[发明专利]识别方法、识别装置、计算机可读存储介质和车辆

权利要求书

1.一种车道线的识别方法，其特征在于，包括：

对包括车道线和背景的原始图片进行摄像机标定，获得标定结果；

对所述标定结果进行感兴趣区域提取并进行透视变换，获得透视图片；

基于车道线识别支持向量机模型，建立所述透视图片的分类平面，以根据所述分类平面，对所述透视图片中的每一个像素点进行分类，获得分类结果；

将所述分类结果通过二值图进行表示，以绘制车道线识别结果；

将所述车道线识别结果进行逆操作透视变换和逆操作摄像机标定，以识别所述车道线；

所述基于车道线识别支持向量机模型，建立所述透视图片的分类平面，以根据所述分类平面，对所述透视图片中的每一个像素点进行分类，获得分类结果，具体包括：

将所述车道线识别支持向量机模型中包括正例点集{P}和负例点集{N}的分类训练集{T}中的点转化为颜色空间之中的三维向量{ }，其中，为红色颜色通道向量，为绿色颜色通道向量，为蓝色颜色通道向量，的取值包括1或-1，取值为1的代表正例点集，取值为-1的代表负例点集；

对所述三维向量{}进行二次项扩充，以将所述三维向量{}变为扩充向量{}；

将所述扩充向量{}放入所述车道线识别支持向量机模型中进行训练，获得所述分类平面的法向量和截距，将所述法向量和所述截距拼接为系数向量；

将所述透视图片中的每一个所述像素点转化为颜色空间之中的三维向量，对所述三维向量进行二次项扩充，获得扩充向量，其中，{}，为红色颜色通道向量，为绿色颜色通道向量，为蓝色颜色通道向量；

计算所述扩充向量与所述系数向量的点积；

根据所述点积，对所述透视图片中的每一个像素点进行分类，获得分类结果。

2.根据权利要求1所述的车道线的识别方法，其特征在于，所述对所述标定结果进行感兴趣区域提取并进行透视变换，获得透视图片，具体包括：

对所述标定结果进行感兴趣区域提取，获得多个像素点；

获取各个所述像素点的颜色通道向量；

将所述颜色通道向量映射至颜色空间之中进行所述透视变换，获得所述透视图片。

3.根据权利要求1所述的车道线的识别方法，其特征在于，所述将所述分类结果通过二值图进行表示，以绘制车道线识别结果，具体包括：

对基于所述分类结果获得的所述二值图进行直方图统计，以计算车道线预期起始位置；

通过滑动窗口技术，以所述车道线预期起始位置为起点，绘制所述车道线识别结果。

4.根据权利要求1所述的车道线的识别方法，其特征在于，所述车道线识别支持向量机模型通过以下步骤建立：

采用多张包括车道线和背景的代表图片建立车道线和背景的数据集；

对所述车道线和背景的数据集中的每张所述代表图片进行采样，获取像素和与所述像素对应的类别作为分类训练集；

在所述分类训练集之上建立所述车道线识别支持向量机模型，并将所述车道线识别支持向量机模型的分类平面的法向量和截距进行保存。

5.根据权利要求1所述的车道线的识别方法，其特征在于，所述根据所述点积，对所述透视图片中的每一个像素点进行分类，获得分类结果，具体包括：

基于任一像素点的点积大于点积阈值，判定所述任一像素点的分类结果为所述任一像素点属于车道线；

基于任一像素点的点积小于或等于点积阈值，判定所述任一像素点的分类结果为所述任一像素点属于背景。

6.根据权利要求5所述的车道线的识别方法，其特征在于，所述原始图片包括上下连续的多帧原始图片，所述识别方法还包括：

根据上帧原始图片的所述车道线识别结果，对下帧原始图片的车道线识别结果进行预测，获得所述下帧原始图片的车道线预测结果；

根据所述车道线预测结果，确定与所述下帧原始图片对应的所述点积阈值；

其中，基于所述下帧原始图片的任一像素点落入所述车道线预测结果的范围，降低所述任一像素的所述点积阈值。