一种基于像素差异的车位线过滤方法及系统与流程

1.本发明涉及智能驾驶领域，尤其涉及一种基于像素差异的车位线过滤方法及系统。


背景技术：

2.自动泊车的目的提高泊车的方便性，为驾驶员提供安全舒适且快捷的泊车服务，降低驾驶员泊车的难度。其中的车位线检测算法先对车位轮廓线段进行筛选与融合，然后通过寻找成对的水平线段和成对的垂直线段，定位出车位的四个顶点，最后得到车位线。
3.目前的车位线检测技术主要依赖于对直线进行一系列处理，最后得到车位线。如果车位线附近有其他线段干扰，比如水泥划线，那么就很容易把干扰线段当做车位线段去计算，最后得出来的车位线和实际车位线有偏差，导致泊车位置偏移。而且，停车线本身都是有一定宽度的，目前的技术只对车位线进行筛选融合，并不更加精确的区分车位线的内外边线，这样在很多情况下，找到的车位线，会比实际车位线，偏移一个车位线宽度。


技术实现要素：

4.本发明针对现有技术中存在的技术问题，提供一种基于像素差异的车位线过滤方法及系统，把通过车位检测算法得到的一系列相似车位线，结合图片像素信息对线段做过滤筛选处理，能有效去除掉非车位线的干扰问题，得到图像上的最佳车位线。
5.根据本发明的第一方面，提供了一种基于像素差异的车位线过滤方法，包括：步骤1，基于像素距离对通过车位线检测算法得到的各个车位线进行分组；
6.步骤2，对每组里的车位线基于像素的相似性进行筛选；
7.步骤3，在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
8.在上述技术方案的基础上，本发明还可以作出如下改进。
9.可选的，所述步骤1中，车位线l1的两条对边a和b，车位线l2相同方向对应的两条对边a
′
和b
′
；
10.计算得到边a与边a
′
的像素距离以及边b与边b
′
的像素距离均小于设定像素距离阈值时，将所述车位线l1和车位线l2分到同一组。
11.可选的，所述步骤2包括：
12.步骤201，计算车位线框内的图像的平均像素x1；
13.步骤202，计算待检测车位线的各个边线的两边的图像块的平均像素x2；
14.步骤203，计算各个图像块与车位线框内的图像的平均像素的关系p不超过设定阈值时，则判断该图像块不包含车位线；p超过设定阈值时，则判断该图像块包含车位线；
15.步骤204，根据各个边线的两边的图像块是否包含车位线判断该待检测车位线是否过滤掉。
16.可选的，以靠近摄像头的方向为前方，所述步骤202中，对于位于前方的水平边线，所述图像块为该水平边线前后两边宽度为车位线宽度的图像块；对于垂直边线，所述图像块为该垂直边线左右两边宽度为车位线宽度的图像块。
17.可选的，所述步骤204中过滤掉非车位线段的过程包括：
18.待检测车位线的边线为水平边线时，该水平边线的前后两边有至少一块所述图像块包含车位线时，则该水平边线为车位线段，否则，该水平边线为所述非车位线段；
19.待检测车位线的边线为垂直边线时，该垂直边线的左右两边有至少一块所述图像块包含车位线时，则该垂直边线为车位线段，否则，该垂直边线为所述非车位线段。
20.可选的，所述步骤204还包括：根据各个边线的两边的图像块是否包含车位线确定内边线。
21.可选的，所述最佳车位线为水平方向距离以及垂直方向距离均最小的矩形车位线。
22.根据本发明的第二方面，提供一种基于像素差异的车位线过滤系统，包括：车位线分组模块、筛选模块和最佳车位确定模块；
23.所述车位线分组模块，用于基于像素距离对通过车位线检测算法得到的各个车位线进行分组；
24.所述筛选模块，用于对每组里的车位线基于像素的相似性进行筛选；
25.所述最佳车位确定模块，用于在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
26.根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现基于像素差异的车位线过滤方法的步骤。
27.根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现基于像素差异的车位线过滤方法的步骤。
28.本发明提供的一种基于像素差异的车位线过滤方法、系统、电子设备及存储介质，解决了车位线检测算法里非车位线段的干扰问题，同时也更加精细地区分车位线的内外边线，使泊车位置更加精准；能识别u型车位、矩形的水平车位和垂直车位，识别的车位线位置更加精确。
附图说明
29.图1为本发明提供的一种基于像素差异的车位线过滤方法流程图；
30.图2(a)为本发明提供的待检测车位线的边线的实施例的示意图；
31.图2(b)为图2(a)中边线的两边的图像块的示意图；
32.图3(a)为本发明提供的不加筛选结果的车位线示意图；
33.图3(b)为本发明提供的加了筛选结果的车位线示意图；
34.图4为本发明提供的垂直车位场景的实施例的示意图；
35.图5为本发明提供的水平车位场景的实施例的示意图；
36.图6为本发明实施例提供的一种基于像素差异的车位线过滤系统结构图；
37.图7为本发明提供的一种可能的电子设备的硬件结构示意图；
38.图8为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
39.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
40.图1为本发明提供的一种基于像素差异的车位线过滤方法流程图，如图1所示，该车位线过滤方法包括：
41.步骤1，基于像素距离对通过车位线检测算法得到的各个车位线进行分组。
42.步骤2，对每组里的车位线基于像素的相似性进行筛选。
43.对每组里的相似车位线进行筛选，去除非车位线的干扰。
44.步骤3，在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
45.本发明提供的一种基于像素差异的车位线过滤方法，把通过车位检测算法得到的一系列相似车位线，结合图片像素信息对线段做过滤筛选处理，能有效去除掉非车位线的干扰问题，得到图像上的最佳车位线。
46.实施例1
47.本发明提供的实施例1为本发明提供的一种基于像素差异的车位线过滤方法的实施例，结合图1可知，该车位线过滤方法的实施例包括：
