CN116309353A - 检测车道线分离合并点的方法、装置、设备和介质 - Google Patents

Abstract

本申请涉及一种检测车道线分离合并点的方法、装置、设备和介质，所述方法包括：在获取车道线图像后，骨架化处理所述车道线图像上的车道线，得到车道线骨架图；识别所述车道线骨架图上的所有树杈节点，在所有所述树杈节点中确定伪树杈节点；在所述车道线骨架图中，对所述伪树杈节点对应的伪分支车道线进行消除，以得到所述车道线图像中真实的树杈节点，即得到所述车道线的分离合并点。本申请提供的方案，能够准确检测出车道线的分离合并点。

Description

检测车道线分离合并点的方法、装置、设备和介质

技术领域

本申请涉及车道线图像处理的技术领域，尤其涉及一种检测车道线分离合并点的方法、装置、设备和介质。

背景技术

在自动驾驶技术中，车道线数据处理是自动驾驶技术的重要部分。一般来说，在自动化制图流程中，先通过摄像设备比如相机来采集道路上的车道视频，再结合车辆位置信息与车道视频中的车道像素信息解算出车道线的实际坐标位置信息，再将这些解算出的信息进行分组或聚类成不同的车道线。然而，车道像素信息解算为实际坐标位置信息会导致不同车道线（例如主干车道线及其分支车道线）数据混杂，进而导致主干车道线数据和分支车道线数据不准确。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种检测车道线分离合并点的方法、装置、设备和介质，能够准确检测出车道线的分离合并点以切分主干车道线数据和分支车道线数据。

本申请第一方面提供一种检测车道线分离合并点的方法，所述方法包括：

在获取车道线图像后，骨架化处理所述车道线图像上的车道线，得到车道线骨架图；

识别所述车道线骨架图上的所有树杈节点，在所有所述树杈节点中确定伪树杈节点；

在所述车道线骨架图中，对所述伪树杈节点对应的伪分支车道线进行消除，以得到所述车道线图像中真实的树杈节点，即得到所述车道线的分离合并点。

在一实施方式中，在所述获取车道线图像之后，在所述骨架化处理所述车道线图像上的车道线之前，所述方法还包括：

对所述车道线图像上的车道线进行边缘平滑处理和/或空洞填充。

在一实施方式中，在所有所述树杈节点中确定伪树杈节点，包括：

若所述树杈节点对应的分支车道线的像素数量在预设像素数量以上，且该分支车道线空洞填充异常，则所述树杈节点为伪树杈节点。

在一实施方式中，在所有所述树杈节点中确定伪树杈节点，包括：

若所述树杈节点对应的分支车道线的像素数量低于预设像素数量，则所述树杈节点为伪树杈节点。

在一实施方式中，对所述伪树杈节点对应的伪分支车道线进行消除，包括：

在根据车道线骨架图和所述伪树杈节点确定该伪树杈节点对应的主干车道线和伪分支车道线之后，将所述伪分支车道线的像素值置零。

在一实施方式中，所述获取车道线图像，包括：

通过摄像设备获取车道线图像。

在一实施方式中，在得到所述车道线的分离合并点之后，所述方法还包括：

标记分离合并点，并对标记的分离合并点对应的分支车道线进行打断。

本申请第二方面提供一种检测车道线分离合并点的装置，所述装置包括：

图像处理模块，其被配置为在获取车道线图像后，骨架化处理所述车道线图像上的车道线，得到车道线骨架图；

图像识别模块，其被配置为识别所述车道线骨架图上的所有树杈节点，在所有所述树杈节点中确定伪树杈节点；

图像消除模块，其被配置为在所述车道线骨架图中，对所述伪树杈节点对应的伪分支车道线进行消除，以得到所述车道线图像中真实的树杈节点，即得到所述车道线的分离合并点。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：

本申请的技术方案，通过对车道线图像进行骨架化处理，使得所有的车道线的线宽一致，方便识别出不同车道线形成的树杈节点，而在骨架化处理中也会产生伪树杈节点，故而在识别出所有的树杈节点之后还需要筛选出伪树杈节点，并对伪树杈节点对应的伪分支车道线进行消除，那么余下的树杈节点也就是不同车道线形成的真实的树杈节点，而这些真实的树杈节点即为分离合并点。本申请的技术方案，能够准确检测出车道线的分离合并点，进而方便后续切分主干车道线数据和分支车道线数据。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的一种检测车道线分离合并点的方法的流程示意图；

