CN108205667A - 车道线检测方法及装置、车道线检测终端、存储介质 - Google Patents

Abstract

本发明揭示了一种车道线检测方法及装置、车道线检测终端、计算机可读存储介质，涉及辅助驾驶技术领域，该方案包括：获取包含车道线的路面图像，将路面图像划分为多个子模块；根据子模块中特征像素点的像素值，计算子模块的特征值；从多个子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，路面图像中除前景区域外的其他区域作为背景区域；对前景区域进行二值化处理，背景区域的像素值置零，得到路面图像的二值化图像；在二值化图像中提取代表车道线的直线。该方案可以得到前景像素明显的二值化图像，基于该二值化图像进行车道线的检测，由于受到背景像素干扰小，可以准确提取到车道线，进而可以提高车道线偏离预警的准确性。

Description

车道线检测方法及装置、车道线检测终端、存储介质

技术领域

本发明涉及辅助驾驶技术领域，特别涉及一种车道线检测方法及装置、车道线检测终端、计算机可读存储介质。

背景技术

车道偏离预警系统是汽车辅助驾驶的一个重要研究内容，该系统通常利用摄像机拍摄汽车前方图像，并且根据图像内容获取车道信息。当车辆与车道的相对位置发生偏移时，能够及时向驾驶员预警，从而避免事故发生。

车道偏离预警系统最重要的一个步骤就是车道线检测，车道线检测中通常将摄像机拍摄的车辆前方的灰度图二值化，并采用hough(霍夫)变换方法检测二值化图像中的直线。具体通过将二值图像中的每一个像素点投影到极坐标空间中，形成hough矩阵，并根据hough矩阵中每个坐标(ρ，θ)的投票数搜索局部极大值，得到极大值对应的二值化图像中的直线。

由于实际道路场景复杂，在光照条件下，道路像素反射不均匀，而且道路两旁常常有阴影分布，道路本身的灰度变化较大，在二值化过程中会出现前景车道线像素过多或检测不到前景车道线像素的情况。例如，如图1所示，图像左侧左车道阴影干扰严重，图像中部光照不均，道路本身灰度变化较大，这种情况对二值化造成极大干扰。对灰度图像采用目前广泛使用的全局阈值二值化方法(如大津法)和局部阈值二值化方法(如Sauvola算法)分别处理，结果如图2和图3所示。全局阈值二值化方法效果很差，整个道路都被标记成前景特征像素(即灰度值为255)，局部阈值二值化方法虽然有一定的改善，前景车道线像素能够提取出来，但是背景道路像素仍然干扰严重，给后续的hough变换带来极大的干扰和计算量。

综上，由于实际道路场景复杂，对于夜间或强光照射下的道路灰度图像，车道线所在区域与其他区域的对比度较低，车道线的像素值与其他区域的像素值较为接近，此时不论采用全局阈值二值化方法(如大津法)或局部阈值二值化方法(如Sauvola法)，所得到的二值化图像中车道线像素点受到背景像素点的干扰严重，进而难以通过霍夫变换准确提取到车道线。

发明内容

为了解决相关技术中存在的对于夜间或强光照射下的道路灰度图像，由于车道线所在区域与其他区域的对比度较低，现有二值化方法所得到的二值化图像中车道线像素点受到背景像素点的干扰严重，进而难以通过霍夫变换准确提取到车道线的问题，本发明提供了一种车道线检测方法。

一方面，本发明提供了一种车道线检测方法，所述方法包括：

获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

在所述二值化图像中提取代表车道线的直线。

进一步的，所述根据所述子模块中特征像素点的像素值，计算所述子模块的特征值，包括：

根据所述子模块中像素点的像素值，确定所述子模块中的特征像素点；

通过计算所述子模块中特征像素点的像素平均值或像素最大值，得到所述子模块的特征值。

进一步的，从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，包括：

从所述多个子模块中选取特征值高于第一阈值的子模块，选取的子模块作为备选模块；

对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域；

根据所述聚类区域中子模块的特征值，确定所述聚类区域的组合特征值；

从多个所述聚类区域中选取组合特征值高于第二阈值的聚类区域，选取的所述聚类区域作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，所述第一阈值小于第二阈值。

