[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
| 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 | ||
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。
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。





