车道线检测方法、装置、电子设备及存储介质与流程

1.本技术涉及智能交通技术领域，具体涉及一种车道线检测方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.近年来，人工智能相关技术发展迅速，安全驾驶作为人工智能领域一个主要的应用场景，得到了业内相关人员的更多的重视与关注。其中，车道线的准确检测对于安全驾驶来说，具有重要的指导意义。
3.现有技术中，主要根据图像通过边缘检测技术提取车道线边缘信息，再通过hough变换等处理，拟合出车道线。
4.但是，在实际应用发现，现有的车道线检测方法的检测精度相对较低。


技术实现要素：

5.本技术提供一种车道线检测方法、装置、电子设备及计算机可读存储介质，旨在解决现有的车道线检测算法检测精度低的问题。
6.第一方面，本技术提供一种车道线检测方法，所述方法包括：
7.获取包含待检测车道线的状态图像；
8.对所述状态图像进行车道线检测处理，得到所述状态图像的车道线位置点的集合，其中，所述车道线位置点是指所述状态图像中的车道线所在像素点；
9.从所述车道线位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据；其中，所述第一基准点是指在第一坐标轴的坐标值小于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点；所述第二基准点是指在第一坐标轴的坐标值大于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点；所述第一坐标轴与所述第二坐标轴垂直；
10.对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合；
11.分别对所述第一聚类点集合、所述第二聚类点集合进行曲线拟合处理，得到所述待检测车道线的第一曲线数据、以及第二曲线数据，其中，所述第一曲线数据和所述第二曲线数据用于指示所述待检测车道线。
12.第二方面，本技术提供一种车道线检测装置，所述车道线检测装置包括：
13.第一获取单元，用于获取包含待检测车道线的状态图像；
14.检测单元，用于对所述状态图像进行车道线检测处理，得到所述状态图像的车道线位置点的集合，其中，所述车道线位置点是指所述状态图像中的车道线所在像素点；
15.第二获取单元，用于从所述车道线位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据；其中，所述第一基准点是指在第一坐标轴的坐标值小于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点；所述第二基
准点是指在第一坐标轴的坐标值大于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点；所述第一坐标轴与所述第二坐标轴垂直；
16.聚类单元，用于对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合；
17.拟合单元，用于分别对所述第一聚类点集合、所述第二聚类点集合进行曲线拟合处理，得到所述待检测车道线的第一曲线数据、以及第二曲线数据，其中，所述第一曲线数据和所述第二曲线数据用于指示所述待检测车道线。
18.在本技术一种可能的实现方式中，所述聚类单元具体还用于：
19.获取所述车道线位置点与所述第一基准点的第一汉明距离、以及与所述第二基准点的第二汉明距离；
20.根据所述第一汉明距离和所述第二汉明距离，对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
21.在本技术一种可能的实现方式中，所述第二获取单元具体还用于：
22.从所述车道线位置点的集合中，获取在所述第二坐标轴的坐标值小于第二预设阈值的目标位置点的集合；
23.从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据。
24.在本技术一种可能的实现方式中，所述第二获取单元具体还用于：
25.从所述目标位置点的集合中，获取在所述第一坐标轴的坐标值小于第一预设阈值的车道线位置点数据，得到第一初始点的集合；并从所述目标位置点的集合中获取在所述第一坐标轴的坐标值大于第一预设阈值的车道线位置点数据，得到第二初始点的集合；
26.从所述第一初始点的集合中，获取在所述第二坐标轴的坐标值最小的像素点数据，以作为所述待检测车道线的第一基准点的数据；并从所述第二初始点的集合中，获取在所述第二坐标轴的坐标值最小的像素点数据，以作为所述待检测车道线的第二基准点数据。
27.在本技术一种可能的实现方式中，所述聚类单元具体还用于：
28.获取所述目标位置点与所述第一基准点的第三汉明距离、以及与所述第二基准点的第四汉明距离；
29.根据所述第三汉明距离和所述第四汉明距离，对所述目标位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
30.在本技术一种可能的实现方式中，所述车道线检测装置还包括判别单元，所述判别单元具体用于：
31.获取车辆行驶状态下的包含待检测车道线的至少两张状态图像，以分别作为基准状态图像、以及对比状态图像，其中，所述对比状态图像的生成时间滞后于所述基准状态图像的生成时间；
32.获取所述基准状态图像对应的第一曲线数据、以及所述基准状态图像对应的第二曲线数据；并获取所述对比状态图像对应的第一曲线数据、所述对比状态图像对应的第二
曲线数据；
33.根据所述基准状态图像对应的第一曲线数据、所述基准状态图像对应的第二曲线数据、所述对比状态图像对应的第一曲线数据、和所述对比状态图像对应的第二曲线数据，确定车辆是否处于偏离车道状态。
34.在本技术一种可能的实现方式中，所述判别单元具体还用于：
35.根据所述基准状态图像对应的第一曲线数据、和所述基准状态图像对应的第二曲线数据，分别确定所述基准状态图像对应的第一参考点数据、以及第二参考点数据；
36.根据所述对比状态图像对应的第一曲线数据、和所述对比状态图像对应的第二曲线数据，分别确定所述对比状态图像对应的第一对比点数据、以及第二对比点数据；
37.检测所述第一参考点数据与所述第一对比点数据之间的第一差值数据、以及所述第二参考点数据与所述第二对比点数据之间的第二差值数据；
38.根据所述第一差值数据和所述第二差值数据，确定车辆是否处于偏离车道状态。
