图像处理方法、装置、车辆以及存储介质与流程

1.本技术涉及车辆自动驾驶技术领域，更具体地，涉及一种图像处理方法、装置、车辆以及存储介质。


背景技术：

2.随着科学技术的发展，人们生活水平的提高，车辆在人们日常生活中的使用越来越普遍。目前，车辆的智能远光灯通过挡风玻璃前方安装的窄角摄像头感知车前方视场角视野范围内是否存在强光团来辅助判断会车路况，以及时切换近光避免对对面车造成视野干扰，以及应对国际标准的400米要求。相关技术中，由于基于光源强度、大小以及位置识别车辆行进方向的对向光源，在很多弱势场景下，车辆对光源的识别存在准确性低下的问题。


技术实现要素：

3.鉴于上述问题，本技术提出了一种图像处理方法、装置、车辆以及存储介质，可以基于道路轮廓线以及天际线对采集的车辆行进方向的光团进行滤除，提高了检测车辆行进方向的光团的准确性，也提高了用户的体验感。
4.第一方面，本技术实施例提供了一种图像处理方法，应用于车辆，所述车辆包括摄像头，所述方法包括：获取通过所述摄像头采集的所述车辆的行进方向的原始图像；基于预设像素值对所述原始图像进行预处理，获得所述原始图像中的目标光团的目标位置；基于预设算法对所述原始图像进行处理，获得所述原始图像中的道路轮廓线以及天际线；获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置；基于所述目标相对位置对所述目标光团进行过滤。
5.第二方面，本技术实施例提供了一种图像处理装置，应用于车辆，所述车辆包括摄像头，所述装置包括：图像获取模块、光团位置获取模块、道路轮廓线和天际线获取模块、目标相对位置获取模块以及光团过滤模块。其中，图像获取模块，用于获取通过所述摄像头采集的所述车辆的行进方向的原始图像；光团位置获取模块，用于基于预设像素值对所述原始图像进行预处理，获得所述原始图像中的目标光团的目标位置；道路轮廓线和天际线获取模块，用于基于预设算法对所述原始图像进行处理，获得所述原始图像中的道路轮廓线以及天际线；目标相对位置获取模块，用于获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置；光团过滤模块，用于基于所述目标相对位置对所述目标光团进行过滤。
6.第三方面，本技术实施例提供了一种车辆，包括摄像头、存储器和处理器，其中，所述摄像头设置于所述车辆，用于采集所述车辆的行进方向的原始图像；所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时所述处理器执行上述方法。
7.第四方面，本技术实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述方法。
8.本技术实施例提供的图像处理方法、装置、车辆以及存储介质，应用于车辆，该车辆包括摄像头，通过获取通过摄像头采集的车辆的行进方向的原始图像；基于预设像素值对原始图像进行预处理，获得原始图像中的目标光团的目标位置；基于预设算法对原始图像进行处理，获得原始图像中的道路轮廓线以及天际线；获取目标位置与道路轮廓线以及天际线的目标相对位置；基于目标相对位置对目标光团进行过滤，从而通过基于道路轮廓线以及天际线对采集的车辆行进方向的光团进行滤除，提高了检测车辆行进方向的光团的准确性，也提高了用户的体验感。
附图说明
9.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它的附图。
10.图1示出了本技术一实施例提供的图像处理方法的流程示意图；
11.图2示出了本技术一实施例提供的原始图像的示意图；
12.图3示出了本技术一实施例提供的二值图像的示意图；
13.图4示出了本技术一实施例提供的对二值图像进行连通域处理获得光团的示意图；
14.图5示出了本技术一实施例提供的图像处理方法的流程示意图；
15.图6示出了本技术一实施例提供的图像处理方法的流程示意图；
16.图7示出了本技术一实施例提供的图像处理方法的流程示意图；
17.图8示出了本技术一实施例提供的图像处理方法的流程示意图；
18.图9示出了本技术一实施例提供的图像处理方法的流程示意图；
19.图10示出了本技术一实施例提供的目标位置、道路轮廓线以及天际线的示意图；
20.图11示出了本技术一实施例提供的目标位置、道路轮廓线以及天际线的示意图；
21.图12示出了本技术一实施例提供的图像处理方法的流程示意图；