进一步的，所述对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域包括：

将所述路面图像纵向划分为至少两个目标区域；

根据所述备选模块在所述路面图像中的位置，将所述备选模块划分至所属的目标区域；

对所述目标区域内的备选模块按照特征值进行聚类，将所述目标区域内的备选模块按照聚类结果划分为多个聚类区域。

进一步的，在所述二值化图像中提取代表车道线的直线，包括：

通过霍夫变换对所述二值化图像进行直线检测，获得多条候选直线；

根据所述候选直线在所述路面图像中所占据子模块的个数、所占据子模块的特征值以及所述候选直线的直线投票数，确定所述候选直线的权重；

根据所述候选直线的权重，从多条所述候选直线中选取权重满足预设条件的候选直线作为目标直线，得到所述二值化图像中代表车道线的直线。

进一步的，根据所述候选直线的权重，从多条所述候选直线中选取权重满足预设条件的候选直线作为目标直线，得到所述二值化图像中代表车道线的直线，包括：

根据多条所述候选直线在所述路面图像中的位置，对多条所述候选直线按照所处位置进行分组，形成若干直线集合；

根据直线集合中所包含的候选直线数量，以及待提取的车道线数量，从不同直线集合中选取相同数量的候选直线作为目标直线，所述目标直线在所处直线集合中的权重最高，所述目标直线作为所述路面图像中的车道线。

另一方面，本发明还提供了一种车道线检测装置，所述装置包括：

图像划分模块，用于获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

特征值计算模块，用于根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

前景筛选模块，用于从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

二值化模块，用于对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

直线提取模块，用于在所述二值化图像中提取代表车道线的直线。

进一步的，所述前景筛选模块包括：

备选模块选取单元，用于从所述多个子模块中选取特征值高于第一阈值的子模块，选取的子模块作为备选模块；

区域聚类单元，用于对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域；

区域特征值确定单元，用于根据所述聚类区域中子模块的特征值，确定所述聚类区域的组合特征值；

区域选取单元，用于从多个所述聚类区域中选取组合特征值高于第二阈值的聚类区域，选取的所述聚类区域作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，所述第一阈值小于第二阈值。

另外，本发明还提供了一种车道线检测终端，所述终端包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任意一种车道线检测方法。

此外，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可由处理器执行上述任意一种车道线检测方法。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明提供的技术方案，通过将路面图像划分为多个子模块，并计算每个子模块的特征值，筛选出特征值较高的子模块作为前景区域进行二值化处理，特征值较低的子模块作为背景区域像素值直接置零，从而背景区域不会对前景区域的二值化造成干扰，提高了前景区域车道线所在像素点与其他像素点的对比度，可以得到车道线像素点更加明显的二值化图像，基于该二值化图像进行车道线的检测，由于受到背景像素点干扰小，从而可以准确提取到车道线，进而可以提高车道线偏离预警的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是受到光照影响时拍摄的路面灰度图像；

图2是采用现有的大津法对图1的路面灰度图像进行二值化的结果示意图；

图3是采用现有的Sauvola算法对图1的路面灰度图像进行二值化的结果示意图；

图4是根据一示例性实施例示出的一种车道线检测方法的流程图；

图5是一种示例性实施例示出的将路面图像划分成若干子模块的划分方式示意图；

图6是图4对应实施例的步骤420的细节流程图；

图7是一种示例性实施例示出的划分前景区域和背景区域的示意图；

图8是采用本发明提供的方法进行二值化处理后的结果示意图；

图9是图4对应实施例的步骤430的细节流程图；

图10是一种示例性实施例示出的通过备选模块形成聚类区域的方式示意图；

图11是在图9对应实施例的基础上另一示例性实施例提供的车道线检测方法的流程图；

图12是一示例性实施例示出对目标区域内的备选模块进行聚类的原理示意图；

图13是图4对应实施例的步骤450的细节流程图；

图14是一种示例性实施例示出的确定候选直线所占据子模块数量的原理示意图；

图15是图13对应实施例的步骤453的细节流程图；

图16是采用本发明提供的方法对图1所示路面灰度图像进行车道线检测的结果示意图；

图17是根据一示例性实施例示出的一种车道线检测装置的框图；

图18是图17对应实施例的前景筛选模块的细节框图；

图19是本发明示例性实施例提供的一种车道线检测终端的结构示意图。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图4是根据一示例性实施例示出的一种车道线检测方法的流程图。该车道线检测方法的适用范围和执行主体，例如，该方法用于下述实施例中的车道线检测终端。如图4所示，该车道线检测方法可以包括以下步骤。

在步骤410中，获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

其中，路面图像可以是车道线检测终端中摄像头组件采集的二维图像，该图像中包含待检测的车道线。其中，摄像头组件采集的图像可以是二维图像可以是彩色图像，根据需要可以将彩色图像转换为灰度图像，将该灰度图像作为路面图像。

