[发明专利]一种基于VBAI平台建模的车道线视觉识别方法和系统在审

专利信息
申请号: 202010582198.4 申请日: 2020-06-23
公开(公告)号: CN111881748A 公开(公告)日: 2020-11-03
发明(设计)人: 李梦 申请(专利权)人: 安徽信息工程学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/34;G06K9/40
代理公司: 北京恒泰铭睿知识产权代理有限公司 11642 代理人: 王肖林
地址: 241000 安徽省芜*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 vbai 平台 建模 车道 视觉 识别 方法 系统
【权利要求书】:

1.一种基于VBAI平台建模的车道线视觉识别方法,其特征在于,所述方法包括:

获取车辆前方的路面图像;

对所述路面图像进行预处理以获得其对应的二值化图像;

根据预二值化图像以及所述路面图像的获取点位置确定坐标原点,以建立笛卡尔坐标系;

以所述坐标原点为圆心间隔设置多条灰度采集射线;其中,

当所述灰度采集射线上的灰度值发生突变,且高于预设灰度阈值时,获得灰度变化的边缘点;

对获取的多个所述边缘点进行直线拟合处理以获取车道线。

2.根据权利要求1所述的基于VBAI平台建模的车道线视觉识别方法,其特征在于,所述对所述路面图像进行预处理包括以下步骤:

对所述实时图像进行灰度化处理;

对灰度化处理后的图像进行一次图像降噪处理;

采用大津算法对实时变化的单帧图像进行分析与运算,自动获得动态最优分割阈值,以实现对车道线目标与背景的二值化处理;

对所述二值化处理后的图像进行二次图像降噪处理。

3.根据权利要求2所述的基于VBAI平台建模的车道线视觉识别方法,其特征在于,所述一次图像降噪处理和所述二次图像降噪处理都是采用High Details(高亮细节)卷积高亮滤波进行处理的。

4.根据权利要求3所述的基于VBAI平台建模的车道线视觉识别方法,其特征在于,所述High Details(高亮细节)卷积高亮滤波中的Kernel Size设置为7。

5.根据权利要求1所述的基于VBAI平台建模的车道线视觉识别方法,其特征在于,所述对获取的多个所述边缘点进行直线拟合处理以获取车道线之后,所述方法还包括:

运行LabVIEW底层开发环境,建立项目或VI程序;

选择开发工具包Development Toolkit,构建API的脚本;

分别设计程序模块以实现VI编程环境中状态机条件循环的连续运行。

6.一种基于VBAI平台建模的车道线视觉识别系统,其特征在于,所述系统包括:

图像获取模块,用于获取车辆前方的路面图像;

图像预处理模块,用于对所述路面图像进行预处理以获得其对应的二值化图像;

车道线获取模块,用于执行以下步骤:

根据预二值化图像以及所述路面图像的获取点位置确定坐标原点,以建立笛卡尔坐标系;

以所述坐标原点为圆心间隔设置多条灰度采集射线;其中,

当所述灰度采集射线上的灰度值发生突变,且高于预设灰度阈值时,获得灰度变化的边缘点;

对获取的多个所述边缘点进行直线拟合处理以获取车道线。

7.根据权利要求6所述的基于VBAI平台建模的车道线视觉识别系统,其特征在于,所述图像预处理模块包括:

灰度化模块,用于对所述实时图像进行灰度化处理;

一次降噪模块,用于对灰度化处理后的图像进行一次图像降噪处理;

二值化处理模块,采用大津算法对实时变化的单帧图像进行分析与运算,自动获得动态最优分割阈值,以实现对车道线目标与背景的二值化处理;

二次降噪模块,用于对所述二值化处理后的图像进行二次图像降噪处理。

8.根据权利要求7所述的基于VBAI平台建模的车道线视觉识别系统,其特征在于,所述一次降噪模块和所述二次降噪模块都采用High Details(高亮细节)卷积高亮滤波。

9.根据权利要求8所述的基于VBAI平台建模的车道线视觉识别系统,其特征在于,所述High Details(高亮细节)卷积高亮滤波中的Kernel Size设置为7。

10.根据权利要求6所述的基于VBAI平台建模的车道线视觉识别系统,其特征在于,所述系统还包括:

API脚本调用模块,用于运行LabVIEW底层开发环境,建立项目或VI程序;选择开发工具包Development Toolkit,构建API的脚本;模块以实现VI编程环境中状态机条件循环的连续运行。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽信息工程学院,未经安徽信息工程学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010582198.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top