[发明专利]一种车道线检测方法及其系统

说明书

本发明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，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。

技术领域

本发明涉及汽车自动驾驶技术领域，具体涉及一种车道线检测方法及其系统。

背景技术

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。

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。

发明内容

本发明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。

为了实现本发明目的，根据本发明第一方面，本发明实施例提供获取车辆前方道路图像；

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。

优选地，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。

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：

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。

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：

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。

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：