22.图13示出了本技术一实施例提供的图像处理装置的模块框图；
23.图14示出了本技术实施例用于执行根据本技术实施例的图像处理方法的车辆的框图；
24.图15示出了本技术一实施例用于执行根据本技术实施例的图像处理方法的车辆的框图；
25.图16示出了本技术实施例的用于保存或者携带实现根据本技术实施例的图像处理方法的程序代码的存储单元。
具体实施方式
26.为了使本技术领域的人员更好地理解本技术方案，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。
27.目前，车辆通过感知光团的光强度、大小以及位置识别光源，因为路况复杂多样导致很多弱势场景下对光源的识别存在准确性低下的问题，如将坡道、弯道、高架桥路况下的
房灯、路灯、反光牌误检为对向来车的光源等。
28.针对上述问题，发明人经过研究发现，并提出了本技术实施例提供的图像处理方法、装置、车辆以及存储介质，基于道路轮廓线以及天际线对采集的车辆行进方向的光团进行滤除，提高了检测车辆行进方向的光团的准确性，也提高了用户的体验感。其中，具体的图像处理方法在后续的实施例中进行详细的说明。
29.请参阅图1，图1示出了本技术一实施例提供的图像处理方法的流程示意图。该图像处理方法基于道路轮廓线以及天际线对采集的车辆行进方向的光团进行滤除，提高了检测车辆行进方向的光团的准确性，也提高了用户的体验感。在具体的实施例中，该图像处理方法可以应用于如图13所示的图像处理装置200以及配置有图像处理装置200的车辆100(图14)。下面将以车辆为例，说明本实施例的具体流程，其中，该车辆可以包括摄像头，当然，可以理解的，本实施例所应用的车辆可以包括自行车、摩托车、机器人等交通代步工具，在此不做限定。下面将针对图1所示的流程进行详细的阐述，所述图像处理方法具体可以包括以下步骤：
30.步骤s110：获取通过所述摄像头采集的所述车辆的行进方向的原始图像。
31.在本技术实施例中，车辆可以包括摄像头，该摄像头可以采集该车辆行进方向的原始图像；其中，摄像头的数量并不固定可以是一个、两个、三个等，在此不作限定。
32.可选地，采集车辆行进方向的原始图像的摄像头，可以是该车辆的前视摄像头，还可以是车辆的侧视摄像头，在本技术实施例中，在此不作限定。其中，前视摄像头主要安装在车辆的前挡风玻璃上，用于实现行车的视觉感知及识别功能，根据功能又可以分为前视主摄像头、前视窄角摄像头和前视广角摄像头。其中，车辆的前视窄视野摄像头数量并不固定，主要作用是进行红绿灯、行人等目标的识别，一般选用窄角镜头，可选择30
°‑
40
°
左右的镜头，并且该镜头的像素一般和前视主摄像头的镜头像素一致，该摄像头采用窄角度，具有更高的像素密度和更远的检测距离，一般可达250m甚至可探测更远的距离。示例性的，前视窄视野摄像头的视场角fov为28
°
，至少监测距离至少在400米以上。
33.在一些实施方式中，车辆可以通过无线通信技术(如，wifi、蓝牙、zigbee等技术)从相关联的云端或电子设备获取通过摄像头采集的该车辆的行进方向的原始图像，车辆也可以通过串口通信接口(如，串行lvds接口等)从相关联的电子设备获取通过摄像头采集的该车辆的行进方向的原始图像。其中，车辆获取通过摄像头采集的车辆的行进方向的原始图像的方式，在此不作限定。
34.其中，原始图像可以理解为车辆中摄像头采集的该车辆行进方向的图像，该图像中可以包括车辆行进方向的道路路况、会车路况、车辆行进方向的房灯、路灯、指示牌、灯光等。
35.作为一种实施方式，车辆中的处理器可以获取该车辆的前视窄角摄像头采集的该车辆的行进方向的原始图像。
36.步骤s120：基于预设像素值对所述原始图像进行预处理，获得所述原始图像中的目标光团的目标位置。
37.在一些实施方式中，车辆获取通过摄像头采集的车辆的行进方向的原始图像后，可以基于预设像素值对原始图像进行预处理，获得原始图像中的目标光团的目标位置。其中，车辆中可以预先设置有预设像素值，进一步地，车辆可以根据预设像素值对原始图像进
行图像分割、边缘查找、图像二值化、连通域算法处理等，获得原始图像中的目标光团的目标位置。
38.其中，目标光团可以是车辆行进过程中摄像头采集的原始图像中的光团；其中，目标光团可以是车灯发出的光团，也可以是房灯发出的光团，也可以是路灯发出的光团，还可以是反光牌发出的光团，在此不作限定。其中原始图像中的目标光团的数量可以包括一个，也可以包括多个，在此不作限定。