39.第三方面，本技术还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本技术提供的任一种车道线检测方法中的步骤。
40.第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的车道线检测方法中的步骤。
41.本技术通过通过对包含待检测车道线的状态图像进行车道线检测处理，粗略得到状态图像的车道线位置点的集合；从车道线位置点的集合中，获取在第一坐标轴的坐标值小于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点，以作为待检测车道线的第一基准点的数据；并从车道线位置点的集合中，获取在第一坐标轴的坐标值大于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点，以作为待检测车道线的第二基准点的数据；再基于第一基准点、第二基准点对车道线位置点的集合中的各点进行聚类处理，以获得待检测车道线对应的第一聚类点集合、第二聚类点集合，进而可以基于第一聚点类集合、第二聚点类集合分别拟合出待检测车道线的第一曲线数据、第二曲线数据。由于针对了目标车道在状态图像中的位置特性，获取并基于第一基准点的数据、第二基准点的数据进行像素点聚类，可以精准地获取到目标车道的两条车道线上的像素点作为第一基准点、第二基准点，进而保证用于拟合待检测车道线的第一聚类点集合、第二聚类点集合中的各点分别为目标车道的两条车道线的像素点，从而提高了车道线的检测精度。
附图说明
42.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1是本技术实施例提供的车道线检测方法的一种流程示意图；
44.图2是本技术实施例中提供的同时包含多条车道线的状态图像的示意图；
45.图3是本技术实施例中提供的在行车视角下拍摄的状态图像的一种示意图；
46.图4是本技术实施例中提供的状态图像中各像素点对应的参考坐标系的一种场景示意图；
47.图5是本技术实施例中提供的第一基准点和第二基准点的一种场景示意图；
48.图6是本技术实施例中提供的状态图像中各像素点对应的参考坐标系的另一种场景示意图；
49.图7是本技术实施例中提供的车道线检测装置的一个实施例结构示意图；
50.图8是本技术实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
51.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
52.在本技术实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
53.为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本技术实施例的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术实施例所公开的原理和特征的最广范围相一致。
54.本技术实施例提供一种车道线检测方法、装置、电子设备和计算机可读存储介质。其中，该车道线检测装置可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。
55.首先，在介绍本技术实施例之前，先介绍下本技术实施例关于应用背景的相关内容。
56.当下，驾驶员在高速路况下驾驶时，容易因长时间驾驶引起疲劳导致交通事故的发生。据交通部统计，约有50％的汽车交通事故是因为汽车偏离正常的行驶车道引起的。如此惊人的比例足以证明及时检测出车辆驾驶是否偏离车道、及时作出车道偏离的提醒，以防止车道偏离的重要意义。
57.由于现有的车道线检测方法的检测精度相对较低，因此采用传统处理方法检测正常车辆驾驶是否偏离车道的方式时，准确率相对较低。
58.基于现有的相关技术存在的上述缺陷，本技术实施例提供了车道线检测方法，至少在一定程度上克服现有的相关技术所存在的缺陷。
59.本技术实施例车道线检测方法的执行主体可以为本技术实施例提供的车道线检测装置，或者集成了该车道线检测装置的服务器设备、物理主机或者用户设备(user equipment，ue)等不同类型的电子设备，其中，车道线检测装置可以采用硬件或者软件的方式实现，ue具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字
助理(personal digital assistant，pda)等终端设备。
60.该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式，通过应用本技术实施例提供的车道线检测方法，可以提高车道线的检测精度。
61.下面，开始介绍本技术实施例提供的车道线检测方法，本技术实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该车道线检测方法包括：获取包含待检测车道线的状态图像；对所述状态图像进行车道线检测处理，得到所述状态图像的车道线位置点的集合；从所述车道线位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据；对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合；分别对所述第一聚类点集合、所述第二聚类点集合进行曲线拟合处理，得到所述待检测车道线的第一曲线数据、以及第二曲线数据。
62.参照图1，图1为本技术实施例提供的车道线检测方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。该车道线检测方法包括步骤s10～s50，其中：
63.s10、获取包含待检测车道线的状态图像。
64.为了更好地了解本技术实施例，下面先介绍一下“状态图像的获取”、“状态图像中各像素点的坐标值”、“状态图像的参考坐标系”三个方面的概念。
65.第一方面，状态图像的获取。
66.其中，待检测车道线是指用于划分目标车道的两条车道线，目标车道可以根据具体场景而定义。例如，为了检测出车辆当前所在车道，则目标车道是指车辆所在的车道，待检测车道线则是指用于划分车辆所在车道的两条车道线。在本技术实施例中，待检测车道线主要是指某条车道的两条划分线，待检测车道线以2条为例进行阐述。本技术实施例主要应用于精确地同时检测出目标车道的两条车道线。
