一種車道線自適應(yīng)檢測的方法
【專利摘要】本發(fā)明涉及智能交通領(lǐng)域,尤其涉及一種車道線自適應(yīng)檢測的方法,利用圖像消失點屬性的原理,完成坐標(biāo)轉(zhuǎn)換,確定感興趣區(qū)域;對感興趣區(qū)域進(jìn)行分層分塊,對邊緣圖像進(jìn)行二值化處理;統(tǒng)計線段特征,根據(jù)車道線的寬度特征與亮度特征去干擾處理;建立Hough變換中所需投影直線的表格,結(jié)合左右車道的距離特征和兩條車道線相互平行特征,找出最合適的直線,作為當(dāng)前的車道線。本發(fā)明的有益效果在于:通過對圖像的分層分塊,使算法在局部小區(qū)域里處理,再在邊緣圖上做分割處理,降低光照不均的影響,增強(qiáng)對質(zhì)量較差車道線的檢測效果;有效排除字符、車輛、陰影等干擾,增加檢測的準(zhǔn)確性;將cos(θ)×w和sin(θ)×h以查表的方式實現(xiàn),有效地降低Hough變換的計算量。
【專利說明】一種車道線自適應(yīng)檢測的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能交通領(lǐng)域,尤其涉及一種車道線自適應(yīng)檢測的方法。
【背景技術(shù)】
[0002] 隨著交通事業(yè)的飛速擴(kuò)展和汽車數(shù)量的迅速增加,交通事故也不斷的上升。據(jù)統(tǒng) 計,因駕駛員疲勞或注意力不集中,導(dǎo)致其駕駛的車輛偏離當(dāng)前車道,所造成的事故約占整 個交通事故的1/3。而車道偏離預(yù)警系統(tǒng),就是給那些無意識地將車輛偏離本車道的駕駛 員,提供報警喚醒。然而,車道線檢測的效果直接影響到整個車道偏離預(yù)警系統(tǒng)的性能。
[0003] 目前,車道線檢測方法主要有基于特征的識別方法和基于模型的識別方法。其中, 基于特征識別的方法主要是利用車道線的顏色特征、灰度特征、邊緣特征將車道線識別出 來。其中,顏色特征主要應(yīng)用于非結(jié)構(gòu)化道路,但需要彩色圖像作為數(shù)據(jù)的輸入,影響算法 的執(zhí)行效率;灰度特征,主要是利用車道線的亮度比路面高,但容易受尾燈、積水反光的影 響;基于邊緣特征的方法,其檢測車道線的速度快、實時性好,但容易受陰影等干擾的影響。 基于模型的識別方法,主要是針對車道標(biāo)線相對規(guī)則的結(jié)構(gòu)化道路。該方法雖能適應(yīng)外部 環(huán)境的影響,但是會受路面的文字、標(biāo)記等干擾的影響。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明為克服上述的不足之處,目的在于提供一種車道線自適應(yīng)檢測的方法,該 方法能夠較好的檢測出車道線,且計算時間短,實現(xiàn)車道偏離預(yù)警。
[0005] 本發(fā)明是通過以下技術(shù)方案達(dá)到上述目的:一種車道線自適應(yīng)檢測的方法,包括 以下步驟:
[0006] 1)感興趣區(qū)域劃分:
[0007] 1. 1)讀取圖像巾貞,圖像幀上沿車身平行方向配置標(biāo)志點,根據(jù)配置獲取圖像中的 直線消失點;
[0008] 1. 2)利用消失點屬性的相機(jī)標(biāo)定原理,完成路面坐標(biāo)到圖像坐標(biāo)轉(zhuǎn)換;
[0009] 1.3)計算出相對于相機(jī)中心的寬度范圍為[3. 5m,10m]處以及前方距離 [3.5m,100m]處所對應(yīng)的圖像坐標(biāo),擬合出相應(yīng)的直線,確定出下部分為矩形,上部分為梯 形的感興趣區(qū)域;
[0010] 2)基于分層分塊的圖像分割:
[0011] 將感興趣區(qū)域分成4層,共16塊,每一塊區(qū)域采用高斯濾波算法和Sobel算子處 理;然后統(tǒng)計各塊區(qū)域內(nèi)圖像灰度平均值PixelMean及方差PixelStd,計算出分割閾值;根 據(jù)分割閾值對邊緣圖像進(jìn)行分割;
