CN108229406A - 一种车道线检测方法、装置及终端 - Google Patents

Abstract

本申请提供一种车道线检测方法、装置及终端，应用于辅助驾驶技术领域，所述方法包括：获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线；确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点；若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。应用该方法，可以排除图像中的障碍物轮廓线对车道线的检测造成的干扰，提高车道线检测结果的准确度。

Description

一种车道线检测方法、装置及终端

技术领域

本申请涉及辅助驾驶技术领域，尤其涉及一种车道线检测方法、装置及终端。

背景技术

车道偏离预警系统可以通过报警的方式辅助驾驶员减少因车道偏离而发生交通事故，而在车道偏离预警系统的工作流程中，车道线检测识别是一项尤其重要的环节。

目前，主要利用车道线的直线特性在道路图像中识别出车道线，具体的，可以对道路图像的灰度图像进行二值化处理，得到二值化图像，然后再利用霍夫线检测方式在该二值化图像上检测出直线，最后，通过直线距离以及倾斜角度这两个参数对检测出的直线进行筛选，以确定出车道线。然而在实际应用中，由于路面上障碍物的干扰，基于霍夫检测算法经常会将障碍物自身的某部分误检测为车道线，导致检测结果并不准确。

发明内容

有鉴于此，为了解决现有技术中受路面障碍物的干扰而无法检测出正确车道线的问题，本申请提供一种车道线检测方法、装置及终端，以实现能够从检测到的候选车道线中确定出准确的车道线，提高车道线检测结果的准确度。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种车道线检测方法，所述方法包括：

获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线；确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点；若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。

可选的，所述第一预设条件为：所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第一差值。

可选的，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点，具体步骤包括：按视差值从小到大变化的方向，划分所述V视差图得到多个子V视差图；在所述子V视差图中，确定所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第二差值，其中，所述第二差值按视差值从小到大变化的方向增大。

根据本申请实施例的第二方面，提供另一种车道线检测方法，所述方法包括：

获取待检测的图像，确定所述图像中的候选车道线，并将所述候选车道线在同一行上的像素点确定为候选像素点；根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点；若所述候选车道线上的干扰像素点所占比例小于预设比值，将所述候选车道线确定为目标车道线。

可选的，所述根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点，具体步骤包括：根据预设半径，确定以目标像素点为中心的邻域，其中所述目标像素点为最大视差值对应的候选像素点；若在所述邻域内除所述目标像素点外不存在其他候选像素点，将所述目标像素点确定为所述干扰像素点。

可选的，所述根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点，具体步骤包括：计算所述候选像素点的视差值的均值和标准差，分别确定所述候选像素点的视差值离散度；若在以最大视差值对应的视差值离散度为中心的邻域内，不包含其他视差值对应的视差值离散度，将所述最大视差值对应的候选像素点确定为干扰像素点。

根据本申请实施例的第三方面，提供一种车道线检测装置，包括：

第一获取模块，用于获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线；有效像素点确定模块，用于确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点；第一目标车道线确定模块，用于若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。

根据本申请实施例的第四方面，提供另一种车道线检测装置，包括：

第二获取模块，用于获取待检测的图像，确定所述图像中的候选车道线，并将所述候选车道线在同一行上的像素点确定为候选像素点；干扰像素点确定模块，用于根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点；第二目标车道线确定模块，用于若所述候选车道线上的干扰像素点所占比例小于预设比值，将所述候选车道线确定为目标车道线。

根据本申请实施例的第五方面，提供一种车道线检测终端，包括存储器、处理器、通信接口、摄像头组件，以及通信总线；其中，所述存储器、处理器、通信接口、摄像头组件通过所述通信总线进行相互间的通信；所述摄像头组件，用于采集待检测图像，并通过所述通信总线将所述待检测图像发送至所述处理器；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的计算机程序，所述处理器执行所述计算机程序时对所述待检测图像实现本申请实施例提供的任一车道线检测方法的步骤。