67.状态图像是指包含车道线的图像，状态图像中所包含的车道线可以是一条或多条。在本技术实施例中，一般来说，状态图像中所包含的车道线有多条，状态图像所包含的多条车道线中，有2条为待检测车道线。请参照图2，图2是本技术实施例中提供的同时包含多条车道线的状态图像的示意图。若没有特别指明，后续所简称的状态图像是指包含待检测车道线的图像。
68.获取包含待检测车道线的状态图像的方式有多种。例如，可以通过获取行车角度下所拍摄的车道图像，作为包含待检测车道线的状态图像。
69.具体地，在实际应用中，应用本技术实施例提供的车道线检测方法的电子设备，在硬件上可直接包括车辆的摄像头，并在本地存储该摄像头拍摄得到的图像，可在电子设备内部直接读取；或者，电子设备也可与车辆的摄像头建立网络连接，并根据该网络连接从摄像头在线获取摄像头拍摄得到的图像；或者，电子设备也可从存储有车辆的摄像头拍摄得到的图像的相关存储介质，读取出摄像头拍摄得到的图像，具体获取方式在此不做限定。
70.其中，摄像头可根据预设的拍摄方式拍摄图像，例如可设置拍摄高度、拍摄方向或者拍摄距离，其具体拍摄方式可根据摄像头本身进行调节，具体在此不做限定。摄像头拍摄得到的图像，由多帧的图片组成，并可通过时间线组成视频。
71.第二方面，状态图像中各像素点的坐标值。
72.其中，在获取状态图像的同时，可以同时获取状态图像中的每一个像素点在相机坐标形式下的坐标值(在相机坐标形式下的坐标值，后续简称为相机坐标值)，即状态图像中的每一个像素点都可以通过相机坐标来表示。可以理解的是，状态图像中各像素点的相机坐标值也可以根据具体需求作进一步的坐标转换。
73.进一步地，(状态图像中各像素点的)相机坐标值可以是二维坐标值(即在平面坐标系下的坐标值)、也可以是三维坐标值(即在三维坐标系下的坐标值)；(状态图像中各像素点的)二维的相机坐标值可以转换为二维的坐标值、可以转换为三维的坐标值；(状态图像中各像素点的)三维的相机坐标值可以转换为二维的坐标值、可以转换为三维的坐标值。
74.第三方面，状态图像的参考坐标系。
75.状态图像的参考坐标系(后续简称参考坐标系)，是指状态图像中各像素点的坐标值确定时所基于的坐标系。参考坐标系可以是二维坐标系(即平面坐标系，包括x轴、y轴)、也可以是三维坐标系(包括x轴、y轴、z轴)。
76.当状态图像中各像素点采用相机坐标值表示时，状态图像的参考坐标系为拍摄状态图像的相机的相机坐标系。
77.请参照图3，图3是本技术实施例中提供的在行车视角下拍摄的状态图像的一种示意图。图3中w表示状态图像的宽度，h表示状态图像高度。为了使得状态图像中各像素点有一定规律性，以便于后续的数据处理，在本技术实施例中，考虑将一个坐标轴平行于状态图像的宽所在直线、另一个坐标轴平行于状态图像的高所在直线的坐标系，作为状态图像的参考坐标系。
78.请参照图4，图4是本技术实施例中提供的状态图像中各像素点对应的参考坐标系的一种场景示意图。
79.例如，以状态图像的形状是矩形为例，在本技术实施例中，可以以状态图像的左下角像素点作为坐标系原点、状态图像的左下角像素点和右下角像素点所在直线(即平行于状态图像的宽所在直线)作为x轴、以状态图像的左下角像素点和左上角像素点所在直线(即平行于状态图像的高所在直线)作为y轴、以左下角像素点沿右下角像素点方向作为x轴方向、以左下角像素点沿左上角像素点方向作为y轴方向，建立参考坐标系，如图4所示。
80.则根据图4所示的参考坐标系与相机坐标系的坐标转换关系，可以将状态图像的左下角像素点的相机坐标值转换为(0，0)、将右下角像素点的相机坐标值转换为(n，0)、将左上角像素点的相机坐标值转换为(0，m)、将右上角像素点的相机坐标值转换为(n，m)，其中n表示左下角像素点与右下角像素点在x轴方向的坐标差值(记为n)、m表示左下角像素点与左上角像素点在y轴方向的坐标差值(记为m)。
81.可以理解的是，图4中示出的参考坐标系与状态图像之间的关系仅为举例，具体可以根据实际情况进行调整。例如，也可以以状态图形的左上角像素点作为坐标系原点、以左下角像素点沿右下角像素点方向作为y轴方向、以状态图像的左下角像素点和右下角像素点所在直线作为y轴、或以状态图像的左下角像素点和左上角像素点所在直线作为z轴，等等任意形式建立参考坐标系。
82.即针对实际情况，可以将状态图形中的各像素点的相机坐标值作进一步转换，以采用不同形式的坐标表示各像素点，进而方便后续的计算。此外，在后续计算中也可以不对各像素点的相机坐标值作转换处理，而直接采用相机坐标值来表示各像素点的坐标位置。
83.为了方便理解，在本技术实施例的后文中，将状态图形中各像素点的相机坐标值转化为如图4所示的参考坐标系下的坐标值，并以状态图形中各像素点在图4所示的参考坐标系下的坐标值为例进行阐述。
84.s20、对所述状态图像进行车道线检测处理，得到所述状态图像的车道线位置点的集合。
85.其中，车道线位置点是指状态图像中的车道线所在像素点。车道线位置点的集合是指状态图像中的车道线所在像素点的集合。如图2所示，图2中车道线a、b、c所在的每一个像素点都是状态图像的车道线位置点，车道线a、b、c所在的每一个像素点的集合则构成了车道线位置点的集合。
86.在一些实施例中，可以基于现有的车道线检测算法对状态图像进行车道线检测处理，初步检测出状态图像中所包含的所有车道线的像素点，从而得到状态图像的车道线位置点的集合。
87.在一些实施例中，可以通过基于深度学习后的车道线检测网络检测出状态图像中的所有车道线。
88.例如，首先，基于训练数据集(包括多张包含车道线的图像)，对预设的车道线检测网络进行训练，使得训练后的车道线检测网络学习到车道线的特征，从而得到(适用于根据图像进行检测处理得出图像中所有车道线所在的像素点)。
89.然后，将状态图像输入至训练后的车道线检测网络中，以使得训练后的车道线检测网络对状态图像进行车道线检测处理，预测得到状态图像中所包含的所有车道线的像素点，从而得到状态图像的车道线位置点的集合。
90.由于基于深度学习后的网络针对噪声较高的情况也具有较好的预测性能，因此通过采用基于深度学习后的车道线检测网络对状态图像进行车道线检测处理，可以更高效、精准地拟合出状态图像中的车道线位置点。
91.s30、从所述车道线位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据。
