本發(fā)明涉及智能車輛技術(shù)，具體涉及一種用于檢測道路中的彎道曲率的方法、用于檢測道路中的彎道曲率的裝置以及設(shè)置有用于檢測道路中的彎道曲率的裝置的車輛。

背景技術(shù)：

智能交通系統(tǒng)由于其能夠有效緩解甚至解決多種交通問題，從而已經(jīng)成為備受關(guān)注的研究課題，而智能車輛是智能交通系統(tǒng)中一個非常重要的組成部分。

智能車輛可以通過車輛上安裝傳感器來感知車輛姿態(tài)以及外部環(huán)境等信息，且智能車輛可以根據(jù)其感知到的信息進行路徑規(guī)劃，從而實現(xiàn)車輛的自主駕駛。

在智能車輛感知外部環(huán)境信息中，對道路信息的感知是非常重要的，只有精準的感知了道路信息(如彎道曲率等信息)才有可能準確地獲得車體相對于道路的位置以及方向等信息，從而實現(xiàn)后續(xù)的車輛自適應(yīng)巡航控制以及障礙物檢測等功能。

發(fā)明人在實現(xiàn)本發(fā)明過程中發(fā)現(xiàn)：實際道路通常被劃分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。結(jié)構(gòu)化道路(如高速公路等)由于其車道線比較清晰且道路邊界較為明顯等因素，易于檢測出道路中彎道曲率；而非結(jié)構(gòu)化道路(如圖1和圖2所示)由于其沒有明顯的車道線且道路邊界沒有明顯的標志物等因素，通常較難準確的檢測出道路中彎道曲率。如何使車輛在行駛過程中準確及時的檢測出道路中彎道曲率，并使彎道曲率檢測技術(shù)能夠較好的適用于結(jié)構(gòu)化道路以及路況各異的非結(jié)構(gòu)化道路，從而提高車輛的智能駕駛性能，是一個值得關(guān)注的技術(shù)問題。

技術(shù)實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的用于檢測道路中的彎道曲率的方法、裝置及車輛。

依據(jù)本發(fā)明的其中一個方面，提供了一種用于檢測道路中的彎道曲率的方法，該方法主要包括：根據(jù)區(qū)域生長算法確定圖像中的道路區(qū)域；從所述道路區(qū)域的邊界中提取邊緣像素點；將所述提取的邊緣像素點作為形成曲線的控制點提供給曲線模型，并根據(jù)所述曲線模型輸出的曲線確定道路邊緣曲線；確定所述道路邊緣曲線的彎道曲率。

可選的，上述用于檢測道路中的彎道曲率的方法，其中，所述根據(jù)區(qū)域生長算法確定圖像中的道路區(qū)域的步驟包括：從所述圖像下側(cè)中間區(qū)域選取初始生長元素塊，并將所述初始生長元素塊加入生長區(qū)域；分別計算與生長區(qū)域相鄰的左生長元素塊、右生長元素塊以及上生長元素塊的特征值，將滿足預(yù)定條件的生長元素塊加入到所述生長區(qū)域中，重復(fù)本步驟，直到生長區(qū)域的左生長元素塊、右生長元素塊以及上生長元素塊的特征值均不滿足預(yù)定條件時，將當前生長區(qū)域作為所述道路區(qū)域。

可選的，上述用于檢測道路中的彎道曲率的方法，其中，所述從所述道路區(qū)域的邊界中提取邊緣像素點的步驟包括：利用邊緣檢測算法確定所述圖像中的各區(qū)域邊界；在一個像素點分別為所述區(qū)域邊界上的像素點以及所述道路區(qū)域邊界上的像素點時，將所述像素點作為道路區(qū)域的邊界中的邊緣像素點；將從所述道路區(qū)域的邊界中的邊緣像素點中選取的邊緣像素點作為所述提取出的邊緣像素點。

可選的，上述用于檢測道路中的彎道曲率的方法，其中，所述曲線模型包括：三次貝塞爾曲線模型。

可選的，上述用于檢測道路中的彎道曲率的方法，其中，所述將所述提取的邊緣點提供給用于形成曲線的曲線模型，并根據(jù)所述曲線模型輸出的曲線確定道路邊緣曲線的步驟包括：將提取出的多組邊緣像素點作為形成曲線的控制點分別提供給曲線模型；計算所述曲線模型針對每一組邊緣點分別輸出的曲線的特征值；將曲線特征值最大的曲線作為道路邊緣曲線。

可選的，上述用于檢測道路中的彎道曲率的方法，其中，所述計算所述曲線模型針對每一組邊緣點分別輸出的曲線的特征值的步驟包括：針對任一條曲線，計算擴展寬度的曲線中的所有像素點的像素值之和，并根據(jù)曲線長度以及曲線彎曲度計算該曲線的系數(shù)；根據(jù)所述系數(shù)以及像素值之和確定所述曲線的特征值。

可選的，上述用于檢測道路中的彎道曲率的方法，其中，所述確定所述道路邊緣曲線的彎道曲率的步驟包括：計算所述道路邊緣曲線上的多個像素點的曲率，并將所述多個像素點的曲率的平均值作為所述道路邊緣曲線的彎道曲率。

依據(jù)本發(fā)明的另一個方面，提供了一種用于檢測道路中的彎道曲率的裝置，所述裝置包括：區(qū)域生長模塊，用于根據(jù)區(qū)域生長算法確定圖像中的道路區(qū)域；提取邊緣像素點模塊，用于從所述道路區(qū)域的邊界中提取邊緣像素點；確定曲線模塊，用于將所述提取的邊緣像素點作為形成曲線的控制點提供給曲線模型，并根據(jù)所述曲線模型輸出的曲線確定道路邊緣曲線；確定曲率模塊，用于確定所述道路邊緣曲線的彎道曲率。

可選的，上述用于檢測道路中的彎道曲率的裝置，其中，所述區(qū)域生長模塊具體用于：從所述圖像下側(cè)中間區(qū)域選取初始生長元素塊，并將所述初始生長元素塊加入生長區(qū)域；分別計算與生長區(qū)域相鄰的左生長元素塊、右生長元素塊以及上生長元素塊的特征值，將滿足預(yù)定條件的生長元素塊加入到所述生長區(qū)域中，重復(fù)本步驟，直到生長區(qū)域的左生長元素塊、右生長元素塊以及上生長元素塊的特征值均不滿足預(yù)定條件時，將當前生長區(qū)域作為所述道路區(qū)域。