39.作为一种实施方式，车辆可以基于预设像素值，即二值化阈值，遍历原始图像中每个c通道的像素点与周边像素点的差异，进而获得原始图像二值化后的图像。其中，原始图像中每个c通道可以理解为原始图像中白色的部分，也可以理解为原始图像中红色、绿色、蓝色等颜色的部分。示例性的，请参阅图2和图3，图2其示出了原始图像的c通道的像素点。其中，原始图像中白色的为c通道的像素点。进一步的，图3示出了遍历原始图像中每个c通道的像素点与周边像素点的差异，进而获得的原始图像二值化后的图像，其中，“0”代表原始图像中白色，“1”代表原始图像中其他颜色。
40.可以理解的是，为避免车辆在会车路况下未及时切换近光，对对面车造成视野干扰，以及适应国标的400米要求，通常是判断车辆行进方向上是否存在强光团。为提高车辆对会车路况判断的准确度以及实时性，本实施例中通过gpu加速图像中光团处理算法，加快图像处理效率，减少车辆的功耗。
41.进一步地，车辆在获得原始图像二值化后的图像后，可以对该图像进行光团检测，获得该图像中目标光团的目标位置。其中，车辆对二值图像进行光团检测可以是，对二值图像进行连通域算法检测，提取二值图像中光团的大小与位置。
42.示例性的，请参阅图4，其示出了对二值图像进行连通域算法获取的二值图像光团的大小与位置的示意图。其中，虚线范围为二值图像中的光团。
43.可选的，车辆可以将原始图像二值化后的图像中所有的光团的确定为目标光团，也可以确定光团大小大于大小阈值的光团作为目标光团，也可以确定光团大小小于或等于大小阈值的光团作为目标光团，还可以根据光团的位置确定目标光团，在此不作限定。其中，目标光团的目标位置可以是各目标光团的中心位置，也可以是各目标光团的一个焦点的位置，在此不作限定。
44.步骤s130：基于预设算法对所述原始图像进行处理，获得所述原始图像中的道路轮廓线以及天际线。
45.在一些实施方式中，车辆获得摄像头采集的车辆的行进方向的原始图像后，可以基于预设算法对原始图像进行处理，获得原始图像中的道路轮廓线以及天际线。其中，道路轮廓线，表示道路两侧边界线；天际线可以表示原始图像中道路消失位置的边界线，也可以理解为地面与非地面区域(如地面与天空、地面与房屋、地面与标识牌)的分界线。
46.可以理解的是，车辆行进路段中道路两侧都有边界线，对应的道路轮廓线可以表征道路的范围，其中，道路轮廓线可以是直线，也可以是曲线，在此不作限定。其中，天际线表示图像中地面与非地面区域的分界线，也可以作为靠近道路轮廓线一侧和远离道路轮廓线一侧的分界线，可以是曲线，也可以是直线，在此不作限定。
47.在一些实施方式中，车辆中可以预先设置有道路轮廓线检测模型，该模型可以识别原始图像中的道路轮廓线，并得到原始图像中完整的道路轮廓线。
48.示例性的，将原始图像输入道路轮廓线检测模型后，道路轮廓线检测模型对原始图像进行灰度图转换、基于高斯平滑对图像去噪、基于canny算法对图像进行边缘提取，最后获得原始图像的道路轮廓线。
49.在一些实施方式中，车辆中可以预先设置有天际线检测模型，该模型可以识别原始图像中的天际线，并得到原始图像中完整的天际线。
50.在一些实施方式中，采集原始图像的摄像头根据车型尺寸的不同，摄像头的安装位置以及型号的不同，配置不同的标定参数，车辆可以根据标定参数计算出原始图像中的天际线。
51.步骤s140：获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置。
52.在一些实施方式中，车辆可以基于获得的目标光团的目标位置、原始图像中的道路轮廓线以及天际线，获得目标位置与道路轮廓线以及天际线的目标相对位置。
53.在一些实施方式中，车辆可以将目标光团的目标位置、原始图像中的道路轮廓线以及天际线融合到同一坐标系中，即归一化平面，获得目标位置与道路轮廓线以及天际线的目标相对位置。
54.其中，在同一坐标系中，目标光团的目标位置可以为原始图像二维归一化范围内的一个(x，y)坐标点，道路轮廓线可以为原始图像二维归一化范围内的曲线或者直线，天际线可以为原始图像二维归一化范围内的直线。进一步地，在同一坐标系中，获得目标位置与道路轮廓线以及天际线的目标相对位置可以是，计算目标位置到道路轮廓线的最短距离以及目标位置与道路轮廓线以及天际线的位置关系。其中，目标位置到道路轮廓线的最短距离可以利用点到任意曲线的最短距离算法计算获得；目标位置与道路轮廓线以及天际线的位置关系可以是，目标位置是否在道路轮廓线表征的道路范围内、目标位置是否在天际线靠近道路轮廓线的一侧，对于计算相对位置关系的算法具体不做限定。