可选的，可以根据灰度图像中消失点(平行直线消失于远处的点)的坐标，从灰度图像中截取ROI(感兴趣)区域，即道路区域，将截取的ROI区域作为路面图像。

如图5所示，可以将路面图像划分为多个子模块501，每个子模块501的形状可以为任意形状，如矩形、梯形，平行四边形等与车道线形状类似的形态，还可以是其他不规则形状。每个子模块501的尺寸可以相同也可以不同，具体可以根据车道线在图像分布位置的经验值(由跟踪数据或统计数据获取)设定子模块的形状和尺寸。例如，子模块501可以设置成矩形，在路面图像中间位置的子模块尺寸可以大一点，在路面图像中间位置两侧的子模块尺寸可以小一点。在一种实施例中，可以将路面图像划分为尺寸相同且形状相同的N个子模块501。

在步骤420中，根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

其中，特征像素点是指当前子模块中梯度高的像素点或灰度大的像素点，也就是强特征像素点。逐个扫描每个子模块，可以对每个子模块中的特征像素点进行标记，然后根据当前子模块中所有特征像素点的像素值，通过计算所有特征像素点的像素值的平均值，将该平均值作为当前子模块的特征值。根据需要，还可以计算当前子模块中所有特征像素点的像素值的中值、最大值或众数，将其作为当前子模块的特征值。

在一种示例性实施例中，如图6所示，上述步骤420具体包括：

在步骤421中，根据所述子模块中像素点的像素值，确定所述子模块中的特征像素点；

确定子模块中的特征像素点的方法可以根据该子模块的梯度或灰度，以最高梯度或最大梯度作为特征像素点；或者求取子模块平均梯度值或灰度值，或者请求子模块梯度值或灰度值的方差，并根据子模块中每个像素点的像素值与均值或方差的大小关系保留一定比例的像素点作为特征像素点。举例来说，根据子模块中每个像素点的像素值，保留像素值大于均值的像素点中30％的像素点作为特征像素点，或者保留方差最大的前20％的像素点作为特征像素点，从而每个子模块均有一定数量的特征像素点。

假设某个子模块中像素点的像素值为230、180、90、215、80、150、175，则可以计算出均值为160，大于均值的像素点为230、180、215、175，则取这些像素点中前30％的像素点作为特征像素点，此例中可以取230。相对均值160，方差较大的前20％的像素点是230。由于实际每个子模块存在的像素点较多，通过这种方式可以找出每个子模块中多个特征像素点。这些像素点是该子模块中像素值较大的像素点。

以子模块梯度为例，按照梯度值从大到小对各像素点进行排序，假设第K个子模块的像素点总数为S_pixel，选取排序靠前的R_grad％*S_pixel个像素点作为该子模块的特征像素点，R_grad％为预设的特征像素点比例。假设第K个子模块的像素点总数是2000个，R_grad％取值为10％，也就是说，将按照梯度值排序的各像素值，选取排序靠前的200(即10％×2000)个像素点作为特征像素点。

在步骤422中，通过计算所述子模块中特征像素点的像素平均值或像素最大值，得到所述子模块的特征值。

在得到每个子模块的特征像素点后，可以通过计算当前子模块中所有特征像素点的像素值的均值或最大值，将该均值或最大值作为当前子模块的特征值。

在一种实施例中，确定每个子模块的特征像素点后，计算各子模块的特征值，特征值求取以特征像素点的像素均值为例，比如，第K个子模块的特征像素点有S_eigen个，该子模块特征值gred(p)表示第p个特征像素点的像素值。

在步骤430中，从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

具体的，可以根据每个子模块的特征值，对所有子模块按照特征值由高到低进行排序，将排序靠前的一定比例的子模块(即特征值高于阈值的子模块)作为前景区域。由于车道线所在位置的像素值高于其他区域的像素值，通过筛选出特征值较高的子模块，也就是说可以筛选出车道线所在的子模块，因此由这些子模块构成的前景区域是包含车道线的区域。而路面图像中除前景区域外的其他区域可以认为是背景区域。背景区域是指不包含车道线的区域。