可選的，上述用于檢測道路中的彎道曲率的裝置，其中，所述提取邊緣像素點模塊包括：邊緣檢測子模塊，用于利用邊緣檢測算法確定所述圖像中的各區(qū)域邊界；過濾像素點子模塊，用于在一個像素點分別為所述區(qū)域邊界上的像素點以及所述道路區(qū)域邊界上的像素點時，將所述像素點作為道路區(qū)域的邊界中的邊緣像素點；提取子模塊，用于將從所述道路區(qū)域的邊界中的邊緣像素點中選取的邊緣像素點作為所述提取出的邊緣像素點。

可選的，上述用于檢測道路中的彎道曲率的裝置，其中，所述曲線模型包括：三次貝塞爾曲線模型。

可選的，上述用于檢測道路中的彎道曲率的裝置，其中，所述確定曲線模塊具體包括：計算特征值子模塊，用于將提取出的多組邊緣像素點作為形成曲線的控制點分別提供給曲線模型，并計算所述曲線模型針對每一組邊緣點分別輸出的曲線的特征值；比較子模塊，用于將曲線特征值最大的曲線作為道路邊緣曲線。

可選的，上述用于檢測道路中的彎道曲率的裝置，其中，所述計算特征值子模塊具體用于：針對任一條曲線，計算擴展寬度的曲線中的所有像素點的像素值之和，并根據(jù)曲線長度以及曲線彎曲度計算該曲線的系數(shù)；根據(jù)所述系數(shù)以及像素值之和確定所述曲線的特征值。

可選的，上述用于檢測道路中的彎道曲率的裝置，其中，所述確定曲率模塊具體用于：計算所述道路邊緣曲線上的多個像素點的曲率，并將所述多個像素點的曲率的平均值作為所述道路邊緣曲線的彎道曲率。

依據(jù)本發(fā)明的再一個方面，提供了一種車輛，所述車輛包括：上述用于檢測道路中的彎道曲率的裝置。

本發(fā)明提供的用于檢測道路中的彎道曲率的方法、裝置及車輛至少具有下列優(yōu)點以及有益效果：本發(fā)明通過利用區(qū)域生長算法不僅可以快速的針對圖像中的結(jié)構(gòu)化道路確定出道路區(qū)域，還可以快速的針對圖像中的非結(jié)構(gòu)化道路確定出道路區(qū)域；通過將屬于道路區(qū)域的邊界的像素點作為邊緣像素點(即道路邊緣像素點)，并利用曲線模型針對道路邊緣像素點形成曲線，從而不僅可以實現(xiàn)針對結(jié)構(gòu)化道路快速準確的確定出道路邊緣曲線(即結(jié)構(gòu)化道路的道路邊界)，還可以實現(xiàn)針對非結(jié)構(gòu)化道路快速準確的確定出道路邊緣曲線(即非結(jié)構(gòu)化道路的道路邊界)，因此本發(fā)明可以準確快捷的確定出結(jié)構(gòu)化道路以及非結(jié)構(gòu)化道路的彎道曲率；由此可知，本發(fā)明提供的技術(shù)方案能夠使車輛在行駛過程中準確及時的檢測出道路中的彎道曲率，且能夠較好的應(yīng)用于結(jié)構(gòu)化道路以及路況各異的非結(jié)構(gòu)化道路中，從而提高了車輛的智能駕駛性能。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。本實施例的附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1為非結(jié)構(gòu)化道路的一個具體例子的示意圖；

圖2為非結(jié)構(gòu)化道路的另一個具體例子的示意圖；

圖3為本發(fā)明的用于檢測道路中的彎道曲率的方法的流程圖；

圖4為本發(fā)明的確定圖像中的道路區(qū)域的一個具體例子的流程圖；

圖5為本發(fā)明的利用區(qū)域生長算法確定出的圖像中的道路區(qū)域的一個例子的示意圖；

圖6為本發(fā)明的利用區(qū)域生長算法確定出的圖像中的道路區(qū)域的邊緣的一個例子的示意圖；

圖7為本發(fā)明的候檢區(qū)域的示意圖；

圖8為本發(fā)明利用三次貝塞爾曲線模型形成的基于四個控制點的一條曲線的示意圖；

圖9為本發(fā)明的用于檢測道路中的彎道曲率的裝置的結(jié)構(gòu)示意圖；

圖10為本發(fā)明一個實施例的智能車輛的結(jié)構(gòu)框圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本發(fā)明公開的示例性實施例，然而應(yīng)當理解，可以以各種形式實現(xiàn)本發(fā)明公開而不應(yīng)被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本發(fā)明的技術(shù)方案，并且能夠?qū)⒈景l(fā)明公開的范圍完整的傳達給本領(lǐng)域的技術(shù)人員。

在一個具體實施例中，本發(fā)明提供了一種用于檢測道路中的彎道曲率的方法。該方法的流程如圖3所示，且圖3中的方法主要包括：步驟S300、步驟S310、步驟S320以及步驟S330。下面對本實施例的方法所包括的各步驟分別進行詳細說明。

S300、根據(jù)區(qū)域生長算法確定圖像中的道路區(qū)域。

作為示例，本實施例中的圖像通常是車輛中安裝的攝像頭實時攝取的圖像。針對攝像頭所攝取的任一圖像而言，本實施例是利用圖像中的具有預(yù)定大小的生長元素塊逐步形成道路區(qū)域的，且生長元素塊的大小可以根據(jù)實際需求設(shè)置，如在計算資源較強大且更多的關(guān)注彎道曲率準確度的情況下，可以將生長元素塊的大小設(shè)置的小一些，再如在計算資源較弱且更多的關(guān)注彎道曲率檢測速度的情況下，可以將生長元素塊的大小設(shè)置的大一些。在一個具體的例子中，生長元素塊為10×10像素點大小的生長元素塊。

在通常情況下，本實施例會先設(shè)置一個為空的生長區(qū)域，并在圖像中確定一個初始生長元素塊；然后，將該初始生長元素塊加入到生長區(qū)域中，且該初始生長元素可以作為當前生長元素；之后，以該生長區(qū)域為基礎(chǔ)向周圍進行生長檢測，從而逐漸擴大生長區(qū)域，最終，在生長區(qū)域停止生長時，將停止生長的生長區(qū)域作為圖像中的道路區(qū)域。

作為示例，由于圖像的中部區(qū)域通常屬于道路區(qū)域，因此，本實施例可以將初始生長元素塊設(shè)置在圖像的下側(cè)的中部區(qū)域中，如本實施例可以以圖像的最下側(cè)的中間像素點為基準點向左側(cè)、右側(cè)以及上側(cè)方分別擴展相應(yīng)數(shù)量的像素點，從而形成一個10×10像素點大小的初始生長元素塊。