48.步骤1，基于像素距离对通过车位线检测算法得到的各个车位线进行分组。
49.在一种可能的实施例方式中，对于车位线l1的两条对边a和b，车位线l2相同方向对应的两条对边a
′
和b
′
。
50.计算得到边a与边a
′
的像素距离以及边b与边b
′
的像素距离均小于设定像素距离阈值时，将车位线l1和车位线l2分到同一组。
51.具体实施中，可以计算车位线l1和车位线l2的两条长边的像素距离，设定像素距离阈值可以为50像素，在长边a与长边a
′
的像素距离以及长边b与长边b
′
的像素距离均小于50像素时，将车位线l1和车位线l2分到同一组。
52.步骤2，对每组里的车位线基于像素的相似性进行筛选。
53.在一种可能的实施例方式中，步骤201，计算车位线框内的图像的平均像素x1。
54.步骤202，计算待检测车位线的各个边线的两边的图像块的平均像素x2。
55.可以理解的是，以靠近摄像头的方向为前方，对于位于前方的水平边线，图像块为该水平边线前后两边宽度为车位线宽度的图像块；对于垂直边线，图像块为该垂直边线左右两边宽度为车位线宽度的图像块。
56.对于位于后方的水平边线，由于距离摄像头较远，拍摄到的线段边界模糊，因此不做像素计算。如图2(a)所示为本发明提供的待检测车位线的边线的实施例的示意图，图2(b)为图2(a)中边线的两边的图像块的示意图，给出了该边线的要计算平均像素的图像块。
57.步骤203，计算各个图像块与车位线框内的图像的平均像素的关系p不超过设定阈值时，则判断该图像块不包含车位线；p超过设定阈值时，则判断该图像块包含车位线。
58.具体实施中，该设定阈值可以为20％。如果p在20％以内，那么认为该图像块和矩形车位线框内的图像很相似，即这个图像块里不包含车位线。如果p大于20％，那么认为该图像块正好是包含车位线的图像。
59.步骤204，根据各个边线的两边的图像块是否包含车位线判断该待检测车位线是否过滤掉。
60.可以理解的是，过滤掉非车位线段的过程包括：
61.待检测车位线的边线为水平边线时，该水平边线的前后两边有至少一块图像块包含车位线时，则该水平边线为车位线段，否则，该水平边线为非车位线段。
62.待检测车位线的边线为垂直边线时，该垂直边线的左右两边有至少一块图像块包含车位线时，则该垂直边线为车位线段，否则，该垂直边线为非车位线段。
63.就可以把非车位线段误检为车位线段的矩形车位线过滤掉。如图3(a)和图3(b)所示分别为本发明提供的不加筛选结果和加了筛选结果的车位线示意图。
64.在一种可能的实施例方式中，步骤204还包括：根据各个边线的两边的图像块是否包含车位线确定内边线。
65.可以理解的是，以左侧的垂直边线为例，垂直边线的右边的图像块包含车位线且左边的图像块不包含车位线时，该垂直边线为内边线。
66.步骤3，在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
67.在一种可能的实施例方式中，最佳车位线为水平方向距离以及垂直方向距离均最小的矩形车位线。
68.本发明提供的的一种基于像素差异的车位线过滤方法的实施例中，能识别u型车位、矩形的水平车位和垂直车位，识别的车位线位置更加精确。如图4和图5所示分别为本发明提供的垂直车位场景和水平车位场景的实施例的示意图。
69.实施例2
70.本发明提供的实施例2为本发明提供的一种基于像素差异的车位线过滤系统的实施例，图6为本发明实施例提供的一种基于像素差异的车位线过滤系统结构图，结合图6可知，该实施例包括：车位线分组模块、筛选模块和最佳车位确定模块。
71.车位线分组模块，用于基于像素距离对通过车位线检测算法得到的各个车位线进行分组。
72.筛选模块，用于对每组里的车位线基于像素的相似性进行筛选。
73.最佳车位确定模块，用于在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
74.可以理解的是，本发明提供的一种基于像素差异的车位线过滤系统与前述各实施例提供的基于像素差异的车位线过滤方法相对应，基于像素差异的车位线过滤系统的相关技术特征可参考基于像素差异的车位线过滤方法的相关技术特征，在此不再赘述。
75.请参阅图7，图7为本发明实施例提供的电子设备的实施例示意图。如图7所示，本发明实施例提了一种电子设备，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：基于像素距离对通过车位线检测算法得到的各个车位线进行分组；对每组里的车位线基于像素的相似性进行筛选，在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
76.请参阅图8，图8为本发明提供的一种计算机可读存储介质的实施例示意图。如图8所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：基于像素距离对通过车位线检测算法得到的各个车位线进行分组；对每组里的车位线基于像素的相似性进行筛选，在筛选后的各个车位线中选择最内侧的车位线为最佳车位。
77.本发明实施例提供的一种基于像素差异的车位线过滤方法、系统及存储介质，解决了车位线检测算法里非车位线段的干扰问题，同时也更加精细地区分车位线的内外边线，使泊车位置更加精准；能识别u型车位、矩形的水平车位和垂直车位，识别的车位线位置更加精确。
78.需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
79.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
80.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
81.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
82.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
83.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
84.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。