检测道路分割物的方法和装置以及计算机可读存储介质与流程

本公开涉及图像处理领域，更具体地，本公开涉及基于消失点检测道路分割物的方法和装置以及计算机可读存储介质。

背景技术

在图像处理领域中，道路分割物检测是高级驾驶辅助系统(advanceddriverassistantsystem，adas)的重要部分。诸如白线、黄线的车道线、路肩石、栅栏、隔离带等等的道路分割物的检测不仅可以提供车辆在道路上的位置、车道数量及宽度等信息，而且可以用于执行adas中诸如车道偏离预警等的应用。

已经提出了很多道路分割物检测的方法，这些方法主要可以分类为基于特征的方法和基于模型的方法。基于模型的方法通常更稳定，目前较常用的方法也是基于模型的局部到整体检测处理。

然而，这种局部到整体检测处理是从点到模型的处理，也即一种局部而非全局最优的处理，如果点的特征不准确，其可能会从点处理就开始累积误差，从而导致最终的错误检测结果。

技术实现要素：

有鉴于上述情况，本公开提出了基于消失点检测道路分割物的方法、装置以及计算机可读存储介质。

根据本公开一实施例，提供了检测道路分割物的方法，该方法可以包括：获得包括待检测目标场景的图像；利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值；基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率；基于每个像素点对消失点做出贡献的概率，确定消失点；根据所确定的消失点，获得道路分割物检测结果。

可选地，基于每个像素点在每个方向的响应值计算该像素点对消失点做出贡献的概率可以包括：对于该滤波器的每个方向，设置每个像素点在该方向的响应值的函数，作为指示该像素点对消失点做出贡献的概率的概率函数；利用每个像素点在每个方向的响应值，从该概率函数计算该像素点对消失点做出贡献的概率。

可选地，所述概率函数可以是像素点的响应值、灰度特征、连续性特征以及高度值的函数。

可选地，所述基于每个像素点对消失点做出贡献的概率确定消失点可以包括：对于每个像素点，定义初始值为零的得分变量；利用该概率函数计算该像素点在每个方向的概率；对于每个方向，在由每个像素点和该方向确定的直线上的各像素点，将其得分变量累加为所述各像素点所计算的概率，以获得每个像素点的总得分；以及确定总得分最高的像素点，作为消失点。

可选地，所述根据所确定的消失点获得道路分割物检测结果可以包括：根据所确定的消失点，获得对所述消失点做出贡献的像素点及相应的方向；获得对所述消失点做出贡献的像素点及相应的方向所确定的直线，作为道路分割物。

可选地，该检测方法还可以包括：对所获得的对所述消失点做出贡献的像素点及相应的方向进行过滤，并且可以利用过滤后的像素点及相应的方向确定的直线作为所述道路分割物。

可选地，所述滤波器可以是gabor滤波器。

可选地，获得每个像素点在该滤波器的每个方向的响应值可以包括：将0～180°的整个角度区域划分为预定数量的角度区间，获得该图像的每个像素点在每个角度区间的响应值，作为在该滤波器的每个方向的响应值。

根据本公开另一实施例，提供了检测道路分割物的装置，该装置可以包括：图像获得部件，配置为获得包括待检测目标场景的图像；响应值获得部件，配置为利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值；计算部件，配置为基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率；确定部件，配置为基于每个像素点对消失点做出贡献的概率，确定消失点；以及检测部件，配置为根据所确定的消失点，获得道路分割物检测结果。

根据本公开另一实施例，提供了检测道路分割物的设备，该设备可以包括：存储器，存储计算机程序指令；以及处理器，耦合到该存储器，该处理器配置为运行所述计算机程序指令以执行以下处理：获得包括待检测目标场景的图像；利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值；基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率；基于每个像素点对消失点做出贡献的概率，确定消失点；根据所确定的消失点，获得道路分割物检测结果。

根据本公开另一实施例，提供了计算机可读存储介质，在所述计算机可读存储介质上存储了计算机程序指令，所述计算机程序指令在被计算机运行时执行以下处理：获得包括待检测目标场景的图像；利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值；基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率；基于每个像素点对消失点做出贡献的概率，确定消失点；根据所确定的消失点，获得道路分割物检测结果。