作為示例，本實施例在設(shè)置了初始生長元素塊，并將該初始生長元素塊加入生長區(qū)域作為當前生長元素塊之后，可以分別計算與當前生長區(qū)域相鄰的左生長元素塊的特征值、與當前生長區(qū)域相鄰的右生長元素塊的特征值以及與當前生長區(qū)域向量的上生長元素塊的特征值，然后，判斷左生長元素塊的特征值是否滿足預(yù)定條件、右生長元素塊的特征值是否滿足預(yù)定條件以及上生長元素塊的特征值是否滿足預(yù)定條件，并將滿足預(yù)定條件的生長元素塊加入到當前生長區(qū)域中，重復(fù)上述使當前生長區(qū)域生長的過程，直到當前生長區(qū)域的左生長元素塊、右生長元素塊以及上生長元素塊的特征值均不滿足預(yù)定條件時，當前生長區(qū)域停止生長，本實施例可以將當前停止生長的生長區(qū)域作為從圖像中檢測出的道路區(qū)域。

作為示例，本實施例中的生長元素塊的特征值可以具體為生長元素塊的灰度值方差，當然，本實施例也不排除生長元素塊的特征值為其他形式的可能性。具體的，本實施例可以利用下述公式(1)來計算一個生長元素塊的灰度值方差：

在上述公式(1)中，var為生長元素塊的灰度值方差，M為生長元素塊所包含的像素的行數(shù)，N為生長元素塊所包含的像素的列數(shù)，I(i，j)表示生長元素塊中第i行第j列的像素點的灰度值，mean表示該生長元素塊的所有像素的灰度平均值。

本實施例的利用區(qū)域生長算法確定圖像中的道路區(qū)域的一個具體例子如圖4所示。

圖4中，S400、在圖像的最下側(cè)的中部區(qū)域中確定初始生長元素塊，并將該初始生長元素塊加入到當前為空的生長區(qū)域中，且該初始生長元素塊被作為當前生長元素塊。到步驟S410和步驟S420。

S410、在當前生長元素塊所在行，計算與當前生長區(qū)域相鄰的左生長元素塊(如與當前生長區(qū)域左相鄰的10×10像素點大小的生長元素塊)的特征值(如灰度值方差)，到S411。

S411、判斷左生長元素塊的特征值是否滿足預(yù)定條件，如判斷左生長元素塊的灰度值方差是否小于預(yù)定值(如40)；如果判斷結(jié)果為滿足預(yù)定條件(如灰度值方差小于40)，則到步驟S412；如果判斷結(jié)果為不滿足預(yù)定條件(如灰度值方差不小于40)，則應(yīng)停止當前生長元素塊所在行的左側(cè)生長過程，到步驟S430。

S412、將該左生長元素塊加入到當前生長區(qū)域中，到步驟S413。

S413、判斷該左生長元素塊是否已經(jīng)達到圖像的最左側(cè)，即判斷該左生長元素塊是否已經(jīng)到達圖像的左邊界，如果判斷結(jié)果為已經(jīng)達到圖像的最左側(cè)，則到步驟S430；如果判斷結(jié)果為還未達到圖像的最左側(cè)，則返回到步驟S410。

S420、在當前生長元素塊所在行，計算與當前生長區(qū)域相鄰的右生長元素塊(如與當前生長區(qū)域右相鄰的10×10像素點大小的生長元素塊)的特征值(如灰度值方差)，到步驟S421。

S421、判斷右生長元素塊的特征值是否滿足預(yù)定條件，如判斷右生長元素塊的灰度值方差是否小于預(yù)定值(如40)，如果判斷結(jié)果為滿足預(yù)定條件(如灰度值方差小于40)，則到步驟S422；如果判斷結(jié)果為不滿足預(yù)定條件(如灰度值方差不小于40)，則應(yīng)停止當前生長元素塊所在行的左側(cè)生長過程，到步驟S430。

S422、將該右生長元素塊加入到當前生長區(qū)域中，到步驟S423。

S423、判斷該右生長元素塊是否已經(jīng)達到圖像的最右側(cè)，即判斷該右生長元素塊是否已經(jīng)到達圖像的右邊界，如果判斷結(jié)果為已經(jīng)達到圖像的最右側(cè)，則到步驟S430；如果判斷結(jié)果為還未達到圖像的最右側(cè)，則返回到步驟S420。

S430、判斷當前生長元素塊是否已經(jīng)達到圖像的最上側(cè)，即判斷該當前生長元素塊是否已經(jīng)到達圖像的上邊界，如果判斷結(jié)果為已經(jīng)達到圖像的最上側(cè)，則到步驟S440；如果判斷結(jié)果為還未達到圖像的最上側(cè)，則到步驟S431。

S431、在當前生長元素塊所在行的左側(cè)生長過程和右側(cè)生長過程均停止的情況下，將當前生長元素塊上側(cè)的生長元素塊(如10×10像素點大小的生長元素塊)作為當前生長元素塊，到步驟S432。

S432、計算當前生長元素塊的特征值(如灰度值方差)，到步驟S433。

S433、判斷當前生長元素塊的特征值是否滿足預(yù)定條件，如判斷當前生長元素塊的灰度值方差是否小于預(yù)定值(如40)，如果判斷結(jié)果為滿足預(yù)定條件(如灰度值方差小于40)，則到步驟S434；返回步驟S410和步驟S420；如果判斷結(jié)果為不滿足預(yù)定條件(如灰度值方差不小于40)，則到步驟S440。

S440、本次利用區(qū)域生長算法確定圖像中的道路區(qū)域的過程結(jié)束，可以將當前生長區(qū)域作為圖像中的道路區(qū)域。

需要特別說明的是，圖4所示的流程是以先執(zhí)行當前生長元素塊的左側(cè)和右側(cè)的生長過程，然后，再執(zhí)行當前生長元素塊的上側(cè)的生長過程，如此重復(fù)執(zhí)行并最終形成生長區(qū)域的；然而，本實施例也可以先不斷的執(zhí)行當前生長元素塊的上側(cè)的生長過程，并在上側(cè)的生長過程停止后，再按照行從上到下的排列順序或者從下到上的排列順序，針對每一行分別執(zhí)行左側(cè)和右側(cè)的生長過程，直到所有行的左側(cè)和右側(cè)的生長過程均停止，則確定本次利用區(qū)域生長算法確定圖像中的道路區(qū)域的過程結(jié)束，從而可以將當前生長區(qū)域作為圖像中的道路區(qū)域。該方法的具體過程在此不再詳細說明。另外，本實施例中的最左側(cè)生長元素塊、最右側(cè)生長元素塊以及最上側(cè)生長元素塊的大小有可能會小于其他生長元素塊的大小。

