本發(fā)明屬于車輛智能交通領域,特別是一種城郊區(qū)車道線檢測方法。
背景技術:
隨著人們生活水平的不斷提高,人們對于車輛智能化的要求也越來越高,車道線的準確快速識別是提高自動駕駛技術和高級輔助駕駛系統(tǒng)(adas)智能化程度的重要基礎和前提。
車道線檢測是指通過一種可靠地算法,從車載攝像頭采集的車道圖片中準確可靠地找出車道線的位置。車輛在行駛的過程中,由于駕駛員操作不當或者車輛出現(xiàn)未知的突發(fā)故障造成的損失是巨大的,自動駕駛技術和安全輔助駕駛系統(tǒng)不僅能夠減輕駕駛員的壓力,而且還可以在事故發(fā)生前發(fā)出預警并給出相應的解決措施,從而大大減少人員和財產(chǎn)的損失。車道線的準確快速檢測是自動駕駛技術和高級輔助駕駛系統(tǒng)至關重要的環(huán)節(jié)。在實際中,現(xiàn)有的車道線檢測算法存在許多問題,并不能很好地滿足車道線檢測實時性與可靠性的要求?;谧畲箝L度的車道線檢測方法,首先用canny算子檢測圖像邊緣,再取邊緣點作hough變換檢測直線,最后選取特定區(qū)域的最長直線作為車道線,當攝像頭視野內(nèi)沒有干擾車輛的時候有較好的效果,但是當存在干擾車輛時可能會把前方車輛的邊框線錯誤的當做車道,這使得檢測到的車道線不準確?;谙c的車道線檢測方法采用區(qū)域分割、直線檢測、消失點計算、消失線計算、反向求解車道線的流程進行,在只有實車道線的情況下效果較好,但是當存在虛車道線時會使得檢測結果非常不穩(wěn)定。因此,需要設計一種具有準確性和穩(wěn)定性的車道線檢測方法。
技術實現(xiàn)要素:
為解決上述現(xiàn)有技術存在的問題,本發(fā)明要設計一種具有準確性和穩(wěn)定性的車道線檢測方法。
為了實現(xiàn)上述目的,本發(fā)明的技術方案如下:一種基于k-means聚類算法的車道線檢測方法,包括以下步驟:
a、對原始圖像進行處理并進行hough直線檢測
a1、去除原始圖像的高度方向上側1/4和長度方向左右兩側各1/8,取剩下的圖像作為感興趣區(qū)域圖像;
a2、對感興趣區(qū)域圖像進行二值化處理,轉(zhuǎn)換為灰度圖并對灰度圖進行中值濾波,用canny算子進行物體輪廓提??;
a3、對canny邊緣檢測處理后的圖像進行hough直線檢測,檢測到的直線存放到集合x中,其中第i條直線由集合x里面的元素(xi1,yi1)和元素(xi2,yi2)確定,其中(xi1,yi1)、(xi2,yi2)分別表示第i條直線的起點坐標和終點坐標;
b、進行坐標系的轉(zhuǎn)化
把hough直線檢測得到的直線從x-y坐標系轉(zhuǎn)換到k-b坐標系,轉(zhuǎn)換過程如下:
其中,xi1和yi1分別表示第i條直線起點的橫坐標和縱坐標;xi2和yi2分別表示第i條直線終點的橫坐標和縱坐標;ki和bi分別表示第i條直線的斜率和截距,n為hough直線檢測得到的直線條數(shù);
通過上述公式把hough直線變換檢測到的任一直線用元素(ki,bi)來表示,hough直線檢測得到的所有直線用集合x′示。
c、對集合x′進行k-means聚類
在k-b坐標系下,左右兩側車道線之間有較大的差異性,而同一側車道線內(nèi)部有較大的相似性;用聚類的方法把hough直線檢測得到的直線分為兩類{c1,c2};具體的步驟如下:
c1、對元素(ki,bi)進行0-1規(guī)格化處理
為防止量綱對聚類結果的影響,將元素(ki,bi)統(tǒng)一轉(zhuǎn)換為0~1范圍內(nèi),具體的步驟如下:
其中,ki,bi分別表示第i條直線的斜率和截距;kmax和kmin別表示集合x′中所有直線的最大和最小斜率;bmax和bmin分別表示集合x′中所有直線的最大和最小截距;n為hough直線檢測得到的直線條數(shù);
c2、選取初始聚類中心
隨機選取集合
c3、根據(jù)聚類中心對集合
將元素
其中,
當
c4、計算誤差平方和準則函數(shù)e
其中,
c5、更新聚類中心
把當前類里面元素的平均值作為新的聚類中心;新的聚類中心通過下式計算:
其中,
c6、重復步驟c3-c5直到滿足終止條件為止;每一次迭代都是朝著e下降的方向進行,當滿足終止條件時算法終止;終止條件如下:
|eold-enew|≤eval
其中,enew為當前準則函數(shù)值;eold為上一次迭代的準則函數(shù)值;eval為預先設定的準則函數(shù)閾值;
c7、輸出聚類結果;滿足終止條件后,就把集合
d、計算車道線參數(shù)
計算左右兩側車道線的斜率k和截距b,具體方法如下:
其中,
車載相機采集的左側車道線的斜率為正值,右側車道線的斜率為負值;根據(jù)這一規(guī)律,當k1≥0時,把k1和b1作為左側車道線的斜率和截距,k2和b2作為右側車道線的斜率和截距;反之,把k1和b1作為右側車道線的斜率和截距,k2和b2作為左側車道線的斜率和截距。
進一步地,步驟c7中所述的準則函數(shù)閾值eval取10-4~10-3。
與現(xiàn)有技術相比,本發(fā)明具有以下有益效果:
1、本發(fā)明在車道線識別的過程中,首先對原始圖像進行hough直線檢測,之后對數(shù)據(jù)進行0-1規(guī)格化處理,最后用k-means聚類算法對車道線進行提取,能夠在純實車道線、純虛車道線以及虛實混合車道線等多種情況下對車道線進行準確的提取。
2、本發(fā)明采用k-means聚類算法對車道線進行提取,可以很好地去除車道線寬度對檢測結果的影響,使檢測的結果更加穩(wěn)定。
附圖說明
本發(fā)明共有附圖5張,其中:
圖1是基于k-means聚類算法的車道線檢測方法流程圖。
圖2是車載相機采集的原始圖像。
圖3是感興趣域圖像。
圖4是為hough直線檢測圖。
圖5是最終的檢測結果圖。
具體實施方式
以下結合技術方案和附圖詳細敘述本發(fā)明的具體實施方式。
本發(fā)明的流程圖如圖1所示;步驟a1中的原始圖像由車載相機采集,如圖2所示,圖3是步驟a1中的感興趣區(qū)域圖像,圖4是步驟a3中的hough直線檢測圖,圖5是最終的檢測結果圖。
本發(fā)明不局限于本實施例,任何在本發(fā)明披露的技術范圍內(nèi)的等同構思或者改變,均列為本發(fā)明的保護范圍。