92.其中，第一基准点是指在第一坐标轴的坐标值小于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点。第二基准点是指在第一坐标轴的坐标值大于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点。第一坐标轴、第二坐标轴均为状态图像的参考坐标系中的坐标轴，第一坐标轴和第二坐标轴为垂直关系。
93.第一坐标轴和第二坐标轴是为了区别而定义的名称，可以理解的是，第一坐标轴、第二坐标轴均可以是平面坐标系中的x轴、或y轴，也可以是三维坐标系中的x轴、y轴、或z轴。在本技术实施例中，第一坐标轴是指与状态图像的宽所在直线平行的坐标轴、第二坐标轴是指与状态图像的高所在直线平行的坐标轴。
94.第一坐标轴、第二坐标轴的方向可以根据具体情况而设置，在此对第一坐标轴、第二坐标轴的方向不作限定。例如，如图4所示，第一坐标轴的方向可以是左下角像素点沿右下角像素点方向。也可以是右下角像素点沿左下角像素点方向。
95.第一基准点的数据、第二基准点的数据均可以通过坐标值来表示。
96.具体地，首先，一方面，从车道线位置点的集合中，获取在所述第一坐标轴的坐标值小于第一预设阈值的车道线位置点数据，得到第一像素点的集合。另一方面，并从车道线
位置点的集合中获取在第一坐标轴的坐标值大于第一预设阈值的车道线位置点数据，得到第二像素点的集合。
97.然后，一方面，从第一像素点的集合中，获取在第二坐标轴的坐标值最小的像素点数据，以作为待检测车道线的第一基准点的数据。另一方面，从第二像素点的集合中，获取在第二坐标轴的坐标值最小的像素点数据，以作为待检测车道线的第二基准点数据。
98.请继续参照图4和图5，其中，图5是本技术实施例中提供的第一基准点和第二基准点的一种场景示意图。例如，第一坐标轴为x轴，第二坐标轴为y轴，第一预设阈值取值为则在第一坐标轴(即x轴)的坐标值小于第一预设阈值的车道线位置点为车道线1、车道线2所在的像素点；车道线1、车道线2所在的像素点中，在第二坐标轴(即y轴)的坐标值最小的像素点为(车道线2上的像素点)点a，如图5所示。在第一坐标轴(x轴)的坐标值大于第一预设阈值的车道线位置点为车道线3、车道线4所在的像素点；车道线3、车道线4所在的像素点中，在第二坐标轴(即y轴)的坐标值最小的像素点为(车道线3上的像素点)点b，如图5所示。
99.其中，第一预设阈值可以根据经验而设置，上述第一预设阈值仅为举例，具体可以根据实际情况进行设置，不以此为限。只要使得待检测的两条车道线中，一条车道线的部分像素点在第一坐标轴的坐标值小于第一预设阈值，另一条车道线的部分像素点在第一坐标轴的坐标值大于第一预设阈值。
100.可以理解的是，图4和图5所示出的坐标、以及本技术实施例中所举例的坐标仅仅为说明作用，在参考坐标系变换后，为了能实现车道线的检测而作对应的坐标数据的修改均为等同的方案。例如，图4中若将x轴、y轴作调换后，则第一坐标轴为y轴、第二坐标轴为x轴。
101.s40、对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
102.具体地，步骤s40具体可以包括：获取所述车道线位置点与所述第一基准点的第一汉明距离、以及与所述第二基准点的第二汉明距离；根据所述第一汉明距离和所述第二汉明距离，对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
103.其中，第一汉明距离是指在状态图像中，车道线位置点与第一基准点的汉明距离；具体是指车道线位置点与第一基准点的位置差。第二汉明距离是指在状态图像中，车道线位置点与第二基准点的汉明距离；具体是指车道线位置点与第二基准点的位置差。
104.比如，车道线位置点的坐标位置为(0，1)、第一基准点的坐标位置为(0，3)，则可以确定车道线位置点(0，1)与第一基准点(0，3)的位置差(即第一汉明距离)为2个单位的坐标距离。
105.又如，车道线位置点的坐标位置为(1，1)、第二基准点的坐标位置为(0，3)，则可以确定车道线位置点(0，1)与第二基准点(0，3)的位置差(即第二汉明距离)为：个单位的坐标距离。
106.在一些实施例中，对车道线位置点的集合中的各点进行聚类处理过程，包括以下步骤(1)～(4)，其中：
107.(1)将第一基准点聚类至第一聚类点集合(记为k1)，将第二基准点聚类至第二聚
类点集合(记为k2)。
108.(2)遍历车道线位置点的集合(记为k)中的各点。一方面，从k中，获取第一汉明距离小于预设位置差(如2个单位的坐标距离)的车道线位置点，并聚类至k1。另一方面，从k中，获取第二汉明距离小于预设位置差(如3个单位的坐标距离)的车道线位置点，并聚类至k2。
109.(3)遍历k中剩余的各点。当检测到与k1中任一像素点之间的位置差小于预设位置差的目标像素点(记为pos1)时，将pos1聚类至k1。当检测到与k2中任一像素点之间的位置差小于预设位置差的目标像素点(记为pos2)时，将pos2聚类至k2。
110.(4)迭代以上步骤(3)，直至k1、k2中的像素点个数均满足预设个数，得到第一基准点的第一聚类点集合、第二基准点的第二聚类点集合。以便可以基于第一聚类点集合(k1)中的各点拟合出车道线、基于k2集合中的各点拟合出车道线。
111.其中，第一聚类点集合是指包含第一基准点和车道线位置点、并且所包含的像素点满足预设距离差条件的像素点集合。像素点满足预设距离差条件是指：第一聚类点集合所包含的像素点中的每一个像素点，总是存在与之位置差小于预设位置差的像素点。
112.第二聚类点集合是指包含第二基准点和车道线位置点、并且所包含的像素点满足预设距离差条件的像素点集合。像素点满足预设距离差条件是指：第二聚类点集合所包含的像素点中的每一个像素点，总是存在与之位置差小于预设位置差的像素点)。
113.其中，预设位置差的具体取值可以根据经验或实际需求而设置，上述预设位置差仅为举例，具体可以根据实际情况进行设置，不以此为限。
114.由以上内容可以看出，通过根据车道线位置点分别与第一基准点的第一汉明距离、与第二基准点的第二汉明距离，以及预设位置差，将车道线位置点的集合中的像素点聚类至第一聚点类集合、第二聚类点集合。由于同一条车道线上的像素点间的位置差相对较小，通过对比第一汉明距离和第二汉明距离分别与预设位置差的大小关系，实现对同一条车道线的像素点进行聚类，从而提高车道线的检测精度。