作為示例，針對圖1所示的圖像，本實施例利用區(qū)域生長算法確定出的該圖像中的道路區(qū)域的一個例子如圖5所示。

本實施例通過利用區(qū)域生長算法確定圖像中的道路區(qū)域，無論是針對結(jié)構(gòu)化道路，還是針對非結(jié)構(gòu)化道路，本實施例均可以快速準確的獲得圖像中的道路區(qū)域，從而為實現(xiàn)確定結(jié)構(gòu)化道路以及非結(jié)構(gòu)化道路中的彎道曲率提供了基礎(chǔ)。

S310、從上述確定出的道路區(qū)域的邊界中提取邊緣像素點。

作為示例，本實施例在確定出圖像中的道路區(qū)域后，可以直接從該道路區(qū)域中提取出道路區(qū)域的邊界，一個具體的例子，由于生長元素塊的形狀為方形，因此，道路區(qū)域的邊界通常包含有大量的直角，本實施例可以通過檢測道路區(qū)域中的相互銜接的直角而獲得道路區(qū)域的邊界，圖6中的白線即為從圖5所示的道路區(qū)域中提取出的邊界。

作為示例，本實施例在從道路區(qū)域中提取出道路區(qū)域的邊界后，為了進一步保證道路區(qū)域的邊界的準確性，本實施例可以利用邊緣檢測算法(如Canny邊緣檢測算法等)確定出的圖像中的各區(qū)域邊界來對上述道路區(qū)域的邊界進行校驗。本實施例利用邊緣檢測算法可以檢測出圖像中的包括道路區(qū)域的邊界在內(nèi)的所有區(qū)域的邊界。本實施例在確定出一個像素點即是區(qū)域邊界上的像素點，又是道路區(qū)域的邊界上的像素點的情況下，才會將該像素點作為道路區(qū)域的邊界中的邊緣像素點；而如果一個像素點不是區(qū)域邊界上的像素點，而僅是道路區(qū)域的邊界上的像素點，則本實施例會對該像素點進行過濾處理，即從道路區(qū)域的邊界上的像素點集合中將該像素點刪除。

作為示例，本實施例利用邊緣檢測算法確定出的圖像中的區(qū)域邊界對道路區(qū)域的邊界進行校驗的一個具體的例子為：設(shè)定利用邊緣檢測算法對圖像進行處理后，如果一個像素點屬于圖像中的某一個區(qū)域邊界，則該像素點的像素值被設(shè)定為1，而如果一個像素點不屬于圖像中的區(qū)域邊界，則該像素點的像素值被設(shè)定為0；設(shè)定利用區(qū)域生長算法對圖像進行處理后，如果一個像素點屬于圖像中的道路區(qū)域的邊界，則該像素點的像素值被設(shè)定為1，而如果一個像素點不屬于道路區(qū)域的邊界，則該像素點的像素值被設(shè)定為0；在上述設(shè)定條件下，本實施例可以將邊緣檢測算法處理后的圖像中的像素點與區(qū)域生長算法處理后的圖像中的像素點進行與運算，從而將與運算后像素值仍為1的所有像素點作為道路區(qū)域的邊界中的邊緣像素點，即與運算后的所有像素值仍為1的像素點形成道路區(qū)域的邊界。另外，在上述設(shè)定條件下，為了降低計算量，本實施例可以從區(qū)域生長算法處理后的圖像中確定出包含有道路區(qū)域的邊界的候檢區(qū)域，該候檢區(qū)域的大小可以由道路區(qū)域的一側(cè)邊界中的所有邊緣像素點中最上側(cè)邊緣像素點、最左側(cè)邊緣像素點、最右側(cè)邊緣像素點以及最下側(cè)邊緣像素點決定；如圖7中的左右兩個方框即為道路區(qū)域左側(cè)邊界和右側(cè)邊界的候檢區(qū)域，從而本實施例在進行與運算時，可以只針對邊緣檢測算法處理后的圖像中的候檢區(qū)域中的像素點與區(qū)域生長算法處理后的圖像中的候檢區(qū)域中的像素點進行與運算。本實施例在進行與運算之后，通常會獲得離散分布的邊緣像素點，如圖7中的兩個候檢區(qū)域中的離散分布的白色的邊緣像素點。

作為示例，本實施例可以從校驗后的道路區(qū)域的邊界上的所有邊緣像素點中隨機提取用于確定道路邊緣曲線的邊緣像素點。一個具體的例子，按照預(yù)定次數(shù)(如15次)進行多次選取(如隨機選取)，從而形成多組邊緣像素點；本實施例每次均選取預(yù)定數(shù)量的邊緣像素點，即一組中包含有預(yù)定數(shù)量的邊緣像素點。本實施例中的預(yù)定數(shù)量可以根據(jù)曲線模型對控制點數(shù)量的需求來設(shè)定。

本實施例通過利用邊緣檢測算法(如Canny邊緣檢測算法等)確定出的圖像中的各區(qū)域邊界來對基于區(qū)域生長算法確定出的道路區(qū)域的邊界進行校驗，可以使最終確定出的道路區(qū)域的邊界更加準確，從而可以避免由于非結(jié)構(gòu)化道路沒有明顯的車道線且道路邊界沒有明顯的標志物而導(dǎo)致的確定道路區(qū)域的邊界較困難的問題。

S320、將提取的邊緣點作為形成曲線的控制點提供給曲線模型，并根據(jù)曲線模型輸出的曲線確定道路邊緣曲線。

作為示例，本實施例中的曲線模型可以具體為三次貝塞爾曲線模型。當然，本實施例也可以采用其他曲線模型。在采用三次貝塞爾曲線模型的情況下，由于三次貝塞爾曲線模型需要4個控制點，因此，本實施例可以每次隨機選取4個邊緣像素點提供給曲線模型。本實施例采用的三次貝塞爾曲線模型可以表示為如下公式(2)的形式：

在上述公式(2)中，P₀、P₁、P₂、P₃表示三次貝塞爾曲線模型的4個控制點，t表示取樣寬度，且t的取值范圍通常為0-1之間，如t的取值可以設(shè)定為0.01，P(t)表示三次貝塞爾曲線模型所輸出的曲線，該曲線應(yīng)經(jīng)過P₀和P₃這兩個控制點，并不經(jīng)過P₁和P₂這兩個控制點，如圖8所示。