55.步骤s150：基于所述目标相对位置对所述目标光团进行过滤。
56.在一些实施方式中，车辆获得目标位置与道路轮廓线以及天际线的目标相对位置后，可以基于目标相对位置对目标光团进行过滤。
57.可选地，车辆基于目标相对位置对目标光团进行过滤可以是，若目标位置在天际线远离道路轮廓线的一侧，则将目标光团滤除，也可以是目标位置到道路轮廓线的最短距离大于预设距离，则将目标光团滤除，还可以是目标位置在道路轮廓线表征的道路范围外且道路轮廓线的最短距离大于距离阈值，则将目标光团滤除，在此不作限定。
58.可以理解的是，车辆基于目标相对位置对目标光团进行过滤，在基于光源强度、大小、位置三要素的基础上，基于道路轮廓线以及天际线优化对光团的检测，提高了检测车辆行进方向的光团的准确性，提高了用户基于滤除了目标光团的原始图像的光团判断车辆行进方向上是否存在会车路况的准确性，提高了用户的体验感。
59.本技术一实施例提供的图像处理方法，通过获取通过摄像头采集的车辆的行进方向的原始图像；基于预设像素值对原始图像进行预处理，获得原始图像中的目标光团的目标位置；基于预设算法对原始图像进行处理，获得原始图像中的道路轮廓线以及天际线；获取目标位置与道路轮廓线以及天际线的目标相对位置；基于目标相对位置对目标光团进行过滤，从而基于道路轮廓线以及天际线对采集的车辆行进方向的光团进行滤除，提高了检
测车辆行进方向的光团的准确性，也提高了用户的体验感。
60.请参阅图5，图5示出了本技术一实施例提供的图像处理方法的流程示意图。该方法应用于上述车辆，所述车辆包括摄像头，下面将针对图5所示的流程进行详细的阐述，所述图像处理方法具体可以包括以下步骤：
61.步骤s210：获取通过所述摄像头采集的所述车辆的行进方向的原始图像。
62.其中，步骤s210的具体描述请参阅步骤s110，在此不再赘述。
63.步骤s220：基于所述预设像素值对所述原始图像进行二值化以及连通域处理，获得所述原始图像中的目标光团的目标位置。
64.在一些实施方式中，车辆获取原始图像后，可以基于预设像素值对原始图像进行二值化以及连通域处理，获得原始图像中的目标光团的目标位置。其中，车辆可以将原始图像基于预设像素阈值，对c通道进行二值化，获得二值图像；其中，二值图像中包括光团以及背景(非光团)；并进一步，对二值图像进行连通域处理，获得原始图像中的目标光团的目标位置和大小。
65.在一些实施方式中，请参阅图6，步骤s220可以包括步骤s221-步骤s223。
66.步骤s221：基于所述预设像素值对所述原始图像进行二值化以及连通域处理，获得所述原始图像中的光团的大小与位置。
67.其中，车辆可以基于预设像素阈值，将原始图像c通道像素值进行二值化，获得二值图像，其中，二值图像中包括光团以及背景(非光团)。进一步地，车辆可以对二值图像进行连通域算法处理，获得原始图像中光团的大小以及位置。
68.其中，光团的位置可以是根据光团在原始图像中的位置以及光团的大小确定，作为一种实施方式，可以确定的光团大小的中心位置作为光团的位置，也可以是确定光团大小的一个焦点位置作为光团位置。
69.步骤s222：从所述原始图像中确定光团的大小大于预设大小的光团，作为所述目标光团。
70.其中，车辆中可以预先设置有预设大小，其中，预设大小可以作为判断光团是否为目标光团的判断依据，也可以作为判断光团是否强光团的判断依据。示例性的，若光团的大小大于预设大小，则确定该光团为目标光团，以及确定该光团为强光团。
71.进一步地，车辆获取原始图像中的光团大小后，可以将光团大小与预设大小作比较，并从原始图像中确定光团的大小大于预设大小的光团，作为目标光团。
72.步骤s223：从所述原始图像中的光团的位置中，确定所述目标光团的位置作为所述目标位置。
73.其中，车辆获取原始图像中的光团的位置以及确定原始图像中的目标光团后，可以从原始图像中的光团的位置中，确定目标光团的位置作为目标光团的目标位置。
74.步骤s230：基于预设算法对所述原始图像进行处理，获得所述原始图像中的道路轮廓线以及天际线。
75.在一些实施方式中，车辆中预先设置有道路轮廓线以及天际线检测模型，车辆获得原始图像后，可以将原始图像输入道路轮廓线以及天际线检测模型，获得道路轮廓线以及天际线检测模型输出的原始图像的道路轮廓线以及天际线。
76.在一些实施方式中，请参阅图7，步骤s230可以包括步骤s231-步骤s232。