根据本申请实施例的第六方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的任一车道线检测方法的步骤。

一种方式下，由于车道线是位于道路表面，而障碍物是位于道路之上，基于此可以通过判断检测到的候选车道线是否位于道路表面，来确定该候选车道线是干扰车道线还是目标车道线。本申请提出在V视差图中确定地面相关线，判断与候选车道线上的第一像素点位于同一行上的地面相关线对应的像素点之间视差值的绝对差值，若绝对差值满足第一预设条件，那么该第一像素点为有效像素点，最终根据有效像素点所占比例来确定目标车道线。

另一种方式下，由于车道线位于道路表面，同一水平位置上的车道线对应的像素点的视差值波动不会很大，基于此，本申请提出在视差图中，根据候选车道线在同一行上的候选像素点的视差值，将不满足第二预设条件的视差值对应的像素点确定为干扰像素点，在干扰像素点所占比例小于预设比例情况下，才能将候选车道线确定为目标车道线。

综上所述，本申请提供的车道线检测方法可以避免路面障碍物对车道线的检测造成干扰，提高车道线检测结果的准确度。

附图说明

图1为车载相机拍摄到的道路二值化图像的一种示例；

图2为图1经过霍夫直线检测得到的候选车道线示例图；

图3为图2检测得候选车道线对应的视差分布图；

图4为本申请实施例一的车道线检测方法流程图；

图5为本申请实施例一的第一种方式下确定有效像素点示例图；

图6为本申请实施例一的第二种方式下确定有效像素点示例图；

图7为本申请实施例二的车道线检测方法流程图；

图8为本申请实施例二的确定候选像素点示例图；

图9为本申请车道线检测装置的一个实施例框图；

图10为本申请车道线检测装置的另一个实施例框图；

图11为本申请实施例五的车道线检测终端的一种硬件结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，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申请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、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为了便于理解，在对本发明实施例进行详细的解释说明之前，先对本发明实施例涉及的名词进行解释。

视差图像：通过双目摄像头同一时刻拍摄到的左右两幅图像进行计算得到。其中，左右两幅图像中，一幅图像作为基准图像，另一幅图像作为比较图像。将比较图像中的像素点与基准图像中同Y坐标上的像素点进行匹配，并计算每两个匹配的像素点之间的横坐标之差，该横坐标之差即为两个像素点之间的视差值。将该视差值作为基准图像中该像素点对应的像素值，从而得到与基准图像相同大小的视差图像。

V视差图：是由视差图像经过横向压缩计算得到，保留了视差图的行数，具体的，将视差图像的纵坐标保持不变，横坐标变为视差值，V视差图中每一点(x1，y1)处的像素值为视差图像中纵坐标为y1的像素点中视差值为x1的像素点的总个数。

车道偏离预警系统(Lane Departure Warning System，简称LDWS)是汽车安全辅助驾驶领域的一个重要组成部分，其可以通过报警的方式辅助驾驶员减少甚至避免因车道偏离而发生交通事故，车道线检测识别作为车道偏离预警系统工作流程中的重要环节，其检测结果的准确将直接影响车道偏离预警系统的处理结果。

接下来对本发明实施例涉及的应用场景予以介绍。

随着城市化的发展和汽车的普及，交通问题日益凸显，要求汽车不仅要具有良好的安全性，而且还要具备一定的智能性，基于此，人们开始研究一种以实现无人、全自动和安全驾驶为最终目标的驾驶辅助系统。在当前的驾驶辅助系统中，可以通过图像处理和计算机视觉技术来处理雷达、传感器或者是摄像头采集到的路况图像，根据路况图像对前方行人、障碍物做出预测，并在存在潜在危险的情况下对驾驶员进行预警或者是控制车辆紧急制动。其中，车道偏离预警系统在汽车辅助驾驶中非常重要，而错误的车道线检测结果会造成误报警问题。