根据本公开实施例的检测道路分割物的方法、装置和计算机可读存储介质，获得包括待检测目标场景的图像，利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值，基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率，也即该像素点属于道路分割物的概率，基于每个像素点的概率，确定消失点，根据所确定的消失点，获得道路分割物检测结果。由于根据本公开实施例的检测道路分割物的方法、装置和计算机程序产品以像素点为基础直接对图像整体进行检测，获得的是全局最优的检测结果，能够减少误差累积情况，使得检测结果更加准确。

要理解的是，前面的一般描述和下面的详细描述两者都是示例性的，并且意图在于提供要求保护的技术的进一步说明。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是图示根据本公开一实施例的用于检测道路分割物的方法的主要步骤的流程图；

图2是图示根据本公开另一实施例的用于计算像素点属于消失点的概率的方法的主要步骤的流程图；

图3是图示根据本公开另一实施例的用于确定消失点的示例方法的主要步骤的流程图；

图4是图示相交于消失点的多条车道线的示例的示意图；

图5是图示根据本公开另一实施例的用于检测道路分割物的装置的主要配置的框图；

图6是图示根据本公开另一实施例的用于检测道路分割物的设备的主要配置的框图。

具体实施方式

为了使得本公开的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。基于本公开中描述的本公开实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本公开的保护范围之内。

首先，简要描述本公开的主要思想。

众所周知，理论上，平行的直线都消失于无穷远处的点。然而，在实际的拍摄图像中，平行的直线在图像平面上所成的像有且仅有一个交点，其被称为消失点。因此，诸如车道线的多个道路分割物也将相交于一个消失点，位于道路分割物上的像素点是对消失点做出贡献的像素点。如果能确定消失点，那么对此消失点做出贡献的所有像素点都应是属于道路分割物上的点。因此，本公开提出了基于消失点的道路分割物检测方法。

以下，将参考附图详细描述本公开的优选实施例。

首先，参照图1描述根据本公开实施例的用于检测道路分割物的方法。

此检测方法可以应用于具有处理能力的任何电子设备，诸如计算机、控制台(例如汽车中的控制中心)、服务器等等。本文所述的道路分割物可以包括但不限于诸如白线、黄线的车道线、路肩石、栅栏、隔离带等等。

如图1所示，在步骤s110，获得包括待检测目标场景的图像。可以通过摄像机实时采集待检测的目标场景而获得初始图像。所获得的初始图像可以是彩色图像、灰度图像、视差图像(深度图像)等等。在一个示例中，获得包含车道线在内的目标场景的灰度图像。当然，本领域技术人员能够理解，以上所述的图像类型仅为示例，本公开实施例的用于检测道路分割物的方法不限于此。而且，虽然本文以车道线作为道路分割物的示例进行描述，但是本公开的方法可检测的道路分割物不限于此。

可选地，可以对所获得的目标场景的图像进行预处理以去除背景和噪声的影响。例如，可以对上述灰度图像进行sobel边缘检测，去除边缘幅值在一定范围内的像素点，并且去除孤立的像素点。当然，这仅仅是对初始图像进行预处理的一个具体示例，本领域中存在许多公知的去除背景和噪声干扰的预处理方法，比如利用图像分割的方法等等。

接下来，在步骤s120，利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值。

在一个示例中，采用gabor滤波器处理该图像。在图像处理中，gabor滤波器是用于边缘提取的线性滤波器。在空间域中，一个二维gabor滤波器是一个由正弦平面波调制的高斯核函数。gabor滤波器的脉冲响应可以定义为一个正弦波(对于二维gabor滤波器是正弦平面波)乘以高斯函数。由于乘法卷积性质，gabor滤波器的脉冲响应的傅立叶变换是其调和函数的傅立叶变换和高斯函数傅立叶变换的卷积。该滤波器由实部和虚部组成，二者相互正交。一组不同频率不同方向的gabor函数可以用于图像特征的提取。