77.步骤s231：基于卷积神经网络对所述原始图像进行处理，获得所述原始图像中的道路轮廓线。
78.在一些实施方式中，原始图像经过该卷积神经网络可以生成原始图像中的车道线和道路轮廓线。
79.步骤s232：基于所述摄像头的标定参数进行计算，获得所述原始图像中的天际线。
80.在一些实施方式中，车辆中可以通过摄像头的标定参数，车辆获取摄像头采集的原始图像后，可以基于摄像头的预设标定参数进行计算，并进一步根据原始图像中标定参数计算出原始图像中的天际线。然后通过偏移阈值将初始天际线进行偏移获得最终的天际线。
81.在一些实施方式中，车辆中可以预先设置有基于图像生成图像中天际线的卷积神经网络模型(如，生成式对抗网络、循环神经网络等)，车辆也可以通过该卷积神经网络模型生成原始图像对应的天际线。
82.步骤s240：获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置。
83.在一些实施方式中，车辆获得原始图像中的目标光团的目标位置、道路轮廓线以及天际线后，可以获取目标位置与道路轮廓线的最短距离、目标位置与道路轮廓线的位置关系以及目标位置与天际线的位置关系。其中，目标位置可以理解为原始图像中的一个点，目标位置与道路轮廓线的位置关系可以理解为目标位置是否在道路轮廓线表征的道路的范围内，目标位置与天际线的位置关系可以理解为，目标位置是否在天际线划分原始图像中的天空区域内。
84.在一些实施方式中，请参阅图8，步骤s240可以包括步骤s241-步骤s242。
85.步骤s241：将所述目标位置、所述道路轮廓线以及所述天际线，映射到目标坐标系中。
86.在一些实施方式中，车辆获取目标位置、道路轮廓线以及天际线后，可以将目标位置、道路轮廓线以及天际线，映射到目标坐标系中。其中，目标坐标系可以是将原始图像二维归一化建立的坐标系，也可以是车辆基于原始图像中的目标位置、道路轮廓线以及天际线，将目标位置、道路轮廓线以及天际线融合到的同一坐标系。
87.步骤s242：基于所述目标坐标系，获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置。
88.在一些实施方式中，车辆将目标位置、道路轮廓线以及天际线，映射到目标坐标系后，可以基于目标坐标系，获取目标位置与道路轮廓线以及天际线的目标相对位置。
89.其中，基于目标坐标系，获取目标位置与道路轮廓线以及天际线的目标相对位置可以是，获取目标坐标系中目标位置与道路轮廓线的最短距离、目标位置与道路轮廓线的位置关系以及目标位置与天际线的位置关系。其中，目标位置可以理解为目标坐标系中的一个坐标点，目标位置与道路轮廓线的位置关系可以理解为目标位置是否在道路轮廓线表征的道路区域内，目标位置与天际线的位置关系可以理解为，目标位置是否在天际线划分原始图像中的非地面区域内。
90.在一些实施方式中，请参阅图9，步骤s242可以包括步骤s2421-步骤s2422。
91.步骤s2421：基于所述目标坐标系，获取所述目标位置与所述道路轮廓线的第一相
对位置，其中，所述第一相对位置包括所述目标位置距所述道路轮廓线的第一距离，以及所述目标位置与所述道路轮廓线表征的道路的位置关系，其中，所述位置关系包括所述目标位置在所述道路范围内或者所述目标位置在所述道路范围外。
92.其中，车辆可以基于目标坐标系，获取目标位置与道路轮廓线的第一相对位置，其中，第一相对位置包括目标坐标系中目标位置距道路轮廓线的第一距离，以及目标位置与道路轮廓线表征的道路的位置关系，其中，位置关系包括目标位置在道路范围内或者目标位置在道路范围外。其中，第一距离可以是目标位置到道路轮廓线的最短距离，也可以是目标位置到道路轮廓线表征的各条道路边界线的最短距离的平均值、中值、众数等，在此不作限定。
93.示例性的，请参阅图10，其示出了原始图像中的目标光团的目标位置、道路轮廓线以及天际线。其中，第一距离(l)为目标位置到道路轮廓线的最短距离。
94.步骤s2422：基于所述目标坐标系，获取所述目标位置与所述天际线的第二相对位置，其中，所述第二相对位置包括所述目标位置在所述天际线远离所述道路轮廓线的一侧或所述目标位置在所述天际线靠近所述道路轮廓线的一侧。
95.其中，车辆可以基于目标坐标系，获取目标位置与天际线的第二相对位置，其中，第二相对位置包括目标位置在天际线远离道路轮廓线的一侧或目标位置在天际线靠近道路轮廓线的一侧。