如图7所示，从所有子模块中筛选出特征值高于阈值的子模块，作为前景区域701，将路面图像中除前景区域701以外的区域作为背景区域702。

在步骤440中，对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

需要说明的是，按照理论，车道线所在区域相对路面其他区域的灰度值应相差较大，路面除车道线以外的区域应灰度值近似，从而利于准确提取出车道线，但是由于实际道路场景复杂，路面受到光照不均匀，从而导致道路本身灰度变化较大，正常车道线的像素梯度较低。假设正常情况下车道线所在区域的像素值应该接近210，而路面其他区域的像素值应该接近90，此时车道线像素梯度较高，利于与路面其他区域进行区分；当路面光照不均匀时，路面其他区域像素值呈现60-190的变化，则部分路面区域与车道线像素值较为接近，车道线像素梯度降低，即存在较多的背景道路像素点对车道线像素点造成干扰。因此采用现有的全局二值化方法和局部二值化方法得到的二值化图像，受到背景道路像素干扰严重，从而无法准确从中提取车道线。

本发明首先去掉了像素值较低的子模块(即背景区域)，对这些子模块不再参与二值化，而是直接将其像素点的像素值标记为0，避免对其他子模块的二值化造成干扰。对于像素值较高的子模块(即前景区域)，仅对前景区域进行二值化处理，从而前景区域的二值化处理结果受到背景道路像素的干扰小。

其中，二值化处理是指将前景区域上的像素点的灰度值设置为0或255，也就是将前景区域呈现出明显的只有黑和白的视觉效果。具体的，可以根据前景区域中每个子模块的特征值，将像素值大于当前子模块特征值的像素点灰度值设置为255，其他像素点灰度值设置为0。背景区域内的像素点的灰度值设置为0，即背景区域的像素值置零。二值化后的前景区域和置零后的背景区域构成路面图像的二值化图像。如图8所示，为采用本发明所提供的方案进行二值化处理后的二值化图像示意图。

在步骤450中，在所述二值化图像中提取代表车道线的直线。

具体的，可以通过现有的直线检测算法，从二值化图像中提取代表车道线的直线。举例来说，可以通过霍夫变换直线检测算法将该二值化图像中的非0像素点投影到极坐标空间中，形成霍夫矩阵，并根据霍夫矩阵中每个坐标的投票数寻找局部极大值，将极大值坐标对应的二值化图像中的直线作为车道线，具体过程可参考现有技术。

本发明提供的技术方案，通过将路面图像划分为多个子模块，并计算每个子模块的特征值，筛选出特征值较高的子模块作为前景区域进行二值化处理，从而特征值较低的子模块不会对前景区域的二值化造成干扰，进而可以得到前景像素明显的二值化图像，基于该二值化图像进行车道线的检测，由于受到背景像素干扰小，可以准确提取到车道线，进而可以提高车道线偏离预警的准确性。

进一步的，如图9所示，上述步骤430具体包括：

在步骤431中，从所述多个子模块中选取特征值高于第一阈值的子模块，选取的子模块作为备选模块；

其中，备选模块是指特征值高于第一阈值的子模块。具体的，可以对所有子模块按照其特征值进行排序。为降低计算量，可以仅保留特征值高于阈值T(即第一阈值)的M个子模块，保留的M个子模块作为备选模块。参照图10所示，每个小矩形代表一个子模块，筛选出特征值高于第一阈值的子模块作为备选模块1004，即图10所示的阴影矩形。

在步骤432中，对不同备选模块按照特征值进行聚类，将按照聚类结果将不同备选模块划分成多个聚类区域；

需要解释的，按照特征值进行聚类是指根据每个备选模块的特征值，将特征值接近的备选模块作为一类。其中，聚类结果是指哪些备选模块属于特征值接近的同一类。聚类区域是指将特征值接近的备选模块标记为同一个区域。通过将特征值接近的备选模块标记为同一个聚类区域，进而可以将所有备选模块划分为多个聚类区域。其中，特征值相近可以利用均值或方差等方式进行判断。例如方差较小时表示特征值接近。

如图10所示，将特征值接近的备选模块1004归为同一类，第一聚类区域101包括特征值在第一范围内的多个备选模块1004，第二聚类区域102包括特征值在第二范围内的多个备选模块1004。例如将特征值80-100的备选模块1004标记为第二个聚类区域102，将特征值100-120的备选模块1004标记为第一个聚类区域101。

在步骤433中，根据所述聚类区域中子模块的特征值，确定所述聚类区域的组合特征值；

具体的，根据某一聚类区域内各子模块的特征值，可以通过计算各子模块的特征值的平均值或最大值，作为该聚类区域的组合特征值。如图10所示，计算第一聚类区域101内所有备选模块1004的特征值的均值，将该均值作为第一聚类区域101的组合特征值。计算第二聚类区域102内所有备选模块1004的特征值的均值，将该均值作为第二聚类区域102的组合特征值。