作為示例，本實施例針對每一組邊緣像素點均可以利用曲線模型生成一條曲線，本實施例應(yīng)從多條曲線中選取一條曲線作為道路邊緣曲線，在從多條曲線中選取一條曲線時，應(yīng)考慮曲線的長度以及彎曲度，如可以利用曲線的長度以及曲線的彎曲度來確定曲線特征值，從而通過比較所有曲線的曲線特征值即可選取出一條最優(yōu)曲線，如將曲線特征值最大的曲線作為道路邊緣曲線。

本實施例通過基于曲線的長度以及彎曲度來確定道路邊緣曲線，可以從眾多曲線中準確的挑選出更符合道路邊緣曲線特征的曲線，對于非結(jié)構(gòu)化道路而言，可以有效提高確定出的道路的邊界的準確性，從而本實施例可以提高最終確定出的彎道曲率的準確性。

作為示例，本實施例從多條曲線中選取一條曲線的一個具體例子為：

步驟a、針對曲線模型輸出的各條曲線，利用下述公式(3)分別計算各條曲線的系數(shù)：

k＝l/d+(θ+1)/2 公式(3)

在上述公式(3)中，k為曲線的系數(shù)，l為P₀和P₃這兩個控制點之間的連線距離，d為曲線所在的候檢區(qū)域的對角線長度(候檢區(qū)域如上述實施例中的描述)，如d可以為圖7中的左/右方框的對角線長度；θ為曲線的彎曲度，且曲線的彎曲度可以通過下述公式(4)計算獲得：

θ＝(cosα+cosβ)/2 公式(4)

在上述公式(4)中，α為由控制點P₀、P₁形成的直線與由控制點P₁、P₂形成的直線之間的夾角，β為由控制點P₁、P₂形成的直線與由控制點P₂、P₃形成的直線之間的夾角(如圖8所示)。

由于候檢區(qū)域的對角線長度能夠從一定程度上反應(yīng)出道路邊緣曲線的長度，因此，本實施例通過利用P₀和P₃兩個控制點之間的連線距離與曲線所在的候檢區(qū)域的對角線長度的比值可以在一定程度上反應(yīng)出該曲線的長度與道路邊緣曲線的長度之間的關(guān)系，P₀和P₃兩個控制點之間的連線距離越接近曲線所在的候檢區(qū)域的對角線長度，則該曲線的特征值越大。

步驟b、針對曲線模型輸出的每一條曲線，分別計算擴展寬度的曲線中的所有像素點的像素值之和。本實施例中的曲線模型所輸出的曲線通常為單像素點寬度的曲線，本實施例中的擴展寬度的曲線是指具有多像素點寬度的曲線。如果將曲線的兩側(cè)分別稱為內(nèi)側(cè)(如圖8中的曲線的左側(cè))和外側(cè)(如圖8中的曲線的右側(cè))的話，則可以針對曲線中的每一個像素點分別向內(nèi)側(cè)擴展N個像素點，并分別向外側(cè)擴展M個像素點，從而形成一條擴展了M+N+1像素點寬度的曲線，一個具體的例子，設(shè)定圖8中的曲線是基于取樣寬度為0.01而生成的曲線，從而該曲線是由100個像素點形成的曲線，本實施例可以將這100個像素點中的每一個像素點分別向左擴展2個像素點，向右擴展2個像素點，從而形成5個像素點寬度的曲線。擴展了寬度的曲線中的每一個像素點均具有像素值，且像素點的像素值可以表示出該像素點是否為邊緣像素點，例如，如果一個像素點是邊緣像素點，則其像素值可以設(shè)置為255，而如果一個像素點不是邊緣像素點，則其像素值可以設(shè)置為0；再例如，如果一個像素點是邊緣像素點，則其像素值可以設(shè)置為1，而如果一個像素點不是邊緣像素點，則其像素值可以設(shè)置為0。

需要特別說明的是，本實施例中的每一個像素點的像素值的具體取值可以是通過上述與運算確定出的。上述步驟a和步驟b可以同時執(zhí)行，即本實施例不限制步驟a和步驟b的執(zhí)行順序。

由于曲線上的一個像素點的周邊像素點也屬于邊緣像素點，則該像素點是道路邊緣曲線上的一個像素點的可能性會大一些，而如果曲線上的一個像素點的周邊像素點不屬于邊緣像素點，則該像素點是道路邊緣曲線上的一個像素點的可能性會小一些，因此，一條擴展了寬度的曲線上的所有像素點的像素值之和可以在一定程度上表示出原曲線是道路邊緣曲線的可能性。

步驟c、利用下述公式(5)計算各條曲線的曲線特征值：

v＝k×sum 公式(5)

在上述公式(5)中，v為曲線的曲線特征值，k為上述公式(3)計算出的曲線的系數(shù)，sum為擴展了寬度后的曲線上的所有像素點的像素值之和。

步驟d、比較各曲線的曲線特征值，將曲線特征值最大的曲線確定為道路邊緣曲線。

S330、確定道路邊緣曲線的彎道曲率。

作為示例，在確定了道路邊緣曲線的情況下，本實施例可以采用多種方法來確定該道路邊緣曲線的彎道曲率，如可以計算道路邊緣曲線上的任意一個像素點的曲率，并將該像素點的曲率作為道路邊緣曲線的彎道曲率，再如可以計算道路邊緣曲線上的多個像素點的曲率，并將多個像素點的曲率的平均值作為該道路邊緣曲線的彎道曲率。通過利用多個像素點的曲率的平均值來確定道路邊緣曲線的彎道曲率，有利于提高本實施例最終確定出的彎道曲率的準確性。

在道路邊緣曲線是基于取樣寬度為0.01而生成的曲線的情況下，本實施例可以通過下述公式(6)計算道路邊緣曲線上的100個像素點的曲率半徑的平均值：

在上述公式(6)中，ρ為道路邊緣曲線的彎道曲率半徑，Δα_i為道路邊緣曲線上的第i個像素點處的切線和道路邊緣曲線上的第i+1個像素點處的切線之間的夾角，ΔS_i為道路邊緣曲線上的第i個像素點與道路邊緣曲線上的第i+1個像素點之間的弧長，且該弧長可以近似取兩像素點之間的直線距離。