115.s50、分别对所述第一聚类点集合、所述第二聚类点集合进行曲线拟合处理，得到所述待检测车道线的第一曲线数据、以及第二曲线数据。
116.其中，第一曲线数据和第二曲线数据用于指示待检测车道线。具体地，第一曲线数据、第二曲线数据分别用于指示同一车道的两条不同的车道线。
117.在一些实施例中，具体地，根据预设的多项式，对第一聚类点集合中的各点进行拟合处理，得到待检测车道线的第一曲线数据。根据预设的多项式，对第二聚类点集合中的各点进行拟合处理，得到待检测车道线的第二曲线数据。
118.其中，预设的多项式可以是一阶多项式、二阶多项式、三阶多项式等任意多阶多项式，具体可以实际需求而预设。例如，当待检测车道线为直线时，预设的多项式可以采用一阶多项式，如以下公式(1)所示，预设的多项式可以表示为：
119.f(x)＝bx c
ꢀꢀ
公式(1)
120.其中，f(x)表示第一聚类点集合(或第二聚类点集合)中各点的纵坐标值；x表示第一聚类点集合(或第二聚类点集合)中各点的横坐标值；b、c分别为常数，由第一聚类点集合(或第二聚类点集合)中各点所构成的曲线的曲线特征来确定。预设的多项式中的各个参数均为未知数。
121.又如，待检测车道线为为直线、或曲线时，预设的多项式也可以采用二阶多项式，如以下公式(2)所示，预设的多项式可以表示为：
122.f(x)＝ax2 bx c
ꢀꢀ
公式(2)
123.其中，fk(x)表示第一聚类点集合(或第二聚类点集合)中各点的纵坐标值；x表示第一聚类点集合(或第二聚类点集合)中各点的横坐标值；a、b、c分别为常数，由第一聚类点集合(或第二聚类点集合)中各点所构成的曲线的曲线特征来确定。预设的多项式中的各个参数均为未知数。
124.例如，根据上述公式(2)，对第一聚类点集合中的各点进行拟合处理，得到待检测车道线的第一曲线数据(表示为f1(x)＝a1x2 b1x c1，其中，a1、b1、c1分别为常数)。根据公式(2)，对第二聚类点集合中的各点进行拟合处理，得到待检测车道线的第二曲线数据(表示为f2(x)＝a2x2 b2x c2，其中，a2、b2、c2分别为常数)。
125.由以上内容可以看出，由于针对了目标车道在状态图像中的位置特性，从车道线位置点的集合中，获取在第一坐标轴的坐标值小于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点，以作为待检测车道线的第一基准点的数据；并从车道线位置点的集合中，获取在第一坐标轴的坐标值大于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点，以作为待检测车道线的第二基准点的数据。并基于第一基准点的数据、第二基准点的数据进行像素点聚类，以获得待检测车道线对应的第一聚类点集合、第二聚类点集合。进而可以基于第一聚点类集合、第二聚点类集合分别拟合出待检测车道线的第一曲线数据、第二曲线数据。可以精准地获取到目标车道的两条车道线上的像素点作为第一基准点、第二基准点，进而保证用于拟合待检测车道线的第一聚类点集合、第二聚类点集合中的各点分别为目标车道的两条车道线的像素点，从而提高了车道线的检测精度。
126.由于在行车视角下，状态图像中距离车辆较远的位置的车道线通常会出现相交的情况，并且远处的车道线清晰度相对较差。进一步地，为了提高车道线的检测精度，可以把这部分影响车道线检测精度的像素点滤除。
127.为此，在本技术的一些实施例中，步骤s30具体可以包括：从所述车道线位置点的集合中，获取在所述第二坐标轴的坐标值小于第二预设阈值的目标位置点的集合；从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据。
128.例如，如图4所示，当状态图像左上角像素点在第二坐标轴的坐标值，大于状态图像左下角像素点在第二坐标轴的坐标值时，从车道线位置点的集合中，获取在第二坐标轴的坐标值小于第二预设阈值(如第二预设阈值为32m)的像素点，作为目标位置点，从而得到目标位置点的集合。
129.对应地，此时，目标位置点的集合是指车道线位置点的集合中，在第二坐标轴的坐标值小于第二预设阈值的像素点。
130.请参照图6，图6是本技术实施例中提供的状态图像中各像素点对应的参考坐标系的另一种场景示意图。在一些实施例中，步骤s30具体可以包括：从所述车道线位置点的集合中，获取在所述第二坐标轴的坐标值大于第二预设阈值的目标位置点的集合；从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据。
131.图6中以状态图像的右上角像素点作为坐标系原点、状态图像的左上角像素点和
右上角像素点所在直线(即平行于状态图像的宽所在直线)作为x轴、以状态图像的左下角像素点和左上角像素点所在直线(即平行于状态图像的高所在直线)作为y轴、以左上角像素点沿右上角像素点方向作为x轴方向、以左上角像素点沿左下角像素点方向作为y轴方向，建立参考坐标系。
132.例如，如图6所示，当状态图像左上角像素点在第二坐标轴的坐标值，小于状态图像左下角像素点在第二坐标轴的坐标值时，从车道线位置点的集合中，获取在第二坐标轴的坐标值大于第二预设阈值(如第二预设阈值为)的像素点，作为目标位置点，从而得到目标位置点的集合。
133.对应地，此时，目标位置点的集合是指车道线位置点的集合中，在第二坐标轴的坐标值大于第二预设阈值的像素点。
134.其中，第二预设阈值可以根据经验而设置，上述第二预设阈值仅为举例，具体可以根据实际情况进行设置，不以此为限。
135.请继续参照图3、图4、图6。由此可见，以上步骤s30两个实施例的目的均在于滤除状态图像的高度上半部分像素点，只是像素点的坐标值在坐标形式上作了变换，因此滤除坐标值条件作了对应调整。
136.由以上内容可以看出，通过从车道线位置点的集合中，获取在第二坐标轴的坐标值小于第二预设阈值(或者获取在第二坐标轴的坐标值大于第二预设阈值)的目标位置点的集合；再从目标位置点的集合中，获取待检测车道线的第一基准点的数据和第二基准点的数据，可以将影响车道线检测精度的像素点滤除，从而提高车道线的检测精度。
