(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210978997.2 (22)申请日 2022.08.16 (65)同一申请的已公布的文献号 申请公布号 CN 115082701 A (43)申请公布日 2022.09.20 (73)专利权人 山东高速集团有限公司创新研究 院 地址 250101 山东省济南市历下区龙奥北 路8号山东高速大厦19 楼1908 专利权人 山东交通学院 (72)发明人 龙关旭　辛公锋　石磊　潘为刚　 靳华磊　尚志强　秦石铭　周骁腾　 王书新　马鹏飞　胡朋　王目树　 潘立平　康超　 (74)专利代理 机构 南京灿烂知识产权代理有限 公司 323 56 专利代理师 赵丽 (51)Int.Cl. G06V 10/44(2022.01)G06V 20/56(2022.01) G06T 7/80(2017.01) G06T 7/155(2017.01) G06T 5/30(2006.01) G06T 5/20(2006.01) G06T 5/00(2006.01) (56)对比文件 CN 112706835 A,2021.04.27 CN 213342426 U,2021.0 6.01 CN 114299247 A,202 2.04.08 CN 114072840 A,202 2.02.18 CN 106960192 A,2017.07.18 CN 114808649 A,202 2.07.29 JP 201017048 8 A,2010.08.0 5 US 20183 04898 A1,2018.10.25 王振庆等.高速公路智能道路标线施工技 术 研究. 《中国设备工程》 .202 2, (续) 审查员 李志研 (54)发明名称 一种基于双摄像头的多水线交叉识别定位 方法 (57)摘要 本发明公开了一种基于双摄像头的多水线 交叉识别定位方法， 属于公路交通技术领域， 解 决水线交叉情况下难以判别水线， 水线判别与划 线距离远存在偏差的难题。 方案包括步骤1： 前置 摄像头采集划线车前方的高速公路上的宽视角 水线图像； 步骤2： 水线识别模块对宽视角水线图 像进行水线的边缘图像的识别； 步骤3： 当水线 边 缘图像存在交叉时， 通过标准水线识别模块进行 标准水线的判别， 并反馈给目标水线识别模块； 步骤4： 后置摄像头采集高速公路上的窄视角水 线图像； 步骤5： 水线识别模块对窄视角水线图像 进行水线的边缘图像的识别； 步骤6： 当水线的边 缘图像存在交叉时， 目标水线识别模块判别目标水线； 步骤7： 基于目标水线进行高速公路的划线 作业。 [转续页] 权利要求书3页 说明书7页 附图9页 CN 115082701 B 2022.11.08 CN 115082701 B (56)对比文件 Haiyan Shao 等.Researc h on water hazard detecti on based o n line structured light sensor for l ong-distance al l day. 《2015 IE EE Internati onal Conference o n Mechatronics and Automati on (ICMA)》 .2015,2/2 页 2[接上页] CN 115082701 B1.一种基于双摄 像头的多水线交叉识别定位方法， 其特 征在于， 包括如下步骤： 步骤1： 前置摄 像头采集划线车 前方的高速公路上的宽 视角水线图像； 步骤2： 水线识别模块对宽 视角水线图像进行 水线的边 缘图像的识别； 步骤3： 当水线边缘图像存在交叉时， 通过标准水线识别模块进行标准水线的判别， 并 将标准水线的判别结果反馈给目标 水线识别模块； 步骤4： 后置摄 像头采集高速公路上的窄视角水线图像； 步骤5： 水线识别模块对窄视角水线图像进行 水线的边 缘图像的识别； 步骤6： 当水线的边缘图像存在交叉时， 基于步骤3标准水线的判别结果， 目标水线识别 模块判别用于划线的目标 水线； 步骤7： 划线模块基于目标 水线进行高速公路的划线作业； 其中， 前置摄像头和后置摄像头均设置在划线车上， 前置摄像头设置在划线车的侧前 方， 划线模块设置在划线车上与前置摄像头同一侧的中间位置， 后置摄像头设置在与划线 模块相邻的正前面， 前置摄 像头的离地高度高于后置摄 像头的离地高度； 水线识别模块识别水线的边 缘图像的方法包括如下步骤： 步骤2.1： 基于水线图像， 读取水线的灰度图像， 并对灰度图像进行中值滤波， 中值滤波 算法所参照的公式为： 其中， G （x,y） 表示滤波后的灰度图像， x和y分别 表示图像的行和列， g(x ‑m,y‑n)表示对 模板覆盖区域的像素值， med表 示对像素值按照大小进 行排序， 然后选择排序位置在中间的 像素， m和n是 ±W之间的整数； 步骤2.2： 对滤波后的灰度图像G （x,y） 进行拉伸； 步骤2.3： 通过形状模板对拉伸后的灰度图像的整张图像进行连续扫描， 形状模板包括 连续的三个一样的矩形区域， 分别为： 白色区域、 过渡区域和黑色区域， 白色区域和黑色区 域大小一样， 过渡区域的矩形宽度窄于白色区域和黑色区域的矩形宽度； 步骤2.4： 采用积分图方法对形状模板所经过的白色区域和黑色区域进行图像像素增 强， 以提高计算效率， 通过修正后的边缘特征图像对形状模板所经过 的过渡区域进行像素 替换以消除毛刺； 步骤2.5： 对积分优化图像进行拉伸以提高水线检测精度， 并采用常规膨胀腐蚀算法对 提取的水线图像进行 形态学处 理； 步骤2.6： 利用自适应阈值法对完成形态学处理的图像再次进行二值化处理， 得到二值 化图像； 步骤2.7： 基于二 值化图像， 通过检测水线边 缘算法， 获取 水线的边 缘图像： 其中， E(x,y)表示水线的边缘图像第x行第y列的像素值， B(x,y)表示二值图像的第x行 第y列的像素值; 步骤2.8： 对于水线的边缘图像， 采用霍夫变换方法检测边缘图像内的直线， 获得直线 法线斜率ρ 、 直线到原点的距离θ， 以及直线的长度l， 其中原点是x= 0且y=0的点；权　利　要　求　书 1/3 页 2 CN 115082701 B 3