上述背景技术提到，现有车道线检测技术中，通常对拍摄到的道路图像进行二值化处理，然后经过霍夫直线检测，利用车道线的直线特性在道路图像中识别出车道线来确定车道线，然而，在实际应用中，会存在诸多干扰物，例如道路上的汽车、栅栏、路肩石等，由于这些干扰物中某些像素值大于设定的二值化阈值，在二值化过程中就会保留部分干扰物的像素点，而这些干扰物的像素点可能对车道线检测造成干扰。

举例来说，图1为车载相机拍摄到的道路二值化图像的一种示例，如图1所示，虚线框101内的白色像素点是车身的部分像素点，大多是车身底盘部分和轮胎部分，而这些像素点经过霍夫直线检测也会拟合出斜线，这些斜线就会对真正车道线所拟合出的斜线造成干扰。图2为图1经过霍夫直线检测得到的候选车道线示例图，如图2所示，经过霍夫直线检测后，在二值化图像中得到候选车道线分别为斜线201、斜线202、斜线203、斜线204，显然非车道线的车身部分也误检测为车道线(斜线204)，在这样情况下，现有技术通常会有两种方式来排除斜线204的干扰，从而在候选车道线中确定目标车道线，具体如下：

方式一，若采用单目相机拍摄的图像，那么可以在该图像中根据检测到的候选车道线之间的角度、距离、交点位置等几何关系，来判断是否存在干扰直线，当存在干扰直线恰巧满足上述几何关系的这种情况时，现有技术是无法剔除干扰直线，导致车道线检测不准确。

方式二，若采用双目相机拍摄的图像，那么可以经过立体匹配算法得到该图像的视差图，可以分别对上述四条候选车道线经过的白色像素点对应的视差值进行统计，得到每条候选车道线的视差分布图，如图3所示，折线301为图2中斜线201对应的视差分布，折线302为图2中斜线202对应的视差分布，折线303为图2中斜线203对应的视差分布，折线304为图2中斜线204对应的视差分布。观察这四条折线可以看出，折线304的波动明显与其他三条折线的波动要大，通过经验可以判断，折线304对应的候选车道线为干扰斜线。然而，上述排除干扰车道线的方法只能从视觉上判断，会存在很大的随机性。

因此，现有基于二值化图像进行车道线检测将无法快速、准确地排除干扰，使得检测车道线的结果并不准确。基于此，本申请提供一种车道线检测方法，以实现尽可能地避免道路上障碍物对车道线的检测造成干扰，提高车道线检测结果的准确度。

如下，示出下述实施例对本申请提供的车道线检测方法进行说明。

实施例一：

请参见图4，为本申请车道线检测方法的一个实施例流程图，该方法包括以下步骤：

步骤S201：获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线。

具体的，通常汽车搭载双目摄像头进行图像采集，其中，双目摄像头可以搭载在汽车的前方且位于汽车的纵轴线上，并且将双目摄像头搭载在汽车上之后，可以对双目摄像头进行标定。汽车在行驶过程中，该双目摄像头可以通过左摄像头和右摄像头同时采集包含连续型道路分割物的图像，其中，左摄像头采集的图像可以称为左图像，右摄像头采集的图像可以称为右图像，可以将左图像作为基准图，将右图像作为比较图，也可以将右图像作为基准图，左图像作为比较图。

当双目摄像头采集得到图像之后，可以将该图像发送至终端，终端可以对该图像进行处理，得到视差图像，然后根据该视差图像计算得到V视差图，关于视差图、V视差图的具体步骤可以参考现有技术，这里不再详细介绍。

值得说明的，计算得到的视差图、V视差图之间具有映射关系，且终端接收到图像时，对每帧图像计算视差图、V视差图并存储在存储器中，在后续计算过程中，通过根据映射关系可以确定目标视差图和目标V视差图。

