一種基于光流點軌跡統(tǒng)計的車道線實線的檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能交通監(jiān)控技術(shù)領(lǐng)域，涉及一種基于光流點軌跡統(tǒng)計的車道線實線 的檢測方法。
【背景技術(shù)】
[0002] 城市交通道路的交通堵塞和交通事故頻發(fā)已經(jīng)嚴(yán)重地影響著經(jīng)濟的快速健康發(fā) 展和人民的生命安全，導(dǎo)致事故發(fā)生的原因中就包括壓實線及壓實線變道行駛的問題，而 基于計算機視覺的行駛車輛壓實線及壓實線變道行駛的交通違規(guī)行為的檢測，必須首先檢 測出車道線實線。
[0003] 常用的基于計算機視覺的車道線檢測方法可分為兩類，即基于特征的方法和基于 模板的方法。前者主要是提取圖像中道路的特征，利用圖像中道路的邊緣信息來檢測車道 線，這種方法要求車道上沒有車輛且車道線清晰，因此易受到光照、天氣、車輛和路面情況 的影響，而且在夜間不能進行檢測；而后者是對車道進行模型匹配，該方法對規(guī)則車道的車 道線檢測效果良好，但是對于非規(guī)則車道的車道線不能進行有效的檢測。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種基于光流點軌跡統(tǒng)計的車道線實線的檢測方法，解決了 現(xiàn)有基于計算機視覺的車道線檢測方法易受路面、天氣和光照的影響，因而車道線檢測精 度不高以及魯棒性不強的問題。
[0005] 本發(fā)明的技術(shù)方案是，一種基于光流點軌跡統(tǒng)計的車道線實線的檢測方法，步驟 包括：
[0006] 步驟1 :在單向道路中間上方安裝攝像頭；
[0007] 步驟2 :對視頻幀圖像預(yù)處理；
[0008] 步驟3 :獲取運動車輛的光流點集合；
[0009] 步驟4 :利用DBSCAN聚類算法分割每輛運動車輛的光流點集合，并對分割出的光 流點集合用固定大小的矩形區(qū)域表示；
[0010] 步驟5 :對每輛運動車輛的分割區(qū)域進行統(tǒng)計疊加，并對結(jié)果進行二值化處理；
[0011] 步驟6:對二值圖像中符合條件的白色像素區(qū)域的輪廓點的中點集合進行直線擬 合；
[0012] 步驟7 :由中點集合擬合的直線確定出車道線實線。
[0013] 本發(fā)明的有益效果是，從所拍攝的單向道路的視頻幀圖像的光流矢量中，提取運 動車輛的光流點集合，分割出每輛運動車輛的光流點集合并以固定大小的矩形區(qū)域表示， 對每輛運動車輛的矩形區(qū)域進行統(tǒng)計疊加，確定出車道內(nèi)運動車輛的行駛軌跡區(qū)域，利用 最小二乘法對行駛軌跡區(qū)域輪廓的中點集合進行直線擬合，根據(jù)中點集合所擬合的直線確 定相鄰車道間的車道線以及道路邊緣的車道線，該方法不受光照、天氣、車輛和路面情況的 影響，車道線實線的檢測精度高，魯棒性強。
【附圖說明】
[0014] 圖1是本發(fā)明方法的運動車輛光流矢量的角度范圍以及駛離攝像頭車輛的光流 矢量集合檢測示意圖；
[0015] 圖2是本發(fā)明方法統(tǒng)計疊加后的運動車輛的行駛軌跡區(qū)域及其輪廓中點集合的 擬合直線示意圖；
[0016] 圖3是本發(fā)明方法根據(jù)中點集合所擬合的直線確定相鄰車道間車道線以及道路 邊緣車道線示意圖。
【具體實施方式】
[0017] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明進行詳細說明。
[0018] 本發(fā)明基于光流點軌跡統(tǒng)計的車道線實線的檢測方法，步驟主要包括：
[0019] 步驟1 :在單向道路中間上方安裝攝像頭；
[0020] 步驟2 :對視頻幀圖像預(yù)處理；
[0021] 步驟3 :獲取運動車輛的光流點集合；
[0022] 步驟4 :利用DBSCAN聚類算法分割每輛運動車輛的光流點集合，并對分割出的光 流點集合用固定大小的矩形區(qū)域表示；
[0023] 步驟5 :對每輛運動車輛的分割區(qū)域進行統(tǒng)計疊加，并對結(jié)果進行二值化處理；
[0024] 步驟6 :對二值圖像中符合條件的白色像素區(qū)域的輪廓點的中點集合進行直線擬 合；
[0025] 步驟7 :由中點集合擬合的直線確定出車道線實線。
[0026] 本發(fā)明基于光流點軌跡統(tǒng)計的車道線實線的檢測方法，按照以下步驟具體實施：
[0027] 步驟1 :在單向道路中間上方安裝攝像頭
[0028] 在交通道路中的實線道路區(qū)域，即需要檢測車輛是否違規(guī)行駛的路段，如高架橋、 交通路口以及隧道等路段，在單向道路中間上方安裝高清攝像頭（因為步驟3. 2)中的光流 矢量角度范圍是根據(jù)攝像頭安裝在中間上方所確定出來的），單個攝像頭對應(yīng)單向道路，攝 像頭所拍攝的視頻幀圖像在橫向?qū)挾壬习摲较蛏纤械能嚨?，在縱向長度上所拍攝的 最遠端到攝像頭的距離不大于100米，最近端到攝像頭的距離不小于5米，且最遠端與最近 端間的間隔不小于70米；