图2是本申请实施例示出的一张车道线图像；

图3是与图2对应的车道线骨架图；

图4是图3中伪树杈节点消除后的车道线骨架图；

图5为本申请实施例示出的主干车道线和分支车道线在打断后的示意图；

图6是本申请实施例示出的一种检测车道线分离合并点的结构示意图；

图7是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。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该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在自动驾驶技术中，车道线数据处理是自动驾驶技术的重要部分。一般来说，在自动化制图流程中，先通过摄像设备比如相机来采集道路上的车道视频，再结合车辆位置信息与车道视频中的车道像素信息解算出车道线的实际坐标位置信息，再将这些解算出的信息进行分组或聚类成不同的车道线。然而，车道像素信息解算为实际坐标位置信息会导致不同车道线（例如主干车道线及其分支车道线）数据混杂，进而导致主干车道线数据和分支车道线数据不准确。

针对上述问题，本申请实施例提供一种检测车道线分离合并点的方法，能够准确检测出车道线的分离合并点，进而方便后续切分主干车道线数据和分支车道线数据。

以下结合附图详细描述本申请实施例的技术方案。

如图1所示，本申请实施例提供一种检测车道线分离合并点的方法，主要包括步骤S101至步骤S103，说明如下：

步骤S101：在获取车道线图像后，骨架化处理车道线图像上的车道线，得到车道线骨架图。

在本申请实施例中，获取的车道线图像的线宽尺寸并不是完全一致的，若直接对不同车道线的连接点进行识别，则比较容易出现连接点识别异常的情况，这不符合高精度地图的精度要求。为了更好地准确识别出连接点，本申请实施例对获取的车道线图像进行骨架化处理，得到车道线线宽尺寸一致的车道线骨架图。

其中，获取车道线图像是通过摄像设备获取的车道线图像。一般来说，道路上的车道线图像多由车载的摄像设备沿道路行驶而获取到，摄像设备可以示例为安装在车辆上的双目相机，双目相机对道路上的车道线进行实时地采集以供向后续的图像处理提供基础数据。其中，双目相机采集到车道视频，再结合车辆位置信息与车道视频中的车道像素信息解算出车道线的实际坐标位置信息，将车道线的实际坐标位置信息图定义为车道线图像。

为了后续骨架化处理的图像结果更为准确，在获取车道线图像之后，在骨架化处理车道线图像上的车道线之前，方法还包括：

步骤S101：对车道线图像上的车道线进行边缘平滑处理和/或空洞填充。

在本实施例中，对通过双目相机最终获取到的车道线图像进行预处理，该预处理的操作可以为对车道线图像上的车道线进行边缘平滑处理，能够保证得到的车道线骨架图中的车道线骨架足够平滑。预处理的操作也可以为对车道线图像上的车道线进行空洞填充，还可以为对车道线图像上的车道线进行边缘平滑处理以及空洞填充。其中，将车道线图像进行空洞填充，能够避免骨架化处理后识别出的连接点出现较多的不真实的连接点而降低了车道线分离合并点的检测质量；以及在空洞填充中还需要排除大的非空洞的封闭区域。其中，车道线的分离合并点为两条相连的不同车道线的连接点。在对车道线图像上的车道线进行如上的预处理之后，直接生成骨架图，即得到车道线骨架图。

步骤S102：识别车道线骨架图上的所有树杈节点，在所有树杈节点中确定伪树杈节点。

在本申请实施例中，连接点是由两条相连的不同车道线连接形成的，示例性地，其中的一条车道线为主干车道线，则另外的一条车道线为相对的分支车道线，该连接点成树杈状，因此，将连接点定义为树杈节点。具体而言，本申请实施例中涉及到的树杈节点都为星型三枝丫状，通过两个枝丫在一条线上确定主干车道线，而余下的一个枝丫则为相对的分支车道线。

进一步地，在所有树杈节点中确定伪树杈节点，可以包括：

若树杈节点对应的分支车道线的像素数量低于预设像素数量，则树杈节点为伪树杈节点。

在本申请实施例中，车道线骨架图在生成的过程中会产生一些小毛刺，这些小毛刺也就是噪声。其中，当树杈节点A1对应的分支车道线A2的像素数量较少，小于预设像素数量时，则分支车道线A2视为小毛刺，也就是说，树杈节点A1是伪树杈节点。