137.在滤除状态图像的高度上半部分像素点，得到目标位置点的集合之后，此时，“从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据”具体可以包括：从所述目标位置点的集合中，获取在所述第一坐标轴的坐标值小于第一预设阈值的车道线位置点数据，得到第一初始点的集合；并从所述目标位置点的集合中获取在所述第一坐标轴的坐标值大于第一预设阈值的车道线位置点数据，得到第二初始点的集合；从所述第一初始点的集合中，获取在所述第二坐标轴的坐标值最小的像素点数据，以作为所述待检测车道线的第一基准点的数据；并从所述第二初始点的集合中，获取在所述第二坐标轴的坐标值最小的像素点数据，以作为所述待检测车道线的第二基准点数据。
138.其中，第一初始点的集合是指目标位置点的集合中，在第一坐标轴的坐标值小于第一预设阈值的车道线位置点所构成的集合。第二初始点的集合是指目标位置点的集合中，在第一坐标轴的坐标值大于第一预设阈值的车道线位置点所构成的集合。
139.具体地，由于“从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据”，与步骤s30中的“从所述车道线位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据”区别在于：从“目标位置点集合中”获取、或从“车道线位置点的集合中”获取。故“从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据”的具体实施方式可以参照以上步骤s30中的阐述及举例，在此不再赘述。
140.由以上内容可以看出，通过按照目标位置点在第一坐标轴的坐标值，与第一预设阈值的大小关系，对车道线位置点分类得到第一初始点的集合、第二初始点的集合；实现将
状态图像中的像素点一分为二，即实现了将目标车道的两条车道线的像素点分别分类至两个不同的像素点集合中。再分别从第一初始点的集合、第二初始点的集合中获取第一基准点的数据、第二基准点的数据。一方面，保证了所获取的第一基准点的数据为目标车道的一条车道线的像素点、第二基准点的数据为目标车道的另一条车道线的像素点。另一方面，由于针对了目标车道在状态图像中的位置特性，获取在第二坐标轴的坐标值最小的像素点数据，从而可以精准地获取到目标车道的两条车道线上的像素点作为第一基准点、第二基准点。
141.此时，步骤s40具体可以包括：获取所述目标位置点与所述第一基准点的第三汉明距离、以及与所述第二基准点的第四汉明距离；根据所述第三汉明距离和所述第四汉明距离，对所述目标位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
142.其中，第三汉明距离是指在状态图像中，目标位置点与第一基准点的汉明距离；具体是指目标位置点与第一基准点的位置差。第四汉明距离是指在状态图像中，目标位置点与第二基准点的汉明距离；具体是目标位置点与第二基准点的位置差。
143.具体地，由于“对所述目标位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合”，与步骤s40中的“对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合”区别在于：对“目标位置点的集合”中的各点进行聚类处理、或对“车道线位置点的集合”中的各点进行聚类处理。故“对所述目标位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合”的具体实施方式可以参照以上步骤s40中的阐述及举例，在此不再赘述。
144.由以上内容可以看出，通过根据目标位置点分别与第一基准点的第三汉明距离、与第二基准点的第四汉明距离，以及预设位置差，将目标位置点的集合中的像素点聚类至第一聚类点集合、第二聚类点集合。由于同一条车道线上的像素点间的位置差相对较小，通过对比第三汉明距离和第四汉明距离分别与预设位置差的大小关系，实现对同一条车道线的像素点进行聚类，从而提高车道线的检测精度。
145.通过上述车道线检测方法，检测出同一车道的两条不同的车道线的基础上，本技术实施例中还可以进一步检测车辆是否偏离直线车道。即本技术实施例的车道线检测方法还包括以下步骤a1～a3，其中：
146.a1、获取车辆行驶状态下的包含待检测车道线的至少两张状态图像，以分别作为基准状态图像、以及对比状态图像。
147.其中，对比状态图像的生成时间滞后于基准状态图像的生成时间。
148.为了提高检测车辆是否偏离直线的车道线的精准度，可以获取行车角度下所拍摄的车道图像，作为包含待检测车道线的状态图像。用于拍摄状态图像的摄像头可以安装在车内或车外正前方的中间视野处。
149.a2、获取所述基准状态图像对应的第一曲线数据、以及所述基准状态图像对应的第二曲线数据；并获取所述对比状态图像对应的第一曲线数据、所述对比状态图像对应的第二曲线数据。
150.根据上述车道线检测方法，获取基准状态图像对应的第一曲线数据、以及基准状
态图像对应的第二曲线数据。并获取对比状态图像对应的第一曲线数据、对比状态图像对应的第二曲线数据。
151.其中，基准状态图像对应的第一曲线数据、以及基准状态图像对应的第二曲线数据指示处于在前时刻时，车辆所在直线车道的两条(直线的)车道线在图像中所处的位置。
152.对比状态图像对应的第一曲线数据、以及对比状态图像对应的第二曲线数据指示处于在后时刻时，车辆所在直线车道的两条(直线的)车道线在图像中所处的位置。
153.其中，基准状态图像中的各像素点、对比状态图像中的各像素点均可以采用坐标值来表示，并且基准状态图像的参考坐标系、与对比状态图像的参考坐标系应当相同，以便于后续对比基准状态图像与对比状态图像之间的曲线数据对比，确定车辆是否处于偏离车道线状态。
154.a3、根据所述基准状态图像对应的第一曲线数据、所述基准状态图像对应的第二曲线数据、所述对比状态图像对应的第一曲线数据、和所述对比状态图像对应的第二曲线数据，确定车辆是否处于偏离车道状态。
155.在一些实施例中，一方面，检测基准状态图像对应的第一曲线数据，与对比状态图像对应的第一曲线数据是否相同。另一方面，检测基准状态图像对应的第二曲线数据，与对比状态图像对应的第二曲线数据是否相同。
156.当检测到基准状态图像对应的第一曲线数据，与对比状态图像对应的第一曲线数据相同；并且检测基准状态图像对应的第二曲线数据，与对比状态图像对应的第二曲线数据相同时，确定车辆未处于偏离车道状态。否则，确定车辆处于偏离车道状态。