96.其中，目标位置在天际线远离道路轮廓线的一侧可以理解为，目标光团的目标位置在天际线以上，也即目标位置在天际线划分的原始图像中的非地面区域；目标位置在天际线靠近道路轮廓线的一侧可以理解为，目标光团的目标位置在天际线以下，也即目标位置在天际线划分的原始图像中的地面区域。
97.示例性的，请参阅图11，其示出了原始图像中的目标光团的目标位置、道路轮廓线以及天际线。
98.步骤s250：基于所述目标相对位置对所述目标光团进行过滤。
99.在一些实施方式中，车辆获得目标相对位置后，可以基于目标相对位置区分目标光团对应的光源，如来车车灯和房灯、路灯等，并进一步基于目标光团对应的光源对目标光团进行过滤。
100.可以理解的是，电子设备基于预设像素值对原始图像处理获得目标光团的过程中，基于光团的光源强度、光团的大小对原始图像中的光团进行筛选，保留了光团强度满足预设像素值且光团大小满足预设大小的光团作为目标光团，然后进一步地，基于目标光团的目标位置与道路轮廓线和天际线的目标相对位置对目标光团进行过滤，在基于光团的光源强度、大小、位置三要素的基础上，基于道路轮廓曲线以及天际线来优化光团检测，提高了对采集的车辆行进方向光团的光源的判断，降低了对车辆行进方向的光源对象(如路灯、房灯、反光牌等)误检率，优化了对车辆行进方向会车路况的判断，提高了用户体验。
101.在一些实施方式中，步骤s250可以包括步骤s251。
102.步骤s251：若所述目标位置在所述天际线远离所述道路轮廓线的一侧，则将所述目标光团滤除；或者若所述目标位置在所述天际线靠近所述道路轮廓线的一侧、所述目标位置在所述道路范围外且所述第一距离大于距离阈值，则将所述目标光团滤除。
103.在一些实施方式中，车辆基于目标相对位置对目标光团进行过滤可以是，若目标
位置在天际线远离道路轮廓线的一侧，则将目标光团滤除；或者若目标位置在天际线靠近道路轮廓线的一侧、目标位置在道路范围外且第一距离大于距离阈值，则将目标光团滤除。
104.在一些实施方式中，若目标位置在天际线远离道路轮廓线的一侧可以理解为，目标位置在非地面区域，可以将目标光团的光源认定为房灯、路灯、反光牌等，也即将目标光团认定为无效光团；若目标位置在天际线靠近道路轮廓线的一侧、目标位置在道路范围外且第一距离大于距离阈值，可以将目标光团的光源认定为房灯、路灯、反光牌等，也即将目标光团认定为无效光团。并进一步地，将无效光团滤除，以避免车辆行进过程中房灯、路灯、反光牌等发出的光对判断车辆会车路况判断的影响，提高用户的体验感。
105.进一步的，若目标位置在天际线靠近离道路轮廓线的一侧可以理解为，目标位置在地面区域，并且目标位置在道路范围内或者在道路范围外第一距离小于或等于距离阈值，可以将目标光团的光源认定对向来车车灯，也即将目标光团认定为有无效光团。以根据有效光团判断车辆行进过程中的会车路况，及时切换近光避免对对面车造成视野干扰，以及适应国标的400米要求，提高用户的体验感。
106.示例性的，请参阅图12，其示出了本技术一实施提供的图像处理方法的流程示意图。其中，该方法应用于车辆，车辆包括前视窄角摄像头。其中，车辆可以获取前视窄角摄像头采集的车辆行进方向的原始图像，并基于摄像头的预设参数计算获得原始图像中的天际线。车辆还可以基于前视窄角摄像头的原始图像，通过预设像素值对原始图像执行二值化、连通域算法检测，提取原始图像中目标光团的大小和位置。另外，车辆中预先设置有卷积神经网络，车辆可以基于前视窄角摄像头的原始图像经过卷积神经网络，生成原始图像中的车道线和道路轮廓线。进一步的，车辆可以融合目标光团的目标位置、车道线、道路轮廓线、天际线到同一坐标系中，获得目标光团与天际线和道路轮廓线的目标相对位置。然后判断目标位置是否在天际线远离道路轮廓线的一侧，若是，确定目标光团疑似路灯、房灯、装饰灯、反光牌类型，也即确定该目标光团为无效，过滤该目标光团；或者判断目标位置是否在天际线靠近道路轮廓线的一侧，且在道路轮廓线表征的道路范围外且距道路轮廓线的最短距离大于距离阈值，若是，确定目标光团疑似路灯、房灯、装饰灯、反光牌类型，也即确定该目标光团为无效，过滤该目标光团，以提高对车辆行进方向光团的光源的判断，降低对车辆行进方向的光源对象(如路灯、房灯、反光牌等)误检率，优化对车辆行进方向会车路况的判断，提高用户体验。
107.其中，若目标位置在天际线靠近道路轮廓线的一侧，在道路轮廓线表征的道路范围内或者距道路轮廓线的最短距离小于或等于距离阈值，则确定该目标光团为对向来车车灯，也即确定该目标光团为有效光团。