在步骤434中，从多个所述聚类区域中选取组合特征值高于第二阈值的聚类区域，选取的所述聚类区域作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，所述第一阈值小于第二阈值。

需要说明的是，第一阈值小于第二阈值，目的是进一步对子模块进行筛选，减少前景特征像素。根据车道线的图像区域特征通过经验确定第二阈值。根据每个聚类区域的组合特征值，筛选出组合特征值高于第二阈值的聚类区域，将筛选出的这些聚类区域作为前景区域，对前景区域进行二值化。路面图像中除前景区域以外的其他区域作为背景区域，将背景区域的像素点灰度值设置为0。

这种方式既可以防止二值化处理后产生过多的特征像素，又能够解决光照不均时正常车道线梯度低，难以检测的问题。

如图10所示，假设第一聚类区域101的组合特征值为110，大于第二阈值(例如100)，而第二聚类区域102的组合特征值(例如90)小于第二阈值，则第一聚类区域101属于前景区域，除第一聚类区域101以外的所有区域(包括第二聚类区域102)均属于背景区域。对前景区域进行二值化，将背景区域灰度置0，进而可以在前景区域检测到车道线1003。

在一种示例性实施例中，如图11所示，步骤432，对不同备选模块按照特征值进行聚类，将按照聚类结果将不同备选模块划分成多个聚类区域包括：

在步骤1101中，将所述路面图像纵向划分为至少两个目标区域；

由于路面图像左右两侧的灰度不均匀，如图12所示，通过区域分界线将路面图像纵向划分为左右两个目标区域。子模块被区域分割线划分为两个部分。此时可以分别从左右两个目标区域中进行车道线提取。

在步骤1102中，根据所述备选模块在所述路面图像中的位置，将所述备选模块划分至所属的目标区域；

以两个目标区域为例，根据备选模块在路面图像中的位置，将所有备选模块归属至两个目标区域。具体的，将当前目标区域内的备选模块归属至当前目标区域，若某个备选模块占据两个目标区域，则可以根据其面积分布比例或内部特征像素点分布情况确定该备选模块归属的目标区域。例如某个备选模块的60％都在某个目标区域内，则该备选模块属于该目标区域。例如某个备选模块的60％的特征像素点都在某个目标区域内，则该备选模块属于该目标区域。

在步骤1103中，对所述目标区域内的备选模块按照特征值进行聚类，将所述目标区域内的备选模块按照聚类结果划分为多个聚类区域。

将属于同一个目标区域内的备选模块按照特征值进行聚类，也就是说，将一个目标区域内特征值接近的备选模块标记为同一个聚类区域，从而每个目标区域均可以划分出多个聚类区域。如图12所示，假设每个矩形代表一个备选模块，特征值接近的备选模块都被标记为同一个聚类区域，区域分割线左侧有多个聚类区域，区域分割线右侧有多个聚类区域。

如图12所示，通过区域分界线可以将路面图像划分为左右两个目标区域，左侧目标区域内的备选模块被标记为4个聚类区域(即聚类区域1、2、3、4)。其中，聚类区域1中包括3个备选模块。右侧目标区域内的备选模块被合并为3个聚类区域(即合并模块1、2、3)。其中，聚类区域1中包括4个备选模块。之后可以分别对两个目标区域内的聚类区域进行筛选，每个目标区域保留组合特征值较高的前3个聚类区域，保留的聚类区域作为前景区域，进行二值化处理。

在一种示例性实施例中，如图13所示，上述步骤450具体包括：

在步骤451中，通过霍夫变换对所述二值化图像进行直线检测，获得多条候选直线；

需要说明的是，由于路面图像中可能有多条非车道线的直线，如道路边界、防护栏等。这些直线对车道线检测造成强干扰，所检测到的直线可能高于正确的车道线数量。由此，通过霍夫变换直接从二值化图像中检测出的直线可以认为是车道线的候选直线，需要对这些候选直线进行筛选，去除道路边界和防护栏对应的直线。