可选的，在本申请实施例中，可以将摄像机采集到的道路图像的灰度图像作为待检测图像，也可以在该灰度图像上划定感兴趣区域，将感兴趣区域对应的部分图像作为待检测图像，本申请对此并不作限制。以感兴趣区域对应的部分图像作为待检测图像为例，本领域技术人员可以理解的是，可以采用多种方式在道路图像的灰度图像上确定感兴趣区域，例如，可以通过人工选框的方式在灰度图像上框定感兴趣区域，又例如，可以通过预设的高度比例(例如下3/4部分)在灰度图像上截取感兴趣区域，还例如，可以确定道路消失点，将道路消失点以下部分作为感兴趣区域等，本申请对在灰度图像上确定感兴趣区域的具体过程不做限制。

得到待检测图像，并确定其对应的V视差图后，分别在待检测图像中进行直线检测及在V视差图中确定地面相关线，其中，可以采用现有技术来确定待检测图像中的车道线和V视差图中的地面相关线，这里不做限定。

可选的，车道线一般为白色或黄色，灰度值较大，而路面接近黑色，灰度值较小，因此可以利用梯度信息检测出车道线的边缘，例如一阶差分、Robert算子、Sobel算子、拉普拉斯算子、Canny算子等，这里不做一一介绍，通过边缘检测算子对待检测图像进行处理，得到二值图像。

接下来，在该二值化图像中通过霍夫变换来检测直线，从而得到候选车道线。具体的，霍夫变换的基本原理是将图像空间的像素转变到参数空间，然后在参数空间中对共线的点进行统计，最后通过阈值判定是否为符合要求的直线。在直角坐标系下，直线被定义为公式(1)所示的形式：

y＝mx+b (1)

其中，m为斜率，b为与y轴的截距，只要确定了m和b，直线就可以被唯一地确定下来。如果图像中存在竖直的直线，那么m参数将为无穷大。因此，才有了另一种参数空间的方案：利用极坐标参数而非“斜率-截距式”描述直线，则该直线又可表示为公式(2)所示的形式：

ρ＝xcos+ysinθ 公式(2)

其中，ρ表示原点到该直线的欧氏距离，θ表示该直线的正交线与x轴的夹角，如果把ρ和θ做正交处理，则(ρ,θ)就被称为霍夫空间，其横坐标为θ，纵坐标为ρ，从而可以得到H矩阵。在直角坐标系中的一点，对应于霍夫空间中的一条正弦曲线。直线是由无数个点组成的，在霍夫空间中就是无数条正弦曲线，但这些正弦曲线会相交于一点(ρ₀,θ₀)，把该点带入公式(1)就得到直线的斜率和截距，确定唯一的直线。因此，基于上述原理，在用霍夫变换识别直线时，通过确定霍夫空间中的局部极大值来检测代表车道线的直线。假设以图2为例，在待检测图像中得到了4条候选车道线。

接下来，可以采用现有技术在V视差图中确定地面相关线，例如最小二乘法、RANSAC(RANdom SAmple Consensus，随机抽样一致)算法等。可选的，在V视差图中利用RANSAC算法提取地面所在的直线，具体步骤包括，设定一个参数模型，并且数据中的某些点适用于该参数模型时，认为这些点为局内点，通过反复选择数据中的一组随机子集作为局内点来估计想要的参数模型，并用局外点进行验证，通过估计局内点与模型的错误率来评估模型，迭代固定次数后，每次产生的模型要么因为局内点太少而被舍弃，要么因为比现有的模型更好而被选用，最终得到比较准确的模型。如图5所示，根据V视差图中的点拟合得到地面相关线501。

关于上述采用霍夫变换确定待检测图像中的候选车道线和采用RANSAC方法确定地面相关线的描述中不尽详尽之处，本领域技术人员可以参见现有技术中的相关描述，本申请对此不再详述，相应的，采用其他方法确定候选车道线和地面相关线的具体过程，本领域技术人员也可以参见现有技术中的相关描述，本申请对此不再详述。