157.进一步地，可以在检测到车辆没有开启左转向或右转向灯、并且检测到车辆处于偏离状态时，输出车道偏离警告。例如，可以通过发出警告提示音、“您已偏离车道，请注意安全驾驶”等信息。
158.由以上内容可以看出，通过对比先后时刻的状态图像(即基准状态图像、对比状态图像)所确定的车道线对应的曲线数据，确定车辆是否处于偏离车道状态，进而可以在车辆处于偏离车道状态时及时发出提醒，从而保证车辆能保持正常地行驶在同一条车道上，提高了汽车行驶的安全性。
159.在一些实施例中，步骤a3具体可以包括步骤a31～a34，其中：
160.a31、根据所述基准状态图像对应的第一曲线数据、和所述基准状态图像对应的第二曲线数据，分别确定所述基准状态图像对应的第一参考点数据、以及第二参考点数据。
161.为了方便理解，可以继续参照图4。
162.在一些实施例中，基准状态图像对应的第一曲线数据所对应的车道线(记为a1)，车道线a1的像素点在第二坐标轴的取值范围为：yi，1≤i≤m1，其中，m1为大于等于1的整数。第一参考点数据是指在基准状态图像中，车道线a1所在的n1个像素点中，第i像素点在第二坐标轴的坐标值yi，其中1≤n1≤m1，n1为正整数。
163.基准状态图像对应的第二曲线数据所对应的车道线(记为a2)，车道线a2的像素点在第二坐标轴的取值范围为：yi，1≤i≤m2，其中，m2为大于等于1的整数。第二参考点数据是指在基准状态图像中，车道线a2所在的n2个像素点中，第i像素点在第二坐标轴的坐标值yi，其中1≤n2≤m2，n2为正整数。
164.a32、根据所述对比状态图像对应的第一曲线数据、和所述对比状态图像对应的第
二曲线数据，分别确定所述对比状态图像对应的第一对比点数据、以及第二对比点数据。
165.在一些实施例中，与a31中第一参考点数据、第二参考点数据对应，对比状态图像对应的第一曲线数据所对应的车道线(记为b1)，车道线b1的像素点在第二坐标轴的取值范围为：yi，1≤i≤m1，其中，m1为大于等于1的整数。第一对比点数据是指在对比状态图像中，车道线b1所在的n1个像素点中，第i像素点在第二坐标轴的坐标值yi，其中1≤n1≤m1，n1为正整数。
166.对比状态图像对应的第二曲线数据所对应的车道线(记为b2)，车道线b2的像素点在第二坐标轴的取值范围为：yi，1≤i≤m2，其中，m2为大于等于1的整数。第二参考点数据是指在对比状态图像中，车道线b2所在的n2个像素点中，第i像素点在第二坐标轴的坐标值yi，其中1≤n2≤m2，n2为正整数。
167.a33、检测所述第一参考点数据与所述第一对比点数据之间的第一差值数据、以及所述第二参考点数据与所述第二对比点数据之间的第二差值数据。
168.在一些实施例中，第一差值数据是指车道线a1所在的n1个像素点中、第i像素点在第二坐标轴的坐标值yi，与车道线b1所在的n1个像素点中、第i像素点在第二坐标轴的坐标值yi之间的差值。
169.第二差值数据是指车道线a2所在的n2个像素点中、第i像素点在第二坐标轴的坐标值yi，与车道线b2所在的n2个像素点中、第i像素点在第二坐标轴的坐标值yi之间的差值。
170.a34、根据所述第一差值数据和所述第二差值数据，确定车辆是否处于偏离车道状态。
171.在一些实施例中，具体地，检测第一差值数据是否大于第三预设阈值、同时检测第二差值数据是否大于第三预设阈值。当检测到第一差值数据和第二差值数据均大于第三预设阈值时，确定车辆未处于偏离车道状态。否则，确定车辆处于偏离车道状态。
172.其中，第三预设阈值的取值可以根据经验或实际需求而设置，在此不对第三预设阈值的具体取值作限定。
173.进一步地，在检测到车辆未处于偏离车道状态之后。检测第一差值数据与第二差值数据之间的大小关系。当检测到第一差值数据大于第二差值数据，确定车辆向左偏离车道，当检测到第一差值数据小于第二差值数据，确定车辆向右偏离车道。
174.或者当检测到第一差值数据大于第二差值数据，确定车辆向右偏离车道，当检测到第一差值数据小于第二差值数据，确定车辆向左偏离车道。
175.由以上内容可以看出，通过根据基准状态图像对应的第一参考点数据、第二参考点数据，以及对比状态图像对应的第一对比点数据、第二对比点数据，确定在先后时刻车道线位置(同一车道的两条车道线的在图像中位置)所对应的第一差值数据、第二差值数据，以检测出车道行驶的同一车道在图像中的像素位置变换情况，进而可以精确地确定车辆是否偏离车道。
176.为了更好实施本技术实施例中车道线检测方法，在车道线检测方法基础之上，本技术实施例中还提供一种车道线检测装置，如图7所示，为本技术实施例中车道线检测装置的一个实施例结构示意图，该车道线检测装置700包括：
177.第一获取单元701，用于获取包含待检测车道线的状态图像；
178.检测单元702，用于对所述状态图像进行车道线检测处理，得到所述状态图像的车道线位置点的集合，其中，所述车道线位置点是指所述状态图像中的车道线所在像素点；
179.第二获取单元703，用于从所述车道线位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据；其中，所述第一基准点是指在第一坐标轴的坐标值小于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点；所述第二基准点是指在第一坐标轴的坐标值大于第一预设阈值的车道线位置点中，在第二坐标轴的坐标值最小的像素点；所述第一坐标轴与所述第二坐标轴垂直；
180.聚类单元704，用于对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合；
181.拟合单元705，用于分别对所述第一聚类点集合、所述第二聚类点集合进行曲线拟合处理，得到所述待检测车道线的第一曲线数据、以及第二曲线数据，其中，所述第一曲线数据和所述第二曲线数据用于指示所述待检测车道线。
182.在本技术的一些实施例中，所述聚类单元704具体还用于：
183.获取所述车道线位置点与所述第一基准点的第一汉明距离、以及与所述第二基准点的第二汉明距离；
184.根据所述第一汉明距离和所述第二汉明距离，对所述车道线位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
185.在本技术的一些实施例中，所述第二获取单元703具体还用于：
186.从所述车道线位置点的集合中，获取在所述第二坐标轴的坐标值小于第二预设阈值的目标位置点的集合；