二维gabor函数的数学表达如下：

复数表达：

实数部分：

虚数部分：

其中：

x′＝xcosθ+ysinθ，

y′＝-xsinθ+ycosθ，

波长λ：它的值以像素为单位指定，通常大于等于2，但不能大于输入图像尺寸的五分之一。通常用的是它的倒数频率f大于等于0.2；

方向θ：这个参数指定了gabor核函数的方向，它的取值为0到360度；

相位偏移ψ：它的取值范围为-180度到180度。其中，0和180度分别对应中心对称的center-on函数和center-off函数，而-90度和90度对应反对称函数；

长宽比γ：空间纵横比，决定了gabor函数形状的椭圆率。当γ＝1时，形状是圆的。当γ<1时，形状随着平行条纹方向而拉长；

σ：高斯函数的标准差。

在本公开的一个示例中，可以将整个角度区域(0～180度)均分为预定数量n个角度区间，这n个角度区间的角度方向可以作为gabor滤波器的n个方向。其中，n可以是180的约数，比如10、18等等。其中，划分的每个角度区间的角度可以用该角度区间范围内的一个角度来代表，比如该区间的最小角度值，或角度中值。

对于在步骤s110中所获得的图像中的每个像素点，可以利用上述公式(1)-(3)计算其在所划分的每个角度区间的gabor滤波器的响应值，作为该像素点在该gabor滤波器的每个方向的响应值。可以理解，在本示例中，图像中的一个像素点对于gabor滤波器的某个方向的响应值可以用于衡量该像素点在该方向的边缘特征。

由此，可以获得该图像的每个像素点在该gabor滤波器的每个方向的响应值。

在步骤s130，可以基于在步骤s120中所获得的每个像素点在每个方向的滤波器响应值，计算该像素点对消失点做出贡献的概率。如上所述，在图像中多个车道线将相交于一个消失点，则所有位于车道线上的像素点都将对该消失点做出贡献。换言之，像素点对消失点做出贡献的概率越大，该像素点位于车道线上的可能性越高。

图2示出了根据本公开一个实施例可以用于计算像素点对消失点做出贡献的概率的方法的主要步骤的流程图。

如图2所示，在步骤s210，对于该滤波器的每个方向，设置每个像素点在该方向的滤波器响应值的函数，作为指示该像素点对消失点做出贡献的概率的概率函数。

由于车道线在图像中具有一定的边缘特征，而上述的gabor滤波器的每个方向的响应值可以反映每个像素点的边缘特征，因此，可以利用图像中的每个像素点在每个方向的滤波器响应值来反映该像素点对消失点做出贡献的概率。

从而，在第一示例中，可以将概率函数定义为f(response)，其中response是如上所述的像素点的gabor滤波器响应值。此变量能够反映车道线的边缘特征，此变量值越大，表明像素点位于车道线上的可能性越大，则像素点对消失点做出贡献的概率越大，即概率函数的值f(response)越大。

除了边缘特征之外，车道线在图像中通常还具有一定的灰度特征、连续性特征以及高度特征，因此，在第二示例中，可以将概率函数定义为f(response,gray,continuity,height)。

在此概率函数中，gray是像素点的灰度值或者像素点邻域内的灰度平均值。对于本领域技术人员而言，从目标场景的灰度图像中获得此灰度值或灰度平均值是很容易的，在此不再赘述。此变量能够反映车道线的灰度特征，此变量值越大，表明像素点位于车道线上的可能性越大，则像素点对消失点做出贡献的概率越大，即概率函数的值越大。

在此概率函数中，continuity是像素点的连续性，即邻域内具有相似边缘方向的点的个数。对于本领域技术人员而言，从目标场景的灰度图像中获得此连续性特征是很容易的，在此不再赘述。该变量能够反映车道线的连续性特征。变量值越大，表明像素点位于车道线上的可能性越大，则像素点对消失点做出贡献的概率越大，即概率函数的值越大。

在此概率函数中，height是像素点距离路面的高度。该变量能够反映车道线的深度特征。对于本领域技术人员而言，从目标场景的深度(视差)图像中获得此深度特征是很容易的，在此不再赘述。因为车道线都位于路面，则在路面上方的像素点属于车道线的可能性很小。换句话说，该变量值越大，像素点距离路面的高度越高，其属于车道线的可能性越小，则概率函数的值应该越小。