步骤S202：确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点。

由于车道线是位于地面上，而干扰斜线都是障碍物的轮廓线，该干扰斜线距离地面一定高度，基于这一原理在候选车道线中剔除非道路上的干扰线，能够解决上述现有技术提到的车道线检测不准确问题。下面给出两种确定有效像素点的实现方式：

方式一：所述第一预设条件为，所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第一差值。本领域技术人员可以理解的是，第一差值是根据经验预设的，例如第一差值为2。假设候选车道线上像素的视差值为D，其所在行上对应的地面相关线的视差值为d，第一差值为T，根据公式(3)来判断候选车道线上的像素点是否为有效像素点，若为有效像素点，flag被标记为1，最后可以统计每条候选车道线上flag＝1的像素点的个数：

|D-d|≤T,flag＝1 (3)

示例性的，接着以图2和图5为例，其中以图5的左上角为坐标原点建立坐标系，横轴代表视差值，纵轴代表行号，在图2的候选车道线204上标记一点A，该点A对应到图5的V视差图中得到点A’，接下来确定与点A’纵坐标相同的地面相关线上的点B，即点A’与点B在V视差图的同一行上，并计算点A’与点B的视差值之间的绝对差值，若该绝对差值小于等于第一差值T，那么候选车道线点A为有效像素点，否则点A为无效像素点。重复上述步骤，依次判断出候选车道线上的有效像素点。

方式二：按视差值从小到大变化的方向，划分所述V视差图得到多个子V视差图；在所述子V视差图中，确定所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第二差值，其中，所述第二差值按视差值从小到大变化的方向增大。

因为道路相关线的波动规律呈现“近大远小”，因此我们将V视差图分为多个子V视差图，视差值小的子V视差图对应图像的远处区域，其直线波动范围较小，因此设置第二差值较小，而视差值大的子V视差图对应图像的近处区域，其直线波动范围较大，因此设置第二差值较大，根据公式(4)来判断候选车道线上的像素点是否为有效像素点，其中，t_i表示第i(i＝1,2，……)个子V视差图设定的第二视差值，且第1个子V视差图表示最远区域，因此t₁＜t₂＜...＜t_i：

示例性的，假设将V视差图平均划分为两个子V视差图，如图6所示，为了描述方便，命名所述两个子V视差图分别为第一子图61(较远区域)和第二子图62(较近区域)，针对第一子图61设定的第二差值命名为差值一(较小，例如2)，针对第二子图62设定的第二差值命名为差值二(较大，例如11)。那么，在第一子图61中，判断候选车道线对应的点与该行中地面相关线上的点的视差值之间的绝对差值是否小于或等于2，如图6中虚线611和虚线612之间的点为第一子图61中满足条件的点；在第二子图62中，判断候选车道线对应的点与该行中地面相关线上的点的视差值之间的绝对差值是否小于或等于11，如图6中虚线621和虚线622之间的点为第一子图62中满足条件的点。

示例性的，可以按照下表1-表2中所示的方式来记录候选车道线上的像素点是否为有效像素点，当然，本申请不限定有效像素点的记录、存储方式，本领域技术人员可以灵活选择：

表1在第一子图中判断有效像素点

行号	地面相关线的视差值	候选车道线的视差值	flag
				1	2	3	1
2	4	7	0
				……	……	……	……
m	30	32	1

表2在第二子图中判断有效像素点

行号	地面相关线的视差值	候选车道线的视差值	flag
				m+1	32	36	1
m+2	35	43	1
				……	……	……	……
n	63	76	0

步骤S203：若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。

具体的，通过上述步骤S202可以确定每条候选车道线上flag＝1的像素点的个数，这些像素点为有效像素点，并且也可以统计得到每条候选车道线上的总像素点，通过计算有效像素点与总像素点的比值，来确定该候选车道线是干扰车道线还是目标车道线，若为干扰车道线则需要将其删除，若为目标车道线则需要保留。