在步骤452中，根据所述候选直线在所述路面图像中所占据子模块的个数、所占据子模块的特征值以及所述候选直线的直线投票数，确定所述候选直线的权重；

其中，假设候选直线的长度为L，分布在2个子模块中，每个子模块中包含的长度为L/2，此时可以认为该候选直线占据了2个子模块。但是，如果其中一个子模块在Y轴方向上的宽度为大于等于L，可以认为该候选直线只占据1个子模块。具体的，可以通过上下左右平移子模块，尽可能让候选直线上的所有像素点包含更少的子模块。此时的子模块个数就是候选直线所占据的子模块个数，记为L_sub。第i条候选直线占据的子模块个数可以记为L_sub(i)。

如图14所示，假设候选直线长度为h，每个子模块宽度为H，此时候选直线一部分在第一个子模块，一部分在第二个子模块。假设h小于等于H，直接说候选直线需要占据两个子模块就不对，因为一个子模块宽度H就已经大于h。因此可以将第二个子模块向上平移，认为候选直线只需处于一个子模块，或者第一个子模块向下平移，认为候选直线只需处于一个子模块，尽可能让候选直线上的所有像素点包含更少的子模块。

其中，候选直线所占据子模块的特征值，是指候选直线所分布的子模块的特征值，记为T_eigen。第i条候选直线所占据的第t个子模块对应的特征值可以记为

其中，候选直线的直线投票数是指在霍夫矩阵中候选直线对应参数坐标的出现次数，可以记为count。

具体的，第i条候选直线的权重可以根据权重W_count综合确定，例如将W_count三个权重进行相乘或相加。表示所占据子模块个数的权重、所占据子模块特征值的权重、W_count表示直线投票数的权重。举例来说，占据a个子模块时，所占据子模块个数的权重可以记为a。直线投票数为b时，直线投票数的权重W_count可以记为b。当所占据子模块的特征值为50～70时，所占据子模块特征值的权重为1，当所占据子模块的特征值为70～90时，所占据子模块特征值的权重为2，以此类推进行赋值。

需要说明的是，当第i条直线占据不止一个子模块时，所占据子模块特征值的权重可以是所占据的每个子模块特征值的权重之和。

在一种示例性实施例中，第i条候选直线占据的子模块数量为L_sub(i)个，第t个子模块对应的特征值为第i条候选直线的权重W_i根据权重 和W_count确定，计算方式以下面公式为例：

在步骤453中，根据所述候选直线的权重，从多条所述候选直线中选取权重满足预设条件的候选直线作为目标直线，得到所述二值化图像中代表车道线的直线。

其中，预设条件可以是选取权重大于预设值的候选直线，选取权重较大的一定比例的候选直线，选取权重最大的前x条直线。在一种实施方式中，可以根据每条候选直线的权重，对候选直线按照权重大小进行排序，假设需要输出的直线数量为x条，则输出排序靠前的前x条候选直线，得到二值化图像中的车道线。在另一种实施方式中，可以直接输出权重大于预设值的候选直线。

在一种示例性实施例中，如图15所示，步骤453具体包括：

在步骤4531中，根据多条所述候选直线在所述路面图像中的位置，对多条所述候选直线按照所处位置进行分组，形成若干直线集合；

以需要输出两条车道为例，可以将路面图像通过一条区域分界线纵向分为左右两个目标区域，根据候选直线在路面图像中位置，可以将同一个目标区域内的候选直线作为一个组，另一个目标区域内的候选直线作为第二个组，即将候选直线分为两组，得到两个直线集合。每个直线集合中候选直线数量记为z，

根据需要，可以将路面图像通过两条区域分界线将路面图像纵向划分为3个目标区域，将同一个目标区域内的候选直线作为一个组。

依次类推，可以将路面图像通过n条区域分割线将路面图像纵向划分为n+1个目标区域，将同一个目标区域内的候选直线作为一个组，即形成一个直线集合。

在步骤4532中，根据直线集合中所包含的候选直线数量，以及待提取的车道线数量，从不同直线集合中选取相同数量的候选直线作为目标直线，所述目标直线在所处直线集合中的权重最高，所述目标直线作为所述路面图像中的车道线。

假设分成c组候选直线，每个分组(即每个直线集合)对应候选直线数为number(c)。假设需要输出的直线数量为L_need，则选取直线的方式为也就是说，对每组候选直线按照权重高低进行排序，根据需要的直线数量，在每组候选直线中选取排序靠前的若干条候选直线作为车道线。

举例来说，分成2组，每组有3条候选直线，需要输出的直线数量为2条时，从第一组选择1条权重最高的候选直线，从第二组中选择一条权重最高的候选直线。如果需要输出的直线数量为4条，从第一组中选择权重最高的前2条候选直线，从第一组中选择权重最高的前2条候选直线。也就是说，每个分组选取的候选直线数量相同，且选取的候选直线时该组内权重最高的候选直线。