[0012] 3)車道線特征的提取以及去干擾處理:
[0013] 統(tǒng)計分割圖像中的所有線段,計算每條線段的特征,包括:起點start,終點end, 從起點到終點的實際距離HopWi dth、平均亮度meanp ixe 1,起止點位置之前平均亮度 fmeanpixel,起止點位置之后平均亮度afmeanpixel,利用車道線的寬度特征對線段進(jìn)行一 次去干擾處理,再利用車道線亮度特征進(jìn)行二次去干擾處理;
[0014] 4)車道線確認(rèn):
[0015] 在感興趣區(qū)域內(nèi),以消失點為中心,將消失點左半部分為左車道線的搜索區(qū)域、消 失點右半部分為右車道線的搜索區(qū)域,建立cos( Θ ) XW和Sin( Θ ) Xh的變換表格,根據(jù)變 換表格搜索所有區(qū)域計算得到候選車道線;通過車道寬度特征及車道線相互平行特征篩候 選車道線確定車道線。
[0016] 作為優(yōu)選,所述感興趣區(qū)域的矩形區(qū)域包括第一層和第二層,最下方為第一層,第 一層平分成3塊,第二層平分成4塊;感興趣區(qū)域的梯形區(qū)域包括第三層和第四層,第三層 平分成5塊,第四層平分成6塊。
[0017] 作為優(yōu)選,所述車道線確認(rèn)步驟中,在搜索區(qū)域前,先對Hough變化進(jìn)行初始化, 確定以2度為搜索的步長,分配存儲投影數(shù)目Hough_Matrix( θ,p )內(nèi)存。
[0018] 作為優(yōu)選,所述投影直線P = wXcos( Θ )+hXsin( Θ ),若在相應(yīng)的直線上存在 白點,則在其對應(yīng)的投影數(shù)目Hough_Matrix( θ,p )中加1。
[0019] 本發(fā)明的有益效果在于:通過對圖像的分層分塊,使算法在局部小區(qū)域里處理,再 在邊緣圖上做分割處理,可以有效地降低光照不均的影響,增強(qiáng)對質(zhì)量較差車道線的檢測 效果;利用車道線的寬度、亮度特征、車道的寬度、車道線相互平行等特征,可以有效地排除 字符、車輛、陰影等干擾,增加檢測的準(zhǔn)確性;將cos( Θ ) Xw和sin( Θ ) xh以查表的方式實 現(xiàn),可以有效地降低Hough變換過程中的計算量。
【專利附圖】
【附圖說明】
[0020] 圖1是本發(fā)明的車道線自適應(yīng)檢測方法的流程圖;
[0021] 圖2是本發(fā)明中,圖像感興趣區(qū)域分層分塊的結(jié)果;
[0022] 圖3是本發(fā)明中,在晚上車道線模糊情況下,車道線檢測的過程;其中(a)表示感 興趣區(qū)域,(b)表示分割后的結(jié)果,(c)表示根據(jù)車道線特征去干擾后的結(jié)果,(d)表示車道 線檢測的最終結(jié)果;
[0023] 圖4是本發(fā)明中,在有字符干擾情況下,車道線檢測的過程;其中(a)表示感興趣 區(qū)域,(b)表示分割后的結(jié)果,(c)表示根據(jù)車道線特征去干擾后的結(jié)果,(d)表示車道線檢 測的最終結(jié)果;
[0024] 圖5是本發(fā)明中,在有陰影情況下,車道線檢測的過程;其中(a)表示感興趣區(qū)域, (b)表示分割后的結(jié)果,(c)表示根據(jù)車道線特征去干擾后的結(jié)果,(d)表示車道線檢測的 最終結(jié)果。
【具體實施方式】
[0025] 下面結(jié)合具體實施例對本發(fā)明進(jìn)行進(jìn)一步描述,但本發(fā)明的保護(hù)范圍并不僅限于 此:
[0026] 實施例1 :如圖1所示,一種車道線自適應(yīng)檢測方法,包括以下步驟:
[0027] 步驟1--感興趣區(qū)域的劃分:
[0028] St印01:首先在路面中進(jìn)行標(biāo)志點的配置,沿著與車身平行的方向設(shè)置4個標(biāo)志 點,保證這4個標(biāo)志點的圖像距離在[200, 300]像素之間,并在其中一個方向上,測量一段 實際距離范圍在[2m,6m]之間的線段并給予相應(yīng)的標(biāo)記;