示例性的，接着以图2为例，分别确定候选车道线201-204上有效像素点所占比例，如下表3所示：

表3候选车道线有效像素点占比

候选车道线201	候选车道线202	候选车道线203	候选车道线204
				87.2％	90.3％	91.5	10.2％

假如预设阈值为80％，那么根据表3可得，候选车道线201-203中有效像素点占比大于该预设阈值，而候选车道线204的有效像素点占比小于该预设阈值，因此候选车道线201-203确定为目标车道线，而候选车道线204确定为干扰车道线，应该被剔除。

以上是本发明实施例一的内容，由于车道线是位于地面上的，因此车道线的视差值应该与地面上的视差值相同，那么，通过确定候选车道线上的像素点的视差值与其对应行上地面相关线上点的视差值之间的绝对差值，来确定该候选车道线像素点是否为有效像素点，通过确定候选车道线上有效像素点的比例，从而确定候选车道线中的干扰车道线并将其剔除，本发明可以提高车道线检测的准确性。

实施例二：

本身请给出了另一种车道线检测的实施方式，不采用V视差图，而是根据视差值在二值图上来判断哪些是干扰车道线，图7为本申请实施例二的车道线检测方法流程图，结合图7具体介绍实施例二的步骤：

步骤S301，获取待检测的图像，确定所述图像中的候选车道线，并将所述候选车道线在同一行上的像素点确定为候选像素点。

具体的，可以参考实施例一中的步骤S201，来确定候选车道线，这里不再重复说明。如图8所示，步骤S301检测到4条候选车道线，在二值图中选取一行，得到4个候选像素点分别为K1-K4。

步骤S302，根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点。

具体的，接着上面的例子，根据候选像素点在二值图中的位置，可以在视差图中确定候选像素点K1-K4对应的视差值，假设为12、12、12、20。那么，根据上述4个候选像素点的视差值，接下来给出两种确定干扰像素点的方法：

方式一：

根据预设半径，确定以目标像素点为中心的邻域，其中所述目标像素点为最大视差值对应的候选像素点；若在所述邻域内除所述目标像素点外不存在其他候选像素点，将所述目标像素点确定为所述干扰像素点。

接着上述例子，在四个候选像素点中，候选像素点K4的视差值最大，目标像素点为K4，假设预设半径为2，则以该目标像素点为中心且以预设半径为2来确定该目标像素点的邻域，在该邻域内搜索其他候选像素点K1-K3，即分别判断其他候选像素点与目标像素点之间的视差值绝对差值是否小于2，显然，候选像素点K1-K3并没有落入该邻域内，所以将目标像素点K4确定为干扰像素点，类似的，可以标记flag＝0。

方式二：

计算所述候选像素点的视差值的均值和标准差，分别确定所述候选像素点的视差值离散度；若在以最大视差值对应的视差值离散度为中心的邻域内，不包含其他视差值对应的视差值离散度，将所述最大视差值对应的候选像素点确定为干扰像素点。

示例的，接着上述例子，根据公式(5)求出这四个点的均值和公式(6)确定标准差，接着上述四个候选像素点为例，得到均值为μ＝14，方差为σ≈6.9，然后按照式(7)计算每个候选像素点的偏离程度，分别为o₁≈-0.29,o₂≈-0.29,o₃≈-0.29,o₄≈0.86，类似的，确定最大偏度程度o₄≈0.86，以该最大偏离程度为中心且以半径为0.3确定邻域，判断得到其他三个候选像素点的偏离程度都没有落入该邻域内，因此将o₄≈0.86对应的候选像素点确定为干扰像素点，可以标记flag＝0。

步骤S303，若所述候选车道线上的干扰像素点所占比例小于预设比值，将所述候选车道线确定为目标车道线。

具体的，根据步骤S302可以确定出候选车道线上的干扰像素点，从而可以确定每条候选车道线上干扰像素点所占的比例，若该比例小于预设比值，例如10％，那么该候选车道线确定为目标车道线。