假如第j组的直线数number(j)小于该组需要的直线数，则从组输出number(j)条直线，其他分组可以与该组同步减少，也可以按照之前设定的输出直线数输出。也就是说，当某个分组内的候选直线数量较少时，可以基于该分组内的候选直线数量，从每个分组内选取当前数量的直线。

举例来说，当分成2组，第一组有4条候选直线，第二组只有2条候选直线，假设需要输出6条候选直线，正常情况下从第一组中可以选择权重排序靠前的3条候选直线，从第二组中可以选择权重排序靠前的3条候选直线。但是第二组只有2条候选直线，不足3条。此时，可以选择从第一组中选择权重排序靠前的2条候选直线，第二组中也选择2条候选直线。需要说明的是，可以根据需要进行配置，从第一组中选择与第二组中数目相同的候选直线，也可以按照预设需求输出3条直线。

如图16所示，通过霍夫变换检测到3条候选直线，假设仅选取当前车道对应的左右两条车道线，hough变换统计的投票数直线1和直线2近似，难以区分，根据直线1占据子模块数量为2，直线2占据子模块数量为3，且直线2的子模块特征值高于子模块1，因此权重排序靠前的为直线2，则直线2和直线3这两条直线作为最终的输出结果。

上述方式通过计算每条候选直线的权重，可以优先输出权重最高的候选直线，解决道路边界、防护栏等非车道线的直线干扰问题。

下述为本发明装置实施例，可以用于执行本发明上述车道线检测方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明车道线检测方法实施例。

图17是根据一示例性实施例示出的一种车道线检测装置的框图，该车道线检测装置可以用于执行图4、图6、图9、图11、图13、图15任一所示的车道线检测方法的全部或者部分步骤。如图17所示，该装置包括但不限于：图像划分模块1510、特征值计算模块1520、前景筛选模块1530、二值化模块1540、直线提取模块1550。

图像划分模块1510，用于获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

特征值计算模块1520，用于根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

前景筛选模块1530，用于从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

二值化模块1540，用于对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

直线提取模块1550，用于在所述二值化图像中提取代表车道线的直线。

上述装置中各个模块的功能和作用的实现过程具体详见上述车道线检测方法方法中对应步骤的实现过程，在此不再赘述。

可选的，如图18所示，前景筛选模块1530包括但不限于：

备选模块选取单元1531，用于从所述多个子模块中选取特征值高于第一阈值的子模块，选取的子模块作为备选模块；

区域聚类单元1532，用于对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域；

区域特征值确定单元1533，用于根据所述聚类区域中子模块的特征值，确定所述聚类区域的组合特征值；

区域选取单元1534，用于从多个所述聚类区域中选取组合特征值高于第二阈值的聚类区域，选取的所述聚类区域作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，所述第一阈值小于第二阈值。

可选的，本发明还提供一种车道线检测终端，该车道线检测终端可以执行本发明方法实施例中图4、图6、图9、图11、图13、图15任一所示的车道线检测方法的全部或者部分步骤。所述车道线检测终端包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述示例性实施例所述的车道线检测方法。

该实施例中车道线检测终端的处理器执行操作的具体方式已经在有关该车道线检测方法的实施例中执行了详细描述，此处将不做详细阐述说明。

根据需要，该车道线终端还可以包括摄像头组件，摄像头组件与处理器之间通过有线或无线连接。具体的，摄像头组件可以安装在车辆的车头，面向车辆行驶方向，实时采集车辆行驶方向的二维图像。还可以安装在车辆的车尾，实时采集车辆后方的二维图像。摄像头组件将采集的二维图像发送至该处理器。处理器可以采用本发明提供的方案对摄像头组件采集的二维图像进行车道线检测。

根据需要，摄像头组件或处理器还可以将获取的二维图像发送至具备数据处理能力的服务器。服务器可以采用本发明提供的方案对接收的二维图像进行车道线检测，并将车道线检测结果实时返回至车道线检测终端进行显示。

图19为本发明示例性实施例提供的一种车道线检测终端200的结构示意图。如图19所示，车道线检测终端200可以包括以下一个或多个组件：处理组件202，存储器204，电源组件206，多媒体组件208，音频组件210，传感器组件214以及通信组件216。