在獲得了100個像素點的曲率半徑的平均值的情況下，100個像素點的曲率的平均值即為100個像素點的曲率半徑的平均值的倒數(shù)。

在一個具體實施例中，本發(fā)明提供了一種用于檢測道路中的彎道曲率的裝置。該裝置的結(jié)構(gòu)如圖9所示，且圖9中的裝置主要包括：區(qū)域生長模塊900、提取邊緣像素點模塊910、確定曲線模塊920以及確定曲率模塊930。

下面對本實施例的控制裝置所包括的各模塊分別進行詳細說明。

區(qū)域生長模塊900主要用于根據(jù)區(qū)域生長算法確定圖像中的道路區(qū)域。

作為示例，區(qū)域生長模塊900所使用的圖像通常是車輛中安裝的攝像頭實時攝取的圖像。針對攝像頭所攝取的任一圖像而言，區(qū)域生長模塊900是利用圖像中的具有預(yù)定大小的生長元素塊逐步形成道路區(qū)域的，且區(qū)域生長模塊900所使用的生長元素塊的大小可以根據(jù)實際需求設(shè)置，如在計算資源較強大且更多的關(guān)注彎道曲率準確度的情況下，可以將區(qū)域生長模塊900所使用的生長元素塊的大小設(shè)置的小一些，再如在計算資源較弱且更多的關(guān)注彎道曲率檢測速度的情況下，可以將區(qū)域生長模塊900所使用的生長元素塊的大小設(shè)置的大一些。在一個具體的例子中，區(qū)域生長模塊900所使用的生長元素塊為10×10像素點大小的生長元素塊。

在通常情況下，區(qū)域生長模塊900會先設(shè)置一個為空的生長區(qū)域，并在圖像中確定一個初始生長元素塊；然后，區(qū)域生長模塊900將該初始生長元素塊加入到生長區(qū)域中；之后，區(qū)域生長模塊900以該生長區(qū)域為基礎(chǔ)向周圍進行生長檢測，從而使生長區(qū)域逐漸擴大，最終，在確定出生長區(qū)域停止生長時，區(qū)域生長模塊900將停止生長的生長區(qū)域作為圖像中的道路區(qū)域。

作為示例，由于圖像的中部區(qū)域通常屬于道路區(qū)域，因此，區(qū)域生長模塊900可以將初始生長元素塊設(shè)置在圖像的下側(cè)的中部區(qū)域中，如區(qū)域生長模塊900可以以圖像的最下側(cè)的中間像素點為基準點向左側(cè)、右側(cè)以及上側(cè)方分別擴展相應(yīng)數(shù)量的像素點，從而形成一個10×10像素點大小的初始生長元素塊。

作為示例，區(qū)域生長模塊900在設(shè)置了初始生長元素塊，并將該初始生長元素塊加入生長區(qū)域之后，區(qū)域生長模塊900可以分別計算與當前生長區(qū)域相鄰的左生長元素塊的特征值、與當前生長區(qū)域相鄰的右生長元素塊的特征值以及與當前生長區(qū)域向量的上生長元素塊的特征值，然后，區(qū)域生長模塊900判斷左生長元素塊的特征值是否滿足預(yù)定條件、右生長元素塊的特征值是否滿足預(yù)定條件以及上生長元素塊的特征值是否滿足預(yù)定條件，并將滿足預(yù)定條件的生長元素塊加入到當前生長區(qū)域中，區(qū)域生長模塊900重復(fù)上述使當前生長區(qū)域生長的過程，直到當前生長區(qū)域的左生長元素塊、右生長元素塊以及上生長元素塊的特征值均不滿足預(yù)定條件時，區(qū)域生長模塊900確定出當前生長區(qū)域停止生長，區(qū)域生長模塊900可以將當前停止生長的生長區(qū)域作為從圖像中檢測出的道路區(qū)域。

作為示例，區(qū)域生長模塊900所計算的生長元素塊的特征值可以具體為生長元素塊的灰度值方差，當然，本實施例也不排除區(qū)域生長模塊900所計算的生長元素塊的特征值為其他形式的可能性。具體的，區(qū)域生長模塊900可以利用上述公式(1)計算一個生長元素塊的灰度值方差，在此不再針對公式(1)進行重復(fù)說明。另外，區(qū)域生長模塊900利用區(qū)域生長算法確定圖像中的道路區(qū)域的一個具體例子如上述實施例中針對圖4的描述，在此不再重復(fù)說明。

作為示例，針對圖1所示的圖像，區(qū)域生長模塊900利用區(qū)域生長算法確定出的該圖像中的道路區(qū)域的一個例子如圖5所示。

提取邊緣像素點模塊910主要用于從區(qū)域生長模塊900確定出的道路區(qū)域的邊界中提取邊緣像素點；且在一個實施例中，該提取邊緣像素點模塊910可以包括：邊緣檢測子模塊、過濾像素點子模塊以及提取子模塊；其中的邊緣檢測子模塊主要用于利用邊緣檢測算法確定所述圖像中的各區(qū)域邊界；其中的過濾像素點子模塊主要用于在一個像素點分別為所述區(qū)域邊界上的像素點以及道路區(qū)域邊界上的像素點時，將像素點作為道路區(qū)域的邊界中的邊緣像素點；提取子模塊主要用于將從道路區(qū)域的邊界中的邊緣像素點中選取的邊緣像素點作為提取出的邊緣像素點。

作為示例，提取邊緣像素點模塊910在區(qū)域生長模塊900確定出圖像中的道路區(qū)域后，可以直接從該道路區(qū)域中提取出道路區(qū)域的邊界，一個具體的例子，由于生長元素塊的形狀為方形，因此，道路區(qū)域的邊界通常包含有大量的直角，提取邊緣像素點模塊910可以通過檢測道路區(qū)域中的相互銜接的直角而獲得道路區(qū)域的邊界，圖6中的白線即為提取邊緣像素點模塊910從圖5所示的道路區(qū)域中提取出的邊界。

作為示例，提取邊緣像素點模塊910在從道路區(qū)域中提取出道路區(qū)域的邊界后，為了進一步保證道路區(qū)域的邊界的準確性，提取邊緣像素點模塊910(如邊緣檢測子模塊以及過濾像素點子模塊)可以利用邊緣檢測算法(如Canny邊緣檢測算法等)確定出的圖像中的各區(qū)域邊界來對上述道路區(qū)域的邊界進行校驗。提取邊緣像素點模塊910(如邊緣檢測子模塊)利用邊緣檢測算法可以檢測出圖像中的包括道路區(qū)域的邊界在內(nèi)的所有區(qū)域的邊界。提取邊緣像素點模塊910(如過濾像素點子模塊)在確定出一個像素點即是區(qū)域邊界上的像素點，又是道路區(qū)域的邊界上的像素點的情況下，才會將該像素點作為道路區(qū)域的邊界中的邊緣像素點；而如果一個像素點不是區(qū)域邊界上的像素點，而僅是道路區(qū)域的邊界上的像素點，則提取邊緣像素點模塊910(如過濾像素點子模塊)會對該像素點進行過濾處理，即提取邊緣像素點模塊910(如過濾像素點子模塊)從道路區(qū)域的邊界上的像素點集合中將該像素點刪除。