以上是本申请实施例二的实现步骤，由于正常的车道线都是位于道路表面的，因此其图像中同一行上像素点的视差值都相近，从这一点出发，通过在判断同一行上的候选车道线上的候选像素点之间的离散程度，来确定该候选车道线上是否存在干扰像素点，为了排除噪声的干扰特设定冗余量，即判断干扰像素点所占比例小于预设比值情况下，才将该候选车道线确定为目标车道线，通过上述方法可以排除道路上车辆对车道线检测的干扰，从而提高车道线检测的准确度。

实施例三：

请参见图9，为本申请车道线检测装置的一个实施例框图，该装置可以包括：

第一获取模块901，用于获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线；

有效像素点确定模块902，用于确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点；

可选的，所述第一预设条件为：所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第一差值。

可选的，所述有效像素点确定模块902还用于，按视差值从小到大变化的方向，划分所述V视差图得到多个子V视差图；在所述子V视差图中，确定所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第二差值，其中，所述第二差值按视差值从小到大变化的方向增大。

第一目标车道线确定模块903，用于若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。

以上是实施例三的具体介绍，各模块可以参考实施例一中介绍的车道线检测方法。

实施例四：

请参见图10，为本申请车道线检测装置的另一个实施例框图，该装置可以包括：

第二获取模块1001，用于获取待检测的图像，确定所述图像中的候选车道线，并将所述候选车道线在同一行上的像素点确定为候选像素点；

干扰像素点确定模块1002，用于根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点。

可选的，所述干扰像素点确定模块1002还用于，根据预设半径，确定以目标像素点为中心的邻域，其中所述目标像素点为最大视差值对应的候选像素点；若在所述邻域内除所述目标像素点外不存在其他候选像素点，将所述目标像素点确定为所述干扰像素点。

可选的，所述干扰像素点确定模块1002还用于，计算所述候选像素点的视差值的均值和标准差，分别确定所述候选像素点的视差值离散度；若在以最大视差值对应的视差值离散度为中心的邻域内，不包含其他视差值对应的视差值离散度，将所述最大视差值对应的候选像素点确定为干扰像素点。

第二目标车道线确定模块1003，用于若所述候选车道线上的干扰像素点所占比例小于预设比值，将所述候选车道线确定为目标车道线。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

本申请车道线检测装置的实施例可以应用在车道线检测终端上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在车道线检测终端的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。

实施例五：

如图11所示，为本申请实施例五的车道线检测终端的一种硬件结构图，其中，处理器1101是该车道线检测装置1100的控制中心，利用各种接口和线路连接整个该车道线检测装置的各个部分，通过运行或执行存储在存储器1102内的软件程序和/或模块，以及调用存储在存储器1102内的数据，执行车道线检测装置1100的各种功能和处理数据，从而对该车道线检测装置进行整体监控。

可选的，处理器1101可包括(图11中未示出)一个或多个处理核心；可选的，处理器1101可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1101中。

存储器1102可用于存储软件程序以及模块，处理器1101通过运行存储在存储器1102的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1102主要包括(图11中未示出)存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据车道线检测装置1100的使用所创建的数据(比如采集到的图像、计算得到的视差图像或者处理得到的灰度图像)等。

此外，存储器1102可以包括(图11中未示出)高速随机存取存储器，还可以包括(图11中未示出)非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1102还可以包括(图11中未示出)存储器控制器，以提供处理器1101对存储器1102的访问。

在一些实施例中，装置1100还可选包括有：外围设备接口1103和至少一个外围设备。处理器1101、存储器1102和外围设备接口1103之间可以通信总线或信号线(图11中未示出)相连。各个外围设备可以通信总线或信号线与外围设备接口1103相连。具体地，外围设备可以包括：射频组件1204、触摸显示屏1105、摄像头组件1106、音频组件1107、定位组件1108和电源组件1109中的至少一种。