基于以上参数与概率函数的关系，可以将概率函数表示为如下：

f(response,gray,continuity,height)＝response*gray*continuity/height

(4)

在第三示例中，除了上述的边缘特征、灰度特征、连续性特征以及高度特征之外，还可以为该概率函数增加一些其他的参数，比如在每个方向上对消失点做出贡献的像素点的数量等。

当然，以上给出仅仅是该概率函数的一些具体示例，本公开的实施例可应用的概率函数可以增加、减少或者替换某些参数，也可以采取其他形式的概率函数表达式，只要其能够反映这些参数对概率值大小的影响即可。

在设置了概率函数后，在步骤s220，可以利用每个像素点在每个方向的滤波器响应值，从该概率函数计算该像素点对消失点做出贡献的概率。

返回图1，在步骤s140，基于所计算的每个像素点对消失点做出贡献的概率，确定消失点。

图3示出了根据本公开一实施例的用于确定消失点的示例方法的主要步骤。如图3所示，在步骤s310，对于每个像素点，定义初始值为零的得分变量。

在步骤s320，获得在每个方向上的该像素点对消失点做出贡献的概率，其可以是在上述步骤s220中利用所设置的该概率函数计算的该像素点在每个方向的概率值。

在步骤s330，对于每个方向，在由每个像素点和该方向确定的直线上的各像素点，将其得分变量累加为所述各像素点所计算的概率，以获得每个像素点的总得分。

图4示出了相交于消失点的多条车道线的示例。如图4所示，示意性地示出了三条车道线l1、l2、l3，它们相交于消失点vp，像素点p11、p21、p31分别位于车道线l1、l2、l3上。为了简化示意，假设此示例对应于如下理想情况：多个滤波器方向中包括与车道线l1、l2、l3方向一致的方向，因而，像素点p11、p21、p31仅在各自的车道线l1、l2、l3方向上对消失点有贡献，在不同于车道线l1、l2、l3方向的其他滤波器方向上对消失点没有贡献。

在此情况下，对于l1车道线而言，其上的所有像素点都对消失点有贡献，假设其上有m个像素点p11、p12、……、p1m，每个像素点p11、p12、……、p1m在l1方向上对消失点做出贡献的概率分别为p11、p12、……、p1m，由于这些像素点在除车道线l1以外的方向上对消失点做出贡献的概率近似为0，则在对每个像素点p11、p12、……、p1m计算得分时，应将针对每个像素点和l1方向所计算出的概率累加，以像素点p11为例，其总得分应为p1＝p11+p12+……+p1m。类似地，假设位于车道线l2上的n个像素点p21、p22、……、p2n在车道线l2方向上对消失点做出贡献的概率分别为p21、p22、……、p2n，，则计算像素点p21的总得分为p2＝p21+p22+……+p2n，并且假设位于车道线l3上的q个像素点p31、p32、……、p3q在车道线l3方向上对消失点做出贡献的概率分别为p31、p32、……、p3q，则计算像素点p31的总得分为p3＝p31+p32+……+p3q。

能够理解，在图4所示的示例中，对于没有位于任何车道线上的像素点p4，其在各个方向上对消失点都没有贡献，即其概率为0。

假设像素点p0处于消失点vp的位置处，那么像素点p0必然同时位于三条车道线l1、l2、l3上，即像素点p0在车道线l1、l2、l3方向上对消失点都有贡献，则位于消失点vp的位置处的像素点p0的总得分应为p0＝p1+p2+p3。

由此可见，位于消失点的位置处的像素点的总得分应最高。因此，返回图3，在步骤s340中，确定总得分最高的像素点，作为消失点。

由此，根据用于确定消失点的此示例方法，能够在步骤s140中基于所计算的每个像素点对消失点做出贡献的概率，确定消失点。

需要说明的是，以上是以存在与车道线方向一致的滤波器方向为例进行描述的，在实际应用时所设置的多个滤波器方向可能与车道线方向并不完全一致，此时位于车道线上的像素点可能在接近车道线方向的一个或多个滤波器方向上具有对消失点做出贡献的概率，那么此像素点的总得分仍然是各个方向上的概率之和。当然，通过精细地划分滤波器的方向，能够获得更加理想的计算结果，但同时更细分的方向也意味着更大的计算负荷，因而，在实际应用时，本领域技术人员可以根据实际需要在这二者之间进行折衷选择。