108.本技术一实施例提供的图像处理方法，相对于图1所示的图像处理方法，还基于预设像素值对原始图像进行二值化以及连通域处理，获得原始图像中的目标光团的目标位置。相较于图1所示的图像处理方法，本实施例还可以在基于光团的光源强度、大小、位置三要素的基础上，基于道路轮廓曲线以及天际线来优化光团检测，提高了对采集的车辆行进方向光团的光源的判断，并将对判断车辆会车路况无效的光团滤除，降低了对车辆行进方向的光源的误检率，优化了对车辆行进方向会车路况的判断，提高了用户体验。
109.请参阅图13，图13示出了本技术一实施例提供的图像处理装置的模块框图。该图像处理装置200应用于上述车辆，该车辆包括摄像头，下面将针对图10所示的流程进行详细
的阐述，所述图像处理装置200包括：图像获取模块210、光团位置获取模块220、道路轮廓线和天际线获取模块230、目标相对位置获取模块240和光团过滤模块250，其中：
110.图像获取模块210，用于获取通过所述摄像头采集的所述车辆的行进方向的原始图像。
111.光团位置获取模块220，用于基于预设像素值对所述原始图像进行预处理，获得所述原始图像中的目标光团的目标位置。
112.道路轮廓线和天际线获取模块230，用于基于预设算法对所述原始图像进行处理，获得所述原始图像中的道路轮廓线以及天际线。
113.目标相对位置获取模块240，用于获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置。
114.光团过滤模块250，用于基于所述目标相对位置对所述目标光团进行过滤。
115.进一步地，所述光团位置获取模块220包括：预处理模块，其中：
116.预处理模块，用于基于所述预设像素值对所述原始图像进行二值化以及连通域处理，获得所述原始图像中的目标光团的目标位置。
117.进一步地，所述预处理模块包括：光团大小获取单元、目标光团确定单元以及目标光团位置确定单元，其中：
118.光团大小获取单元，用于基于所述预设像素值对所述原始图像进行二值化以及连通域处理，获得所述原始图像中的光团的大小与位置。
119.目标光团确定单元，用于从所述原始图像中确定光团的大小大于预设大小的光团，作为所述目标光团。
120.目标光团位置确定单元，用于从所述原始图像中的光团的位置中，确定所述目标光团的位置作为所述目标位置。
121.进一步地，所述目标相对位置获取模块240包括：坐标映射模块以及坐标系相对位置获取模块，其中：
122.坐标映射模块，用于将所述目标位置、所述道路轮廓线以及所述天际线，转换到目标坐标系中。
123.坐标系相对位置获取模块，用于基于所述目标坐标系，获取所述目标位置与所述道路轮廓线以及所述天际线的目标相对位置。
124.进一步地，所述坐标系相对位置获取模块包括：第一相对位置获取单元以及第二相对位置获取单元，其中：
125.第一相对位置获取单元，用于基于所述目标坐标系，获取所述目标位置与所述道路轮廓线的第一相对位置，其中，所述第一相对位置包括所述目标位置距所述道路轮廓线的第一距离，以及所述目标位置与所述道路轮廓线表征的道路的位置关系，其中，所述位置关系包括所述目标位置在所述道路范围内或者所述目标位置在所述道路范围外。
126.第二相对位置获取单元，用于基于所述目标坐标系，获取所述目标位置与所述天际线的第二相对位置，其中，所述第二相对位置包括所述目标位置在所述天际线远离所述道路轮廓线的一侧或所述目标位置在所述天际线靠近所述道路轮廓线的一侧。
127.进一步地，所述光团过滤模块250包括：第一过滤单元以及第二过滤单元，其中：
128.第一过滤单元，用于若所述目标位置在所述天际线远离所述道路轮廓线的一侧，
则将所述目标光团滤除。
129.第二过滤单元，用于若所述目标位置在所述天际线靠近所述道路轮廓线的一侧、所述目标位置在所述道路范围外且所述第一距离大于距离阈值，则将所述目标光团滤除。
130.进一步地，所述道路轮廓线和天际线获取模块230包括：道路轮廓线获取单元以及天际线获取单元，其中：
131.道路轮廓线获取单元，用于基于卷积神经网络对所述原始图像进行处理，获得所述原始图像中的道路轮廓线。
132.天际线获取单元，用于基于所述摄像头的预设标定参数对所述原始图像进行处理，获得所述原始图像中的天际线。
133.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，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