作為示例，提取邊緣像素點模塊910利用邊緣檢測算法確定出的圖像中的區(qū)域邊界對道路區(qū)域的邊界進行校驗的一個具體的例子為：設(shè)定邊緣檢測子模塊利用邊緣檢測算法對圖像進行處理后，如果一個像素點屬于圖像中的某一個區(qū)域邊界，則該像素點的像素值被邊緣檢測子模塊設(shè)定為1，而如果一個像素點不屬于圖像中的區(qū)域邊界，則該像素點的像素值被邊緣檢測子模塊設(shè)定為0；設(shè)定區(qū)域生長模塊900利用區(qū)域生長算法對圖像進行處理后，如果一個像素點屬于圖像中的道路區(qū)域的邊界，則該像素點的像素值被區(qū)域生長模塊900設(shè)定為1，而如果一個像素點不屬于道路區(qū)域的邊界，則該像素點的像素值被區(qū)域生長模塊900設(shè)定為0；在上述設(shè)定條件下，提取邊緣像素點模塊910(如過濾像素點子模塊)可以將邊緣檢測算法處理后的圖像中的像素點與區(qū)域生長算法處理后的圖像中的像素點進行與運算，從而過濾像素點子模塊將與運算后像素值仍為1的所有像素點作為道路區(qū)域的邊界中的邊緣像素點，即與運算后的所有像素值仍為1的像素點形成道路區(qū)域的邊界。

另外，在上述設(shè)定條件下，為了降低計算量，過濾像素點子模塊可以從區(qū)域生長算法處理后的圖像中確定出包含有道路區(qū)域的邊界的候檢區(qū)域，該候檢區(qū)域的大小可以由道路區(qū)域的一側(cè)邊界中的所有邊緣像素點中最上側(cè)邊緣像素點、最左側(cè)邊緣像素點、最右側(cè)邊緣像素點以及最下側(cè)邊緣像素點決定；如圖7中的左右兩個方框即為道路區(qū)域左側(cè)邊界的候檢區(qū)域和右側(cè)邊界的候檢區(qū)域，從而過濾像素點子模塊在進行與運算時，可以只針對邊緣檢測算法處理后的圖像中的候檢區(qū)域中的像素點與區(qū)域生長算法處理后的圖像中的候檢區(qū)域中的像素點進行與運算。過濾像素點子模塊在進行與運算后，通常會獲得離散分布的邊緣像素點，如圖7中的兩個候檢區(qū)域中的離散分布的白色的邊緣像素點。

作為示例，提取邊緣像素點模塊910(如提取子模塊)可以從過濾像素點子模塊校驗后的道路區(qū)域的邊界上的所有邊緣像素點中提取(如隨機提取)用于確定道路邊緣曲線的邊緣像素點。一個具體的例子，提取子模塊按照預(yù)定次數(shù)(如15次)進行多次隨機選取，從而形成多組邊緣像素點；提取子模塊每次均選取預(yù)定數(shù)量的邊緣像素點，即一組中包含有預(yù)定數(shù)量的邊緣像素點。提取子模塊所使用的預(yù)定數(shù)量可以根據(jù)曲線模型對控制點數(shù)量的需求來設(shè)定。

確定曲線模塊920主要用于將提取的邊緣像素點作為形成曲線的控制點提供給曲線模型，并根據(jù)曲線模型輸出的曲線確定道路邊緣曲線；且在一個實施例中，該確定曲線模塊920可以包括：計算特征值子模塊以及比較子模塊；其中的計算特征值子模塊主要用于將提取出的多組邊緣像素點作為形成曲線的控制點分別提供給曲線模型，并計算所述曲線模型針對每一組邊緣點分別輸出的曲線的特征值；其中的比較子模塊主要用于將曲線特征值最大的曲線作為道路邊緣曲線。

作為示例，確定曲線模塊920所使用的曲線模型可以具體為三次貝塞爾曲線模型。當然，確定曲線模塊920也可以采用其他曲線模型。在確定曲線模塊920采用三次貝塞爾曲線模型的情況下，由于三次貝塞爾曲線模型需要4個控制點，因此，提取邊緣像素點模塊910可以每次選取(如隨機選取)4個邊緣像素點，確定曲線模塊920(如計算特征值子模塊)將取邊緣像素點模塊910每次隨機選取的4個邊緣像素點提供給曲線模型。確定曲線模塊920所使用的三次貝塞爾曲線模型可以表示為上述公式(2)的形式，在此不再重復(fù)說明。

作為示例，確定曲線模塊920針對每一組邊緣像素點均可以利用曲線模型生成一條曲線，確定曲線模塊920應(yīng)從多條曲線中選取一條曲線作為道路邊緣曲線，在從多條曲線中選取一條曲線時，應(yīng)考慮各條曲線的長度以及彎曲度等，如確定曲線模塊920(如計算特征值子模塊)可以利用曲線的長度以及曲線的彎曲度來確定曲線特征值，從而確定曲線模塊920(如比較子模塊)通過比較所有曲線的曲線特征值即可選取出一條最優(yōu)曲線，如比較子模塊將曲線特征值最大的曲線作為道路邊緣曲線。確定曲線模塊920通過基于曲線的長度以及彎曲度來確定道路邊緣曲線，可以從眾多曲線中準確的挑選出更符合道路邊緣曲線特征的曲線，從而可以提高確定曲率模塊930最終確定出的彎道曲率的準確性。

