[发明专利]线检测方法和线检测设备

说明书

本公开涉及一种基于模型的线检测方法和线检测设备。所述线检测方法包括：从输入的当前帧图像提取线特征；基于提取的所述线特征，执行线模型的初始化；基于提取的所述线特征以及初始化的所述线模型，更新所述线模型；以及根据更新的所述线模型，确定检测到的线。根据本公开的线检测方法和线检测设备，其能够克服噪声对于车道线检测的影响，并且相对于分别检测车道线和道路标记的传统检测方法显著地节约时间和处理开销。

技术领域

本公开涉及图像处理领域，更具体地，本公开涉及一种基于模型的线检测方法和线检测设备。

背景技术

线检测技术在图像处理领域有着广泛的应用，例如，车道线检测是线检测技术的一个重要应用。

在执行车道线检测时，路面上的道路标记(诸如箭头、斑马线等)将影响车道线检测准确性。为了克服道路标记对于车道线检测的影响，当前的解决方案包括前处理方式和后处理方式。在前处理方式中，道路标记检测和识别是与车道线检测完全独立的过程，这样的两个独立图像处理过程导致时间和处理开销的增加。在后处理方式中，基于道路标记与车道线之间的差异从待检测图像中移除道路标记，这样的图像处理过程比较困难并且易受图像中噪声的影响。

因此，希望提供一种更加鲁棒和高效的线检测方法和线检测设备，其能够克服噪声对于车道线检测的影响，并且相对于分别检测车道线和道路标记的传统检测方法显著地节约时间和处理开销。

发明内容

鉴于上述问题，本公开提供一种基于移除道路标记的车道线模型的直接检测的线检测方法和线检测设备。

根据本公开的一个实施例，提供了一种线检测方法，包括：从输入的当前帧图像提取线特征；基于提取的所述线特征，执行线模型的初始化；基于提取的所述线特征以及初始化的所述线模型，更新所述线模型；以及根据更新的所述线模型，确定检测到的线。

此外，根据本公开的一个实施例的线检测方法，其中所述输入的当前帧图像包括视差图像和灰度图像，所述线特征包括特征点和特征线段，并且所述特征线段由所述特征点拟合获得。

此外，根据本公开的一个实施例的线检测方法，其中所述基于提取的所述线特征，执行线模型的初始化包括：获取所述提取的所述线特征；获取预定的线模型；随机选取所述线特征，计算所述预定的线模型的模型参数、支撑点数和代价函数；以及确定满足预定条件并且具有使支撑点数最大并且代价最小的模型参数的线模型，作为初始化的所述线模型。

此外，根据本公开的一个实施例的线检测方法，其中所述确定满足所述预定条件包括：确定基于所述线模型的每条线满足不同区域的相互匹配条件；以及确定基于所述线模型的各条线满足宽度限制条件。

此外，根据本公开的一个实施例的线检测方法，其中所述确定基于所述线模型的每条线满足不同区域的相互匹配条件包括：将基于所述线模型的每条线分为多个区域；计算所述每条线在所述多个区域中的每个区域中具有的特征点数目；对于所述每条线，确定所述特征点数目大于预定特征点数目阈值的区域的区域数目；以及确定所述区域数目大于预定区域数目阈值的线满足不同区域的相互匹配条件。

此外，根据本公开的一个实施例的线检测方法，其中所述确定基于所述线模型的各条线满足宽度限制条件包括：对由提取的所述线特征构成的特征图像进行逆透视变换，以获得逆透视变换图像；对于所述逆透视变换图像中的每条线计算到预定特征点的宽度，以获得宽度直方图；确定具有大于预定峰值阈值的峰值的线满足宽度限制条件。

此外，根据本公开的一个实施例的线检测方法，其中所述基于提取的所述线特征以及初始化的所述线模型，更新所述线模型包括：基于提取的所述线特征，执行梯度下降或者高斯-牛顿方法更新所述线模型的模型参数。