处理组件202通常控制车道线检测终端200的整体操作，诸如与显示，数据通信，相机操作以及记录操作相关联的操作等。处理组件202可以包括一个或多个处理器218来执行指令，以完成上述方法的全部或部分步骤。存储器204被配置为存储各种类型的数据以支持在车道线检测终端200的操作。这些数据的示例包括用于在车道线检测终端200上操作的任何应用程序或方法的指令。

电源组件206为车道线检测终端200的各种组件提供电力。多媒体组件208包括在所述车道线检测终端200和用户之间的提供一个输出接口的屏幕。音频组件210被配置为输出和/或输入音频信号。在一些实施例中，音频组件210还包括一个扬声器，用于输出音频信号。传感器组件214包括一个或多个传感器，用于为车道线检测终端200提供各个方面的状态评估。通信组件216被配置为便于车道线检测终端200和其他设备之间有线或无线方式的通信。

在示例性实施例中，还提供了一种存储介质，该存储介质为计算机可读存储介质，例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质存储有计算机程序，该计算机程序可由车道线检测终端的处理器执行以完成上述车道线检测方法。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种车道线检测方法，其特征在于，所述方法包括：

获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

在所述二值化图像中提取代表所述车道线的直线。

2.根据权利要求1所述的方法，其特征在于，所述根据所述子模块中特征像素点的像素值，计算所述子模块的特征值，包括：

根据所述子模块中像素点的像素值，确定所述子模块中的特征像素点；

通过计算所述子模块中特征像素点的像素平均值或像素最大值，得到所述子模块的特征值。

3.根据权利要求1所述的方法，其特征在于，从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，包括：

从所述多个子模块中选取特征值高于第一阈值的子模块，选取的子模块作为备选模块；

对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域；

根据所述聚类区域中子模块的特征值，确定所述聚类区域的组合特征值；

从多个所述聚类区域中选取组合特征值高于第二阈值的聚类区域，选取的所述聚类区域作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，所述第一阈值小于第二阈值。

4.根据权利要求3所述的方法，其特征在于，所述对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域包括：

将所述路面图像纵向划分为至少两个目标区域；

根据所述备选模块在所述路面图像中的位置，将所述备选模块划分至所属的目标区域；

对所述目标区域内的备选模块按照特征值进行聚类，将所述目标区域内的备选模块按照聚类结果划分为多个聚类区域。

5.根据权利要求1所述的方法，其特征在于，在所述二值化图像中提取代表所述车道线的直线，包括：

通过霍夫变换对所述二值化图像进行直线检测，获得多条候选直线；

根据所述候选直线在所述路面图像中所占据子模块的个数、所占据子模块的特征值以及所述候选直线的直线投票数，确定所述候选直线的权重；

根据所述候选直线的权重，从多条所述候选直线中选取权重满足预设条件的候选直线作为目标直线，得到所述二值化图像中代表车道线的直线。

6.根据权利要求5所述的方法，其特征在于，根据所述候选直线的权重，从多条所述候选直线中选取权重满足预设条件的候选直线作为目标直线，得到所述二值化图像中代表车道线的直线，包括：

根据多条所述候选直线在所述路面图像中的位置，对多条所述候选直线按照所处位置进行分组，形成若干直线集合；

根据直线集合中所包含的候选直线数量，以及待提取的车道线数量，从不同直线集合中选取相同数量的候选直线作为目标直线，所述目标直线在所处直线集合中的权重最高，所述目标直线作为所述路面图像中的车道线。

7.一种车道线检测装置，其特征在于，所述装置包括：

图像划分模块，用于获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

特征值计算模块，用于根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

前景筛选模块，用于从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

二值化模块，用于对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

直线提取模块，用于在所述二值化图像中提取代表车道线的直线。

8.根据权利要求7所述的装置，其特征在于，所述前景筛选模块包括：

备选模块选取单元，用于从所述多个子模块中选取特征值高于第一阈值的子模块，选取的子模块作为备选模块；

区域聚类单元，用于对不同备选模块按照特征值进行聚类，按照聚类结果将不同备选模块划分成多个聚类区域；

区域特征值确定单元，用于根据所述聚类区域中子模块的特征值，确定所述聚类区域的组合特征值；

区域选取单元，用于从多个所述聚类区域中选取组合特征值高于第二阈值的聚类区域，选取的所述聚类区域作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域，所述第一阈值小于第二阈值。

9.一种车道线检测终端，其特征在于，所述终端包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-6任意一项所述的车道线检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序可由处理器执行完成权利要求1-6任意一项所述的车道线检测方法。