返回图1，接下来，在步骤s150，根据所确定的消失点，可以获得道路分割物检测结果。

具体地，在第一示例中，如之前在步骤s140中所述，消失点是根据每个像素点对消失点做出贡献的概率而确定的，在确定了消失点的同时，也就能够获得对所确定的消失点做出贡献的所有像素点及相应的方向，从而，由对该消失点做出贡献的像素点及相应的方向所确定的直线，就对应于道路分割物。因而，可以获得道路分割物检测结果。

可选地，在第二示例中，在获得对所确定的消失点做出贡献的所有像素点及相应的方向之后，可以对所获得的对消失点做出贡献的像素点及相应的方向进行过滤以去除噪声，并利用过滤后的像素点及相应的方向确定的直线作为所述道路分割物。

本公开可以应用的过滤方式是本领域技术人员所熟知的，比如过滤直线上点的个数、通过车道线宽度约束进行过滤等等，本公开对此不作限制。

以上，参照图1-图4描述了根据本公开实施例的用于检测道路分割物的方法。根据该方法，获得待检测目标场景的图像中每个像素点在滤波器的每个方向的响应值，基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率，基于每个像素点对消失点做出贡献的概率，确定消失点，根据所确定的消失点，获得道路分割物检测结果。

由于此方法是通过从图像中的所有像素点寻找消失点来进行道路分割物检测的全局最优处理，因而克服了局部最优处理中存在的误差累积情况，使得检测结果更加准确。

下面，将参照图5描述根据本公开一实施例的用于检测道路分割物的装置。

图5是图示根据本公开一实施例的用于检测道路分割物的装置的主要配置的框图。如图5所示，此实施例的用于检测道路分割物的装置500主要包括：图像获得部件510，配置为获得包括待检测目标场景的图像；响应值获得部件520，配置为利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值；计算部件530，配置为基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率；确定部件540，配置为基于每个像素点对消失点做出贡献的概率，确定消失点；以及检测部件550，配置为根据所确定的消失点，获得道路分割物检测结果。

在一实施例中，该响应值获得部件520可以利用gabor滤波器处理该图像获得部件510所获得的图像，将0～180°的整个角度区域划分为预定数量的角度区间，获得该图像的每个像素点在每个角度区间的响应值，作为在该滤波器的每个方向的响应值。

在一实施例中，该计算部件530进一步配置为：对于该滤波器的每个方向，设置每个像素点在该方向的响应值的函数，作为指示该像素点对消失点做出贡献的概率的概率函数；利用每个像素点在每个方向的响应值，从该概率函数计算该像素点对消失点做出贡献的概率。

可选地，该计算部件530可以将该概率函数设置为像素点的响应值、灰度特征、连续性特征以及高度值的函数。当然，这仅仅是概率函数的示例，本公开的实施例可应用的概率函数可以增加、减少或者替换某些参数，也可以采取其他形式的概率函数表达式，只要其能够反映这些参数对概率值大小的影响即可。

在一实施例中，该确定部件540进一步配置为：对于每个像素点，定义初始值为零的得分变量；利用该概率函数计算该像素点在每个方向的概率；对于每个方向，在由每个像素点和该方向确定的直线上的各像素点，将其得分变量累加所计算的概率，以获得每个像素点的总得分；以及确定总得分最高的像素点，作为消失点。

在一实施例中，该检测部件550进一步配置为：根据所确定的消失点，获得对所述消失点做出贡献的像素点及相应的方向；获得对所述消失点做出贡献的像素点及相应的方向所确定的直线，作为道路分割物。

可选地，该装置500还可以包括：过滤部件，配置为对所获得的对所述消失点做出贡献的像素点及相应的方向进行过滤。该检测部件550可以将过滤后的像素点及相应的方向确定的直线检测为所述道路分割物。

