[发明专利]识别方法、识别装置、计算机可读存储介质和车辆

说明书

本发明提供了一种识别方法、识别装置、计算机可读存储介质和车辆。其中，车道线识别方法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；对于对标定结果进行感兴趣区域提取后进行透视变换，获得透视图片；基于车道线识别支持向量机模型，建立更加精确的透视图片的分类平面，以根据分类平面，对透视图片中的每一个像素点进行分类，获得分类结果；将分类结果通过二值图进行表示，以绘制车道线识别结果；将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，以识别车道线。本发明能够在自动驾驶过程中更为准确地识别车道线，以提高自动驾驶的安全程度。

技术领域

本发明涉及车道线的识别方法技术领域，具体而言，涉及一种识别方法、识别装置、计算机可读存储介质和车辆。

背景技术

相关技术中，对于自动驾驶过程车道线的识别主要采用边缘检测法和颜色过滤法两种方法。但是当车道线被路边树木、广告牌等物体的阴影遮挡，或者道路大幅度转弯时，边缘检测法存在无法准确识别车道线的弊端，造成自动驾驶的安全隐患。

发明内容

为了解决上述技术问题至少之一，本发明的第一目的在于提供一种车道线的识别方法。

本发明的第二目的在于提供一种车道线的识别装置。

本发明的第三目的在于提供一种计算机可读存储介质。

本发明的第四目的在于提供一种车辆。

为实现本发明的第一目的，本发明的实施例提供了一种车道线的识别方法，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，建立透视图片的分类平面，以根据分类平面，对透视图片中的每一个像素点进行分类，获得分类结果。将分类结果通过二值图进行表示，以绘制车道线识别结果。将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，以识别车道线。

本实施例中车道线的识别方法采用对车道线和背景的原始图片进行摄像机标定，即利用摄像机所拍摄到的图像来还原空间中的物体，可以更加精准地确定车道线的实际位置。获取摄像机标定结果后，对于标定结果进行感兴趣区域提取后透视变换，减小透视变换的工作量，提高车道线识别速度。通过对感兴趣区域进行透视变换得到透视图片，基于车道线识别支持向量机模型，建立更加精准的图片分类平面，进而对透视图片中每一个点的像素进行精准分类，得到准确的分类结果，提高车道线识别的准确性。进一步地，将分类结果通过二值图表示，绘制出车道线识别结果。将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，起到准确识别车道线的作用。由此，本实施例采用机器学习的分类方法实现对颜色空间像素的提取与分类，通过建立更加精准的分类平面，提高自动驾驶过程中对于车道线识别的准确性。

另外，本发明上述实施例提供的技术方案还可以具有如下附加技术特征：

上述技术方案中，对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，具体包括对标定结果进行感兴趣区域提取，获得多个像素点。获取各个像素点的颜色通道向量。将颜色通道向量映射至颜色空间之中进行透视变换，获得透视图片。

本实施例中对摄像机标定结果进行感兴趣区域提取，获得多个像素点，进而获取多个像素点的颜色通道向量，将颜色通道向量映射至颜色空间之中进行透视变换，从而获得透视图片，以便于根据透视图片得到车道线二值图。

上述任一技术方案中，将分类结果通过二值图进行表示，以绘制车道线识别结果，具体包括对基于分类结果获得的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，以车道线预期起始位置为起点，绘制车道线识别结果。

本实施例中对采用分类平面获得的像素点分类结果进行直方图统计，以计算车道线预期起始位置，提高车道线识别的准确性。进一步地，通过滑动窗口技术(英文名称：Sliding window)，以车道线的预期起始位置为起点，绘制车道线的识别结果。