[0029] St印02:完成相應(yīng)的配置后,利用消失點屬性的相機(jī)標(biāo)定原理,實現(xiàn)安裝的相機(jī)相 對于路面的俯仰角fpitch,朝向角fYaw,翻轉(zhuǎn)角fRoll、以及像平面與路面坐標(biāo)兩坐標(biāo)系 的距離fL這幾個外部參數(shù)的標(biāo)定,從而確定了從路面坐標(biāo)到圖像坐標(biāo)的轉(zhuǎn)換公式,如下所 示,其中f為相機(jī)的焦距:
【權(quán)利要求】
1. 一種車道線自適應(yīng)檢測的方法,其特征在于包括以下步驟: 1) 感興趣區(qū)域劃分: 1. 1)讀取圖像幀,圖像幀上沿車身平行方向配置標(biāo)志點,根據(jù)配置獲取圖像中的直線 消失點; 1. 2)利用消失點屬性的相機(jī)標(biāo)定原理,完成路面坐標(biāo)到圖像坐標(biāo)轉(zhuǎn)換; 1. 3)計算出相對于相機(jī)中心的寬度范圍為[3. 5m,10m]處以及前方距離[3. 5m,100m] 處所對應(yīng)的圖像坐標(biāo),擬合出相應(yīng)的直線,確定出下部分為矩形,上部分為梯形的感興趣區(qū) 域; 2) 基于分層分塊的圖像分割: 將感興趣區(qū)域分成4層,共16塊,每一塊區(qū)域采用高斯濾波算法和Sobel算子處理;然 后統(tǒng)計各塊區(qū)域內(nèi)圖像灰度平均值PixelMean及方差PixelStd,計算出分割閾值;根據(jù)分 割閾值對邊緣圖像進(jìn)行分割; 3) 車道線特征的提取以及去干擾處理: 統(tǒng)計分割圖像中的所有線段,計算每條線段的特征,包括:起點start,終點end, 從起點到終點的實際距離HopWi dth、平均亮度meanp ixe 1,起止點位置之前平均亮度 fmeanpixel,起止點位置之后平均亮度afmeanpixel,利用車道線的寬度特征對線段進(jìn)行一 次去干擾處理,再利用車道線亮度特征進(jìn)行二次去干擾處理; 4) 車道線確認(rèn): 在感興趣區(qū)域內(nèi),以消失點為中心,將消失點左半部分為左車道線的搜索區(qū)域、消失點 右半部分為右車道線的搜索區(qū)域,建立cos ( Θ ) XW和sin ( Θ ) Xh的變換表格,根據(jù)變換表 格搜索所有區(qū)域計算得到候選車道線;通過車道寬度特征及車道線相互平行特征篩候選車 道線確定車道線。
2. 根據(jù)權(quán)利要求1所述的一種車道線自適應(yīng)檢測的方法,其特征在于,所述感興趣區(qū) 域的矩形區(qū)域包括第一層和第二層,最下方為第一層,第一層平分成3塊,第二層平分成4 塊;感興趣區(qū)域的梯形區(qū)域包括第三層和第四層,第三層平分成5塊,第四層平分成6塊。
3. 根據(jù)權(quán)利要求1所述的一種車道線自適應(yīng)檢測的方法,其特征在于,所述車道線確 認(rèn)步驟中,在搜索區(qū)域前,先對Hough變化進(jìn)行初始化,確定以2度為搜索的步長,分配存儲 投影數(shù)目Hough_Matrix( θ,p )內(nèi)存。
4. 根據(jù)權(quán)利要求3所述的一種車道線自適應(yīng)檢測的方法,其特征在于,所述投影直 線P = ?父(3〇8(0)+}1\以11(0),若在相應(yīng)的直線上存在白點,則在其對應(yīng)的投影數(shù)目 Hough_Matrix( θ,p )中加 1。
【文檔編號】G06K9/46GK104102905SQ201410338412
【公開日】2014年10月15日 申請日期:2014年7月16日 優(yōu)先權(quán)日:2014年7月16日
【發(fā)明者】陳群, 盧朝洪, 馮忠明, 韓春立, 嚴(yán)江江, 李玲 申請人:中電??导瘓F(tuán)有限公司