作為示例，確定曲線模塊920從多條曲線中選取一條曲線的一個具體例子為：針對曲線模型輸出的各條曲線，計算特征值子模塊利用上述公式(3)和公式(4)分別計算各條曲線的系數(shù)。針對曲線模型輸出的每一條曲線，計算特征值子模塊分別計算擴展寬度的曲線中的所有像素點的像素值之和。本實施例中的曲線模型所輸出的曲線通常為單像素點寬度的曲線，本實施例中的擴展寬度的曲線是指具有多像素點寬度的曲線。擴展了寬度的曲線中的每一個像素點均具有像素值，且像素點的像素值可以表示出該像素點是否為邊緣像素點，例如，如果一個像素點是邊緣像素點，則其像素值可以被設(shè)置為255，而如果一個像素點不是邊緣像素點，則其像素值可以被設(shè)置為0；再例如，如果一個像素點是邊緣像素點，則其像素值可以設(shè)置為1，而如果一個像素點不是邊緣像素點，則其像素值可以設(shè)置為0。需要特別說明的是，本實施例中的每一個像素點的像素值的具體取值可以是通過確定曲線模塊920所執(zhí)行的與運算確定出的。計算特征值子模塊利用上述公式(5)計算各條曲線的曲線特征值。比較子模塊比較各曲線的曲線特征值，并將曲線特征值最大的曲線確定為道路邊緣曲線。

確定曲率模塊930主要用于確定道路邊緣曲線的彎道曲率。

作為示例，在確定曲線模塊920確定了道路邊緣曲線的情況下，確定曲率模塊930可以采用多種方法來確定該道路邊緣曲線的彎道曲率，如確定曲率模塊930可以計算道路邊緣曲線上的任意一個像素點的曲率，并將該像素點的曲率作為道路邊緣曲線的彎道曲率，再如確定曲率模塊930可以計算道路邊緣曲線上的多個像素點的曲率，并將多個像素點的曲率的平均值作為該道路邊緣曲線的彎道曲率。確定曲率模塊930通過利用多個像素點的曲率的平均值來確定道路邊緣曲線的彎道曲率，有利于提高彎道曲率的準確性。

在道路邊緣曲線是基于取樣寬度為0.01而生成的曲線的情況下，確定曲率模塊930可以通過上述公式(6)計算道路邊緣曲線上的100個像素點的曲率半徑的平均值。確定曲率模塊930在獲得了100個像素點的曲率半徑的平均值的情況下，100個像素點的曲率的平均值即為100個像素點的曲率半徑的平均值的倒數(shù)。

在一個實施例中，本發(fā)明提供一種設(shè)置有用于檢測道路中的彎道曲率的裝置的車輛(如智能車輛)，使用上述用于檢測道路中的彎道曲率的方法檢測結(jié)構(gòu)化道路以及非結(jié)構(gòu)化道路的彎道曲率。

在一個實施例中，本發(fā)明提供一種智能車輛，圖10示出本發(fā)明一個實施例的智能車輛的結(jié)構(gòu)框圖，如圖10所示，該車輛1000包括：中控模塊、儀表盤1010、行車記錄儀1011、HUD(Head Up Display，平視顯示器)抬頭顯示器1012、智能車載信息娛樂系統(tǒng)1013、智能駕駛模塊1013。

儀表盤1010具有12.3寸LCD顯示設(shè)備，該儀表盤可以采用TI的J6CPU；儀表盤的操作系統(tǒng)可以基于QNX嵌入式系統(tǒng)，儀表盤可以用于顯示車輛狀態(tài)、地圖、車輛導(dǎo)航信息、車輛播放音樂等，所述車輛狀態(tài)信息包括：速度、轉(zhuǎn)速、電量、胎壓、車輛駐車、檔位等。HUD抬頭顯示器1012可以顯示GPS導(dǎo)航信息、導(dǎo)航路徑信息、時間信息等。

在一個實施例中，智能駕駛模塊1013可以用于處理與智能駕駛相關(guān)的操作，智能駕駛模塊1013可以包括高級輔助駕駛系統(tǒng)(Advanced Driver Assistance Systems，ADAS)、主動安全系統(tǒng)、注意力輔助系統(tǒng)(Attention Assist System，AAS)、疲勞警告系統(tǒng)(Fatigue Warning System，F(xiàn)WS)、車輛智能聲學(xué)報警系統(tǒng)(Acoustic Vehicle Alerting System，AVAS)等。車輛可以結(jié)合ADAS系統(tǒng)等進行智能駕駛，該智能駕駛可以是完全無人的駕駛，也可以是駕駛員進行駕駛控制的輔助并線、車道偏移等高級輔助駕駛功能。

中控裝置可以由多個模塊組成，主要可以包括：主板1001；SATA(Serial Advanced Technology Attachment，串行高級技術(shù)附件)模塊1002，連接到如SSD1003的存儲設(shè)備，可以用來存儲數(shù)據(jù)信息；AM(Amplitude Modulation，調(diào)幅)/FM(Frequency Modulation，調(diào)頻)模塊1004，為車輛提供收音機的功能；功放模塊1005，用于聲音處理；WIFI(Wireless-Fidelity，無線保真)/Bluetooth模塊1006，為車輛提供WIFI/Bluetooth的服務(wù)；LTE(Long Term Evolution，長期演進)通信模塊1007，為車輛提供與電信運營商的通信功能；電源模塊1008，電源模塊1008為該中控裝置提供電源；Switch轉(zhuǎn)接模塊1009，該Switch轉(zhuǎn)接模塊1009可以作為一種可擴展的接口連接多種傳感器，例如如果需要添加夜視功能傳感器、PM2.5功能傳感器，可以通過該Switch轉(zhuǎn)接模塊1009連接到中控裝置的主板，以便中控裝置的處理器進行數(shù)據(jù)處理，并將數(shù)據(jù)傳輸給中控顯示器。

在一個實施例中，該車輛還包括環(huán)視攝像頭、ADAS攝像頭、夜視攝像頭、毫米波雷達、超聲波雷達、ESR雷達等傳感器。

在此提供的算法以及顯示不與任何特定計算機、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應(yīng)當明白，可以利用各種編程語言實現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未詳細示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。

類似地，應(yīng)當理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如本發(fā)明的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設(shè)備中的模塊進行自適應(yīng)性地改變并且把它們設(shè)置在與該實施例不同的一個或多個設(shè)備中?？梢园褜嵤├械哪K或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在本發(fā)明的權(quán)利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(DSP)來實現(xiàn)根據(jù)本發(fā)明實施例的用于檢測道路中的彎道曲率的方法以及用于檢測道路中的彎道曲率的裝置中的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者系統(tǒng)程序(如計算機程序和計算機程序產(chǎn)品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機可讀介質(zhì)上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)網(wǎng)站上下載得到，也可以在載體信號上提供，或者以任何其他形式提供。

應(yīng)該注意的是，上述實施例是對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計出替換實施例。在權(quán)利要求中，不應(yīng)將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或者步驟等。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干系統(tǒng)的單元權(quán)利要求中，這些系統(tǒng)中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二以及第三等的使用不表示任何順序，可將這些單詞解釋為名稱。