在本实施例中，像素数量能够表征树杈节点对应的分支车道线长度，基于此，在所有树杈节点中确定伪树杈节点，也可以包括：

若树杈节点对应的分支车道线长度小于预设长度，则树杈节点为伪树杈节点。

进一步地，在所有树杈节点中确定伪树杈节点，也可以包括：

若树杈节点对应的分支车道线的像素数量在预设像素数量以上，且该分支车道线空洞填充异常，则树杈节点为伪树杈节点。

在本申请实施例中，当树杈节点B1对应的分支车道线B2的像素数量较长（分支车道线B2的像素数量大于等于预设像素数量）时，并不表示该树杈节点B1就一定是真实的树杈节点，在车道线图像的预处理中，车道线上的孔洞填充也会出现一些识别错误的情况，即空洞填充异常，对于与这类的现象相关的分支车道线B2也可以视为噪声，那么树杈节点B1是伪树杈节点。

步骤S103：在车道线骨架图中，对伪树杈节点对应的伪分支车道线进行消除，以得到车道线图像中真实的树杈节点，即得到车道线的分离合并点。

在本申请实施例中，当消除掉所谓的噪声之后，与噪声相关的树杈节点自然就消失了，也就是说伪树杈节点被消除了，余下的树杈节点即为车道线真实的树杈节点，即得到车道线的分离合并点。

进一步地，对伪树杈节点对应的伪分支车道线进行消除，具体包括：

在根据车道线骨架图和伪树杈节点确定该伪树杈节点对应的主干车道线和伪分支车道线之后，将伪分支车道线的像素值置零。

在本申请实施例中，找到一个伪树杈节点C1，根据车道线骨架图上的车道线，确定形成伪树杈节点C1的主干车道线C2和伪分支车道线C3，以及主干车道线C2的行驶方向、伪分支车道线C3的行驶方向，再根据确定的方向对伪分支车道线C3的像素值进行置零处理。在置零处理伪分支车道线C3的像素值之后，该伪分支车道线C3则不复存在，即该伪分支车道线被擦除掉，相应地，伪树杈节点C1也就消除了。其中，伪分支车道线是作为噪声存在的，本申请实施例直接对噪声进行识别判定，相较于相关技术中聚类的方式检测分离合并点而言，减小了噪声对于分离合并点检测结果的干扰。

如图2~图4所示，依次为车道线图像、车道线骨架图和消除伪树杈节点后的车道线骨架图。如图3所示，骨架化的车道线上存在一些小毛刺，即圈出来的部分；如图4所示，对小毛刺进行消除，得到消除伪树杈节点后的车道线骨架图，圈出来的部分中的小毛刺被消除。

验证性地，对不同的道路上的获取的车道线图像上的分离合并点进行检测，如表1所示，表1为车道线图像上分离合并点的实际点数、检测点数和检测准确率。

表1 车道线图像上分离合并点的实际点数、检测点数和检测准确率

由表1可知，通过本申请的技术方案，能够准确地检测到道路上的分离合并点。

综上所述，本申请的技术方案，通过对车道线图像进行骨架化处理，使得所有的车道线的线宽一致，方便识别出不同车道线形成的树杈节点，而在骨架化处理中也会产生伪树杈节点，在识别出所有的树杈节点之后还对伪树杈节点进行筛选，并对伪树杈节点对应的伪分支车道线进行消除，那么余下的树杈节点也就是不同车道线形成的真实的树杈节点，而这些真实的树杈节点即为分离合并点。

如图5所示，优选地，在得到车道线的分离合并点之后，方法还包括：标记分离合并点，并对标记的分离合并点对应的分支车道线进行打断，以将对车道线中的主干车道线和分支车道线进行数据切分。

在本实施例中，在得到车道线的分离合并点之后，为了后期两个相连的不同车道线数据的准确切分，还对得到的分离合并点进行标记方便分支车道线的打断，进而实现根据标记进行车道线数据的切分。

与前述应用功能实现方法实施例相对应，本申请还提供了一种检测车道线分离合并点的装置、电子设备及相应的实施例。

图6是本申请实施例示出的一种检测车道线分离合并点的装置的结构示意图。装置包括：

图像处理模块601，其被配置为在获取车道线图像后，骨架化处理车道线图像上的车道线，得到车道线骨架图；

图像识别模块602，其被配置为识别车道线骨架图上的所有树杈节点，在所有树杈节点中确定伪树杈节点；

图像消除模块603，其被配置为在车道线骨架图中，对伪树杈节点对应的伪分支车道线进行消除，以得到车道线图像中真实的树杈节点，即得到车道线的分离合并点。

本申请的技术方案，通过图像处理模块601对车道线图像进行骨架化处理，使得所有的车道线的线宽一致，方便图像识别模块602识别出不同车道线形成的树杈节点，而在骨架化处理中也会产生伪树杈节点，在识别出所有的树杈节点之后还对伪树杈节点进行筛选，并通过图像消除模块603对伪树杈节点对应的伪分支车道线进行消除，那么余下的树杈节点也就是不同车道线形成的真实的树杈节点，而这些真实的树杈节点即为分离合并点。