187.从所述目标位置点的集合中，获取所述待检测车道线的第一基准点的数据和第二基准点的数据。
188.在本技术的一些实施例中，所述第二获取单元703具体还用于：
189.从所述目标位置点的集合中，获取在所述第一坐标轴的坐标值小于第一预设阈值的车道线位置点数据，得到第一初始点的集合；并从所述目标位置点的集合中获取在所述第一坐标轴的坐标值大于第一预设阈值的车道线位置点数据，得到第二初始点的集合；
190.从所述第一初始点的集合中，获取在所述第二坐标轴的坐标值最小的像素点数据，以作为所述待检测车道线的第一基准点的数据；并从所述第二初始点的集合中，获取在所述第二坐标轴的坐标值最小的像素点数据，以作为所述待检测车道线的第二基准点数据。
191.在本技术的一些实施例中，所述聚类单元704具体还用于：
192.获取所述目标位置点与所述第一基准点的第三汉明距离、以及与所述第二基准点的第四汉明距离；
193.根据所述第三汉明距离和所述第四汉明距离，对所述目标位置点的集合中的各点进行聚类处理，得到所述第一基准点的第一聚类点集合、以及所述第二基准点的第二聚类点集合。
194.在本技术的一些实施例中，所述车道线检测装置还包括判别单元(图中未示出)，所述判别单元具体用于：
195.获取车辆行驶状态下的包含待检测车道线的至少两张状态图像，以分别作为基准状态图像、以及对比状态图像，其中，所述对比状态图像的生成时间滞后于所述基准状态图像的生成时间；
196.获取所述基准状态图像对应的第一曲线数据、以及所述基准状态图像对应的第二曲线数据；并获取所述对比状态图像对应的第一曲线数据、所述对比状态图像对应的第二曲线数据；
197.根据所述基准状态图像对应的第一曲线数据、所述基准状态图像对应的第二曲线数据、所述对比状态图像对应的第一曲线数据、和所述对比状态图像对应的第二曲线数据，确定车辆是否处于偏离车道状态。
198.在本技术的一些实施例中，所述判别单元具体还用于：
199.根据所述基准状态图像对应的第一曲线数据、和所述基准状态图像对应的第二曲线数据，分别确定所述基准状态图像对应的第一参考点数据、以及第二参考点数据；
200.根据所述对比状态图像对应的第一曲线数据、和所述对比状态图像对应的第二曲线数据，分别确定所述对比状态图像对应的第一对比点数据、以及第二对比点数据；
201.检测所述第一参考点数据与所述第一对比点数据之间的第一差值数据、以及所述第二参考点数据与所述第二对比点数据之间的第二差值数据；
202.根据所述第一差值数据和所述第二差值数据，确定车辆是否处于偏离车道状态。
203.具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
204.由于该车道线检测装置可以执行本技术如图1至图6对应任意实施例中车道线检测方法中的步骤，因此，可以实现本技术如图1至图6对应任意实施例中车道线检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。
205.此外，为了更好实施本技术实施例中车道线检测方法，在车道线检测方法基础之上，本技术实施例还提供一种电子设备，参阅图8，图8示出了本技术实施例电子设备的一种结构示意图，具体的，本技术实施例提供的电子设备包括处理器801，处理器801用于执行存储器802中存储的计算机程序时实现如图1至图6对应任意实施例中车道线检测方法的各步骤；或者，处理器801用于执行存储器802中存储的计算机程序时实现如图7对应实施例中各单元的功能。
206.示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本技术实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
207.电子设备可包括，但不仅限于处理器801、存储器802。本领域技术人员可以理解，示意仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子备还可以包括输入输出设备、网络接入设备、总线等，处理器801、存储器802、输入输出设备以及网络接入设备等通过总线相连。
208.处理器801可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路
(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
209.存储器802可用于存储计算机程序和/或模块，处理器801通过运行或执行存储在存储器802内的计算机程序和/或模块，以及调用存储在存储器802内的数据，实现计算机装置的各种功能。存储器802可主要包括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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、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。
210.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的车道线检测装置、电子设备及其相应单元的具体工作过程，可以参考如图1至图6对应任意实施例中车道线检测方法的说明，具体在此不再赘述。
211.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
212.为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术如图1至图6对应任意实施例中车道线检测方法中的步骤，具体操作可参考如图1至图6对应任意实施例中车道线检测方法的说明，在此不再赘述。
213.其中，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
214.由于该计算机可读存储介质中所存储的指令，可以执行本技术如图1至图6对应任意实施例中车道线检测方法中的步骤，因此，可以实现本技术如图1至图6对应任意实施例中车道线检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。
215.以上对本技术实施例所提供的一种车道线检测方法、装置、电子设备及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。