其中，摄像头组件1106用于采集待检测图像。可选地，摄像头组件1106可以包括至少两个摄像头。在一些实施例中，至少两个摄像头可以分别为双目摄像头中的左右摄像头。

在一些实施例中，摄像头组件1106还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

除了图11所示例的各个硬件之外，实施例中装置所在的车道线检测终端通常根据该车道线检测终端的实际功能，还可以包括其他硬件，对此不再赘述。

本领域技术人员可以理解的是，图11所示例的车道线检测终端可以应用在汽车上，也可以应用在电脑、智能手机等其他设备上，本申请对此并不作限制。

本申请还提供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内存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的任一车道线检测方法的步骤。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (10)

1.一种车道线检测方法，其特征在于，所述方法包括：

获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线；

确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点；

若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。

2.根据权利要求1所述的方法，其特征在于，所述第一预设条件为：

所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第一差值。

3.根据权利要求1所述的方法，其特征在于，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点，具体步骤包括：

按视差值从小到大变化的方向，划分所述V视差图得到多个子V视差图；

在所述子V视差图中，确定所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值小于或等于第二差值，其中，所述第二差值按视差值从小到大变化的方向增大。

4.一种车道线检测方法，其特征在于，所述方法包括：

获取待检测的图像，确定所述图像中的候选车道线，并将所述候选车道线在同一行上的像素点确定为候选像素点；

根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点；

若所述候选车道线上的干扰像素点所占比例小于预设比值，将所述候选车道线确定为目标车道线。

5.根据权利要求4所述的方法，其特征在于，所述根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点，具体步骤包括：

根据预设半径，确定以目标像素点为中心的邻域，其中所述目标像素点为最大视差值对应的候选像素点；

若在所述邻域内除所述目标像素点外不存在其他候选像素点，将所述目标像素点确定为所述干扰像素点。

6.根据权利要求4所述的方法，其特征在于，所述根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点，具体步骤包括：

计算所述候选像素点的视差值的均值和标准差，分别确定所述候选像素点的视差值离散度；若在以最大视差值对应的视差值离散度为中心的邻域内，不包含其他视差值对应的视差值离散度，将所述最大视差值对应的候选像素点确定为干扰像素点。

7.一种车道线检测装置，其特征在于，所述装置包括：

第一获取模块，用于获取待检测的图像和所述图像对应的V视差图，确定所述图像中的候选车道线和所述V视差图中的地面相关线；

有效像素点确定模块，用于确定与所述候选车道线上的第一像素点位于同一行的所述地面相关线上的第二像素点，若所述第一像素点的第一视差值与所述第二像素点的第二视差值之间的绝对差值满足第一预设条件，将所述第一像素点确定为有效像素点；

第一目标车道线确定模块，用于若所述候选车道线上所述有效像素点所占比例大于预设阈值，将所述候选车道线确定为目标车道线。

8.一种车道线检测装置，其特征在于，所述装置包括：

第二获取模块，用于获取待检测的图像，确定所述图像中的候选车道线，并将所述候选车道线在同一行上的像素点确定为候选像素点；

干扰像素点确定模块，用于根据所述候选像素点的视差值，将所述视差值不满足第二预设条件的候选像素点确定为干扰像素点；

第二目标车道线确定模块，用于若所述候选车道线上的干扰像素点所占比例小于预设比值，将所述候选车道线确定为目标车道线。

9.一种车道线检测终端，其特征在于，包括存储器、处理器、通信接口、摄像头组件，以及通信总线；

其中，所述存储器、处理器、通信接口、摄像头组件通过所述通信总线进行相互间的通信；

所述摄像头组件，用于采集待检测图像，并通过所述通信总线将所述待检测图像发送至所述处理器；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的计算机程序，所述处理器执行所述计算机程序时对所述待检测图像实现权利要求1-6任一所述方法的步骤。

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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述方法的步骤。