容易理解的是，此实施例的道路分割物检测装置500中的响应值获得部件520、计算部件530、确定部件540和检测部件550可以是由装置500的中央处理单元(cpu)配置。可替代地，响应值获得部件520、计算部件530、确定部件540和检测部件550还可以是由装置500中的专用处理单元(诸如专用集成电路(asic)等)配置。也就是说，响应值获得部件520、计算部件530、确定部件540和检测部件550例如可以由诸如硬件、软件、固件以及它们的任意可行的组合配置。

当然，为了简化，在图5中仅仅示出了该道路分割物检测装置500中与本公开密切相关的一些组件。毫无疑问，该道路分割物检测装置还可以包括其他模块，诸如输入输出部件、显示部件、通信部件等。当然，该道路分割物检测装置可以包括存储设备，用于以易失或非易失的方式存储上述处理过程所涉及的图像、数据、所获得的结果、命令以及中间数据等等。该存储设备可以包括例如随机存取存储器(ram)、只读存储器(rom)、硬盘、或半导体存储器等等的各种易失或非易失性存储器。另外，图中也省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，道路分割物检测装置500还可以包括任何其他适当的组件。

下面，参照图6描述本公开另一实施例的用于检测道路分割物的设备。

图6是图示根据本公开另一实施例的用于检测道路分割物的设备的主要配置的框图。

如图6所示，本实施例的用于检测道路分割物的设备600主要包括存储器610和处理器620，这些组件通过总线系统630和/或其它形式的连接机构(未示出)互连。应当注意，图6所示的设备600的组件和结构只是示例性的，而非限制性的，根据需要，设备600也可以具有其他组件和结构。例如，设备600还可具有诸如相机的图像采集组件，用于采集目标场景的图像。

存储器610可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器620可以运行所述程序指令，以实现期望的功能。

处理器620可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且其可以耦合到该存储器610以运行存储器610中所存储的计算机程序指令来执行以下处理：获得包括待检测目标场景的图像；利用滤波器处理该图像，以获得该图像的每个像素点在该滤波器的每个方向的响应值；基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率；基于每个像素点对消失点做出贡献的概率，确定消失点；根据所确定的消失点，获得道路分割物检测结果。

此外，本发明实施例还提供了一种计算机可读存储介质，在所述计算机可读存储介质上存储了计算机程序指令，所述计算机程序指令在被计算机运行时执行以上参照图1至图3所述的道路分割物检测方法的任何实施例。

以上，参照图1到图6描述了根据本公开实施例的用于检测道路分割物的方法、装置和计算机可读存储介质。

根据本公开，获得待检测目标场景的图像中每个像素点在滤波器的每个方向的响应值，基于每个像素点在每个方向的响应值，计算该像素点对消失点做出贡献的概率，基于每个像素点对消失点做出贡献的概率，确定消失点，根据所确定的消失点，获得道路分割物检测结果。由于通过从图像中的所有像素点寻找消失点来进行道路分割物检测的全局最优处理，因而克服了局部最优处理中存在的误差累积情况，使得检测结果更加准确。

需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

而且，如在此使用的，包括在权利要求中使用的，在以“至少一个”开始的项的列举中使用的“或”指示分离的列举，以便例如“a、b或c的至少一个”的列举意味着a或b或c，或ab或ac或bc，或abc(即a和b和c)。此外，措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。

此外，需要说明的是，本说明书中所描述的各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

在本发明实施例中，单元/模块可以用软件实现，以便由各种类型的处理器执行。举例来说，一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块，举例来说，其可以被构建为对象、过程或函数。尽管如此，所标识模块的可执行代码无需物理地位于一起，而是可以包括存储在不同位里上的不同的指令，当这些指令逻辑上结合在一起时，其构成单元/模块并且实现该单元/模块的规定目的。

在单元/模块可以利用软件实现时，考虑到现有硬件工艺的水平，所以可以以软件实现的单元/模块，在不考虑成本的情况下，本领域技术人员都可以搭建对应的硬件电路来实现对应的功能，所述硬件电路包括常规的超大规模集成(vlsi)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备，诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。