[发明专利]基于DBSCAN算法的车道线检测方法、系统及设备

说明书

本发明公开了基于DBSCAN算法的车道线检测方法、系统及设备，其方法包括：对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像；对待测RGB图像进行边缘提取与二值化，得到第一二值图像；将待测RGB图像转换为Lab图像，再对Lab图像进行边缘提取与二值化，得到第二二值图像；将第一二值图像和第二二值图像进行融合，得到待测二值图像；结合DBSCAN算法和滑动窗口技术对待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集；对若干个边缘像素点集进行曲线拟合，得到对应的若干个车道线。本发明在实现车道线检测任务时无需提前获知车辆周边的车道线数量，同时可以提高检测准确性。

技术领域

本发明涉及计算机技术领域，具体是涉及基于DBSCAN算法的车道线检测方法、系统及设备。

背景技术

车道线检测作为自动驾驶感知领域中的一个基础问题，对驾驶安全性起到关键作用，现有的车道线检测方法通常采用传统图像处理手段或者搭建神经网络深度学习模型进行预测来实现。其中，采用传统图像处理手段具体表现为：先对RGB图像进行灰度化处理后再利用Canny算法执行边缘提取，接着对边缘图像中的感兴趣区域进行选择后再利用霍夫变换算法执行车道线识别，但是这一实施过程需要提前获知车辆周边的车道线数量。关于搭建神经网络深度学习模型进行预测这一实施手段，由于模型训练通常采用国外的KITTI数据集来实现，导致最终训练得到的预测模型对国内道路环境的适用效果较差，对车道线识别的准确性还有待提高。

发明内容

本发明提供基于DBSCAN算法的车道线检测方法、系统及设备，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

第一方面，提供一种基于DBSCAN算法的车道线检测方法，所述方法包括：

对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像；

对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像；

将所述待测RGB图像转换为Lab图像，再对所述Lab图像进行边缘提取与二值化，得到第二二值图像；

将所述第一二值图像和所述第二二值图像进行融合，得到待测二值图像；

结合DBSCAN算法和滑动窗口技术对所述待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集；

对所述若干个边缘像素点集进行曲线拟合，得到对应的若干个车道线。

在一些实施例中，对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像包括：

对原始RGB图像进行下采样和去畸变处理，得到第一RGB图像；

对所述第一RGB图像进行逆透视变换处理，得到待测RGB图像。

在一些实施例中，对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像包括：

根据所述待测RGB图像中的每个像素点所对应的通道分量值，对每个像素点进行灰度化，得到灰度图像；

利用Sobel算子对所述灰度图像进行X轴方向上的边缘提取，得到第一梯度图像；

将所述第一梯度图像中的所有边缘像素点的值设置为1，以及将所述第一梯度图像中的所有非边缘像素点的值设置为0，得到第一二值图像。

在一些实施例中，对所述Lab图像进行边缘提取与二值化，得到第二二值图像包括：

从所述Lab图像中提取出b通道图像，利用Sobel算子对所述b通道图像进行边缘提取，得到第二梯度图像；

将所述第二梯度图像中的所有边缘像素点的值设置为1，以及将所述第二梯度图像中的所有非边缘像素点的值设置为0，得到第二二值图像。