[发明专利]一种车道线识别的方法、装置、可读存储介质和电子设备

说明书

本发明实施例公开了一种车道线识别的方法、装置、可读存储介质和电子设备。本发明实施例通过对车道线区域中的像素点按照颜色聚类，根据聚类数据的中心点确定出不同聚类数据对应的颜色类型，根据聚类数据对应的颜色类型确定出车道线区域中包含的颜色类型，若一个车道线区域中包括黄色和灰色、或者白色和灰色；进而确定出车道线区域中车道线的颜色类型，若车道线区域中包括黄色和灰色，则车道线的颜色类型为黄色，背景区域的颜色类型为灰色；并对所述车道线区域进行二值化处理，根据占比确定车道线的类型，例如，车道线为实线或虚线；通过上述方法，可以准确的确定出车道线区域中的车道线的颜色类型以及车道线的线条类型。

技术领域

本发明涉及无人驾驶领域，具体涉及一种车道线识别的方法、装置、可读存储介质和电子设备。

背景技术

随着无人驾驶技术的兴起，交通场景检测越来越重要，交通场景检测需要达到准确的要求，交通场景检测包括车道线类型的识别，并且，车道线类型的识别是高级驾驶辅助系统(Advanced Driver Assistance System，ADAS)的核心，车道线类型从色彩区分为白线和黄线，从线的类型区分为实线和虚线。

现有技术中，通过选取固定的色彩空间中的色彩范围对图像中的黄线和白线进行区分，通过神经网络模型对图像进行分割来实现虚线和实线的识别；由于不同的天气、或不同的相机获取到的图像具有色彩差异，因此采用固定的色彩范围无法对图像中的黄白灰像素点进行准确的区分，例如，实际色彩为灰色，但是由于天气的影响，拍摄到的图像中实际色彩为灰色部分在图像中的像素点却落在白色的色彩范围内，识别为白色，造成了色彩差异，进而无法对黄线和白线进行区分；并且图像分割时采用按颜色分割的方式，由于颜色判断的不准确，图像分割也不准确，进而确定出的虚线和实线也不准确。

发明内容

有鉴于此,本发明实施例提供了一种车道线识别的方法、装置、可读存储介质和电子设备，准确的对图像中的车道线类型进行识别。

第一方面，本发明实施例提供了一种车道线识别的方法，该方法包括：在目标图像中获取至少一个车道线区域，其中，所述车道线区域包括车道线以及车道线左右两侧设定范围内的背景区域；确定每个所述车道线区域内的全部像素点；按照设定算法对所述全部像素点按照颜色进行聚类，确定至少两簇聚类数据；确定所述至少两簇聚类数据的中心点与至少三个标定像素单点的欧几里得距离；根据所述欧几里得距离确定所述至少两簇聚类数据的颜色类型；根据所述颜色类型确定每簇聚类数据的标签；根据所述每簇聚类数据的标签对所述车道线区域进行二值化处理，确定所述车道线区域内车道线的类型。

优选地，该方法还包括：根据所述车道线区域内的全部像素点生成RGB色彩空间数据库，其中，所述RGB色彩空间数据库包括每个像素点对应的RGB数值。

优选地，所述按照设定算法对所述全部像素点按照颜色进行聚类，确定至少两簇聚类数据，具体包括：根据所述RGB色彩空间构建三维坐标系；将所述RGB色彩空间数据库中的数据在所述三维坐标系下进行聚类；确定至少两簇聚类数据。

优选地，所述标定像素单点包括灰色基值像素单点、白色基值像素单点、以及黄色基值像素点。

优选地，所述根据所述欧几里得距离确定所述至少两簇聚类数据的颜色类型，具体包括：确定每簇聚类数据的中心点与所述至少三个标定像素单点的欧几里得距离中的最小值；将所述最小值对应的标定像素单点的颜色类型确定为所述每簇聚类数据的颜色类型。

优选地，该方法还包括：根据所述至少两簇聚类数据的颜色类型确定所述车道线区域包括的车道线的颜色类型。

优选地，所述根据所述颜色类型确定每簇聚类数据的标签，具体包括：将第一类所述颜色类型对应的像素点的标签设置为第一类标签，其中，所述第一类所述颜色类型为黄色或白色；将第二类所述颜色类型对应的像素点的标签设置为第二类标签，其中，所述第二类所述颜色类型为灰色。