其中，获取车道线图像是通过摄像设备获取的车道线图像。一般来说，道路上的车道线图像多由车载的摄像设备沿道路行驶而获取到，摄像设备可以示例为安装在车辆上的双目相机，双目相机对道路上的车道线进行实时地采集以供向后续的图像处理提供基础数据。其中，双目相机采集到车道视频，再结合车辆位置信息与车道视频中的车道像素信息解算出车道线的实际坐标位置信息，将车道线的实际坐标位置信息图定义为车道线图像。

需要说明的是，获取的车道线图像的线宽尺寸并不是完全一致的，若直接对不同车道线的连接点进行识别，则比较容易出现连接点识别异常的情况，这不符合高精度地图的精度要求。为了更好地准确识别出连接点，本申请实施例对获取的车道线图像进行骨架化处理，得到车道线线宽尺寸一致的车道线骨架图。

为了后续骨架化处理的图像结果更为准确，装置还包括：

图像预处理模块，其其被配置为在获取车道线图像之后，在骨架化处理车道线图像上的车道线之前，对车道线图像上的车道线进行边缘平滑处理和/或空洞填充。

在本实施例中，对通过双目相机最终获取到的车道线图像进行预处理，该预处理的操作可以为对车道线图像上的车道线进行边缘平滑处理，能够保证得到的车道线骨架图中的车道线骨架足够平滑。预处理的操作也可以为对车道线图像上的车道线进行空洞填充，还可以为对车道线图像上的车道线进行边缘平滑处理以及空洞填充。其中，将车道线图像进行空洞填充，能够避免骨架化处理后识别出的连接点出现较多的不真实的连接点而降低了车道线分离合并点的检测质量；以及在空洞填充中还需要排除大的非空洞的封闭区域。其中，车道线的分离合并点为两条相连的不同车道线的连接点。在对车道线图像上的车道线进行如上的预处理之后，直接生成骨架图，即得到车道线骨架图。

进一步地，图像识别模块602包括伪树杈节点确定单元。

伪树杈节点确定单元被配置为若树杈节点对应的分支车道线的像素数量低于预设像素数量，则判定树杈节点为伪树杈节点。

在本申请实施例中，连接点是由两条相连的不同车道线连接形成的，示例性地，其中的一条车道线为主干车道线，则另外的一条车道线为相对的分支车道线，该连接点成树杈状，因此，将连接点定义为树杈节点；其中，本申请实施例中涉及到的树杈节点都为星型三枝丫状，通过两个枝丫在一条线上确定主干车道线，而余下的一个枝丫则为相对的分支车道线。车道线骨架图在生成的过程中会产生一些小毛刺，这些小毛刺也就是噪声。其中，当树杈节点A1对应的分支车道线A2的像素数量较少，小于预设像素数量时，则分支车道线A2视为小毛刺，也就是说，树杈节点A1是伪树杈节点。

在本实施例中，像素数量能够表征树杈节点对应的分支车道线长度，基于此，在所有树杈节点中确定伪树杈节点，也可以包括：

若树杈节点对应的分支车道线长度小于预设长度，则树杈节点为伪树杈节点。

伪树杈节点确定单元还被配置为若树杈节点对应的分支车道线的像素数量在预设像素数量以上，且该分支车道线空洞填充异常，则判定树杈节点为伪树杈节点。

在本申请实施例中，当树杈节点B1对应的分支车道线B2的像素数量较长（分支车道线B2的像素数量大于等于预设像素数量）时，并不表示该树杈节点B1就一定是真实的树杈节点，在车道线图像的预处理中，车道线上的孔洞填充也会出现一些识别错误的情况，即空洞填充异常，对于与这类的现象相关的分支车道线B2也可以视为噪声，那么树杈节点B1是伪树杈节点。