[0029] 步驟2 :對視頻幀圖像預(yù)處理
[0030] 將攝像頭拍攝的視頻幀圖像轉(zhuǎn)換為灰度圖并進行中值濾波，對濾波后的圖像進行 直方圖均衡化，得到視頻幀圖像Ι η，η = 1，2, ...，N，N為視頻幀圖像幀數(shù)，N > 18000,視頻 幀圖像In的寬度為W、高度為H ;
[0031] 步驟3 :獲取運動車輛的光流點集合
[0032] 3. 1)獲取視頻幀圖像的光流矢量集合
[0033] 利用金字塔迭代Lucas-Kanade光流算法檢測步驟2中的視頻幀圖像1"和I n+1間 的光流矢量集合Fm, m = 1，2, ...，N-I，金字塔迭代Lucas-Kanade光流算法中的強角點個數(shù) 設(shè)置為1000個，可接受角點的最小質(zhì)量因子設(shè)置為〇. 〇〇1，得到的角點最小距離設(shè)置為5， 單位為像素，每個金字塔層的搜索窗口尺寸為10 X 10,單位為像素，最大金字塔層數(shù)設(shè)置為 4,最大迭代次數(shù)設(shè)置為64,迭代精度設(shè)為0.0 l ;
[0034] 3. 2)提取運動車輛的光流矢量集合
[0035] 設(shè)運動車輛駛離攝像頭時的光流矢量方向的角度范圍為，車輛駛近 4 4 攝像頭時的光流矢量方向的角度范圍為視頻幀圖像的橫軸X所指方向角度為零 4 4 度，并設(shè)光流矢量的長度范圍為[2, 35]，單位為像素，
[0036] 判斷步驟3.1)中的矢量集合Fni中的光流矢量的角度是否在區(qū)間 或范圍內(nèi)，并且長度是否在區(qū)間[2, 35]范圍內(nèi)，所有同時滿足角度在區(qū)間 4 4
范圍內(nèi)，并且長度在區(qū)間[2, 35]范圍內(nèi)的光流矢量即為運動車輛 的光流矢量，記為運動車輛的光流矢量集合FVm，如圖1所示；
[0037] 3. 3)獲取運動車輛的光流點集合
[0038] 對步驟3. 2)中提取的運動車輛的光流矢量集合FVni，記集合中光流矢量的起點 坐標(biāo)為（.<,<)，終點坐標(biāo)為（<，<)，則光流矢量的中點坐標(biāo)（ <,< )的計算見公式 (1)：
[0039]
[0040] 其中 is = 1，2, · · ·，NVni, ie = 1，2, · · ·，NVni, im = 1，2, · · ·，NVni, NVniS 1000， 0<< <灰，0《<: <灰，0<< ，（)<<<//，0<< <//J 合即為運動車輛的光流點集合FVPni;
[0041] 步驟4 :利用DBSCAN聚類算法分割每輛運動車輛的光流點集合，并對分割出的光 流點集合采用固定大小的矩形區(qū)域進行表示
[0042] 利用DBSCAN聚類算法對步驟3. 3)中獲取的運動車輛的光流點集合FVPni進行聚 類，分割出每輛運動車輛的光流點集合，設(shè)DBSCAN聚類空間中簇的半徑為22個像素，簇中 所包含光流點的數(shù)目不小于25個，記每輛運動車輛光流點集合的外接矩形的左上角坐標(biāo) 為（々，W )，右下角的坐標(biāo)為（X;巧），外接矩形的幾何中心點坐標(biāo)（）的計算見 公式⑵：
[0043]
[0044] 根據(jù)外接矩形的幾何中心點坐標(biāo)，構(gòu)建尺寸為10像素 XlO像素的 矩形區(qū)域校，矩形區(qū)域％左上角的坐標(biāo)為（.C,-5, ι?-5 λ矩形區(qū)域$右下角的坐標(biāo)為 "；+5，j;+5)，
[0045] 其中 jL = 1，2, · · ·，CVni, jR = 1，2, · · ·，CVni, jm = 1，2, · · ·，CVni, jv = 1，2,. . .，CVn，CVn為分割出的運動車輛的個數(shù)，矩形區(qū)域$的中點的橫縱坐標(biāo)范圍為 0 <《< C <漢，矩形區(qū)域％表示分割出的每輛運動車輛的分割區(qū)域；
[0046] 步驟5 :對每輛運動車輛的分割區(qū)域進行統(tǒng)計疊加，并對結(jié)果進行二值化處理
[0047] 創(chuàng)建二維數(shù)組S，S的列數(shù)為W，行數(shù)為H(步驟2中已經(jīng)設(shè)置視頻幀圖像In的寬度 為W、高度為H，此處S的列數(shù)即為步驟2中視頻幀圖像的寬度W，S的行數(shù)即為步驟2中視 頻幀圖像的高度H)，置二維數(shù)組S中所有元素的初值為0,在二維數(shù)組S中找到步驟4中獲 取的矩形區(qū)域^的左上角坐標(biāo)（4 -1戒?。┖陀蚁陆亲鴺?biāo)（4 +瓦蟓+5 )，把左上角 坐標(biāo)（-5, -5 )和右下角坐標(biāo)（、《+5,>? +5 )在二維數(shù)組S中構(gòu)成的矩形區(qū)域內(nèi) 所包含的所有元素的值加1，
[0048] 構(gòu)建二維圖像數(shù)組SImg，高度為Η，寬度為W (同樣，即SImg的高度為步驟2中視 頻幀圖像的高度H，SImg的寬度為步驟2中視頻幀圖像的寬度W，），在統(tǒng)計疊加完成后的二 維數(shù)組S中尋找所有元素 S(i，