134.在本技术所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。
135.另外，在本技术各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
136.请参阅图14，其示出了本技术实施例提供的一种车辆的结构框图。该车辆100可以是自行车、电动汽车、摩托车等能够运行应用程序的车辆。本技术中的车辆100可以包括一个或多个如下部件：摄像头110、处理器120、存储器130以及一个或多个应用程序，其中，一个或多个应用程序可以被存储在存储器130中并被配置为由一个或多个处理器120执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。
137.其中，摄像头110可以包括一个或多个，用于采集车辆100的行进方向的原始图像。如，摄像头100可以是车辆100的前视摄像头、侧视摄像头、车载摄像头等，在此不作限定。
138.示例性的，请参阅图15，其示出了摄像头的安装位置。其中，摄像头101a可以安装在车辆101挡风玻璃的前方，用于采集车辆101前方视场角视野范围内车辆101行进方向的原始图像。
139.处理器120可以包括一个或者多个处理核。处理器120利用各种接口和线路连接整个车辆100内的各个部分，通过运行或执行存储在存储器130内的指令、程序、代码集或指令集，以及调用存储在存储器130内的数据，执行车辆100的各种功能和处理数据。可选地，处理器120可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field－programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器120可集成中央处理器(central processing unit，cpu)、图形处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责待显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器120中，单独通过一块通信芯片进行实现。
140.存储器130可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。存储器130可用于存储指令、程序、代码、代码集或指令集。存储器130可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指
令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储车辆100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
141.请参阅图16，其示出了本技术实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取介质300中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
142.计算机可读取存储介质300可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读取存储介质300包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读取存储介质300具有执行上述方法中的任何方法步骤的程序代码310的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码310可以例如以适当形式进行压缩。
143.综上所述，本技术实施例提供的图像处理方法、装置、车辆以及存储介质，通过获取通过摄像头采集的车辆的行进方向的原始图像；基于预设像素值对原始图像进行预处理，获得原始图像中的目标光团的目标位置；基于预设算法对原始图像进行处理，获得原始图像中的道路轮廓线以及天际线；获取目标位置与道路轮廓线以及天际线的目标相对位置；基于目标相对位置对目标光团进行过滤。本技术的上述方法，基于道路轮廓线以及天际线对车辆行进方向的光团进行滤除，提高了检测车辆行进方向的光团的准确性，也提高了用户的体验感。
144.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。