进一步地，图像消除模块603包括伪分支车道线消除单元。

伪分支车道线消除单元被配置为在根据车道线骨架图和伪树杈节点确定该伪树杈节点对应的主干车道线和伪分支车道线之后，将伪分支车道线的像素值置零。

在本申请实施例中，当消除掉所谓的噪声之后，与噪声相关的树杈节点自然就消失了，也就是说伪树杈节点被消除了，余下的树杈节点即为车道线真实的树杈节点，即得到车道线的分离合并点。找到一个伪树杈节点C1，根据车道线骨架图上的车道线，确定形成伪树杈节点C1的主干车道线C2和伪分支车道线C3，以及主干车道线C2的行驶方向、伪分支车道线C3的行驶方向，再根据确定的方向对伪分支车道线C3的像素值进行置零处理。在置零处理伪分支车道线C3的像素值之后，该伪分支车道线C3则不复存在，相应地，伪树杈节点C1也就消除了。其中，伪分支车道线是作为噪声存在的，本申请实施例直接对噪声进行识别判定，相较于相关技术中聚类的方式检测分离合并点而言，减小了噪声对于分离合并点检测结果的干扰。

优选地，装置还包括分离合并点标记模块。

分离合并点标记模块被配置为在得到车道线的分离合并点之后，标记分离合并点，并对标记的分离合并点对应的分支车道线进行打断，以将对车道线中的主干车道线和分支车道线进行数据切分。

在本实施例中，在得到车道线的分离合并点之后，为了后期两个相连的不同车道线数据的准确切分，还对得到的分离合并点进行标记方便分支车道线的打断，进而实现根据标记进行车道线数据的切分。

图7是本申请实施例示出的电子设备的结构示意图。

参见图7，电子设备700包括存储器701和处理器702。

处理器702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（DigitalSignal Processor，DSP）、专用集成电路（Application SpecificIntegrated Circuit，ASIC）、现场可编程门阵列（Field-ProgrammableGate 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。

存储器701可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM）和永久存储装置。其中，ROM可以存储处理器702或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器701可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器701可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等）、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器701上存储有可执行代码，当可执行代码被处理器702处理时，可以使处理器702执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质（或非暂时性机器可读存储介质或机器可读存储介质），其上存储有可执行代码（或计算机程序或计算机指令代码），当可执行代码（或计算机程序或计算机指令代码）被电子设备（或服务器等）的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种检测车道线分离合并点的方法，其特征在于，所述方法包括：

在获取车道线图像后，骨架化处理所述车道线图像上的车道线，得到车道线骨架图；

识别所述车道线骨架图上的所有树杈节点，在所有所述树杈节点中确定伪树杈节点；

在所述车道线骨架图中，对所述伪树杈节点对应的伪分支车道线进行消除，以得到所述车道线图像中真实的树杈节点，即得到所述车道线的分离合并点。

2.如权利要求1所述的检测车道线分离合并点的方法，其特征在于，在所述获取车道线图像之后，在所述骨架化处理所述车道线图像上的车道线之前，所述方法还包括：

对所述车道线图像上的车道线进行边缘平滑处理和/或空洞填充。

3.如权利要求2所述的检测车道线分离合并点的方法，其特征在于，在所有所述树杈节点中确定伪树杈节点，包括：

若所述树杈节点对应的分支车道线的像素数量在预设像素数量以上，且该分支车道线空洞填充异常，则所述树杈节点为伪树杈节点。

4.如权利要求1所述的检测车道线分离合并点的方法，其特征在于，在所有所述树杈节点中确定伪树杈节点，包括：

若所述树杈节点对应的分支车道线的像素数量低于预设像素数量，则所述树杈节点为伪树杈节点。

5.如权利要求1或3或4所述的检测车道线分离合并点的方法，其特征在于，对所述伪树杈节点对应的伪分支车道线进行消除，包括：

在根据车道线骨架图和所述伪树杈节点确定该伪树杈节点对应的主干车道线和伪分支车道线之后，将所述伪分支车道线的像素值置零。

6.如权利要求1所述的检测车道线分离合并点的方法，其特征在于，所述获取车道线图像，包括：

通过摄像设备获取车道线图像。

7.如权利要求1所述的检测车道线分离合并点的方法，其特征在于，在得到所述车道线的分离合并点之后，所述方法还包括：

标记分离合并点，并对标记的分离合并点对应的分支车道线进行打断。

8.一种检测车道线分离合并点的装置，其特征在于，所述装置包括：

图像处理模块，其被配置为在获取车道线图像后，骨架化处理所述车道线图像上的车道线，得到车道线骨架图；

图像识别模块，其被配置为识别所述车道线骨架图上的所有树杈节点，在所有所述树杈节点中确定伪树杈节点；

图像消除模块，其被配置为在所述车道线骨架图中，对所述伪树杈节点对应的伪分支车道线进行消除，以得到所述车道线图像中真实的树杈节点，即得到所述车道线的分离合并点。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的方法。

Images