi通过设定像素阈值将图像分割成偏亮区域与偏暗区域，对所述偏亮区域与偏暗区域，分别进行直方图均衡化处理补偿光照强度，得到补偿光强后的第二roi；
15、一些实施例中，所述将所述第二roi通过设定像素阈值将图像分割成偏亮区域与偏暗区域，包括：
16、根据像素灰度级预设阈值，大于像素灰度级预设阈值的划分为明亮区域，小于像素灰度级预设阈值的划分为暗区域；
17、第二方面，本申请实施例提供了一种车道线辅助识别装置，所述装置包括：
18、采集单元，其用于获取车道线图像，对所述车道线图像进行除噪处理，得到除噪后的车道线图像与图像各部分像素值；
19、处理单元，其用于将所述除噪后的车道线图像，按包含车道线信息进行划分多个区域，将完全包含车道线信息的部分划分为第一感兴趣区域roi，将完全不包含车道线信息的部分划分为第三roi，将第一roi与第三roi之间划分为第二roi；
20、所述处理单元还用于对第二roi补偿光照强度，得到补偿光强后的第二roi；
21、拼接单元，其用于将所述补偿光强后的第二roi与第一roi拼接生成目标roi区域，基于所述目标roi区域，进行车道线辅助识别。
22、一些实施例中，采集单元用于：
23、通过快速近似双边滤波，得到快速近似双边滤波结果输入值；
24、通过高斯滤波，得到高斯滤波结果输入值；
25、根据公式：
26、o(x，y)＝α*o_b(x,y)+(1-α)*o_g(x,y)
27、得到最终输出的像素值o(x，y)，其中α为权重系数，o_b(x,y)为快速近似双边滤波结果输入值，o_g(x,y)为高斯滤波结果输入值。
28、一些实施例中，处理单元用于：
29、将所述第二roi通过设定像素阈值将图像分割成偏亮区域与偏暗区域，对所述偏亮区域与偏暗区域，分别进行直方图均衡化处理补偿光照强度，得到补偿光强后的第二roi；
30、一些实施例中，处理单元用于：
31、根据像素灰度级预设阈值，大于像素灰度级预设阈值的划分为明亮区域，小于像素灰度级预设阈值的划分为暗区域；
32、第三方面，提供一种计算机设备包括：处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现第一方面任意一项所述的方法。
33、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现第一方面任意一项所述的方法。
34、本申请实施例提供的技术方案带来的有益效果包括：
35、通过获取车道线图像，对所述车道线图像进行除噪处理，得到除噪后的车道线图像与图像各部分像素值；将所述除噪后的车道线图像，按包含车道线信息进行划分多个区域，将完全包含车道线信息的部分划分为第一感兴趣区域roi，将完全不包含车道线信息的部分划分为第三roi，将第一roi与第三roi之间划分为第二roi；对第二roi补偿光照强度，得到补偿光强后的第二roi；将所述补偿光强后的第二roi与第一roi拼接生成目标roi区域，基于所述目标roi区域，进行车道线辅助识别。可以提高识别车道线的精度。
本文档来自技高网...【技术保护点】
1.一种车道线辅助识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种车道线辅助识别方法，其特征在于，所述对所述车道线图像进行除噪处理，得到除噪后的车道线图像与图像各部分像素值，包括：
3.如权利要求2所述的一种车道线辅助识别方法，其特征在于，所述对第二ROI补偿光照强度，得到补偿光强后的第二ROI，包括：
4.如权利要求3所述的一种车道线辅助识别方法，其特征在于，所述将所述第二ROI通过设定像素阈值将图像分割成偏亮区域与偏暗区域，包括：
5.一种车道线辅助识别装置，其特征在于，包括：
6.如权利要求5所述的一种车道线辅助识别方法，其特征在于，采集单元用于：
7.如权利要求6所述的一种车道线辅助识别方法，其特征在于，处理单元用于：
8.如权利要求7所述的一种车道线辅助识别方法，其特征在于，处理单元用于：
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至4中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种车道线辅助识别方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种车道线辅助识别方法，其特征在于，所述对所述车道线图像进行除噪处理，得到除噪后的车道线图像与图像各部分像素值，包括：
3.如权利要求2所述的一种车道线辅助识别方法，其特征在于，所述对第二roi补偿光照强度，得到补偿光强后的第二roi，包括：
4.如权利要求3所述的一种车道线辅助识别方法，其特征在于，所述将所述第二roi通过设定像素阈值将图像分割成偏亮区域与偏暗区域，包括：
5.一种车道线辅助识别装置，其特征在于，包括：
6.如权利要求5所述的一种车道线辅助...
【专利技术属性】
技术研发人员：陈然，强小文，郭启翔，王浩杰，胡晓浩，汪淑平，董庆大，颜聪，万会平，罗静慧，胡函非，洪星，王泽熙，
申请(专利权)人：东风汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。