一種自適應(yīng)的道路鳥瞰圖變換方法和道路車道檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機(jī)器視覺領(lǐng)域，尤其涉及一種自適應(yīng)的道路鳥瞰圖變換方法和基于該 方法對(duì)道路車道進(jìn)行檢測(cè)的方法。
【背景技術(shù)】
[0002] 智能車輛感知可以拯救人類生命，減少經(jīng)濟(jì)損失，其中道路檢測(cè)是智能車輛感知 不可或缺的一部分。汽車主動(dòng)安全技術(shù)使得汽車能夠積極主動(dòng)地檢測(cè)事故，解決了傳統(tǒng)汽 車安全只能在事發(fā)后被動(dòng)地減輕事故傷害的缺陷。汽車主動(dòng)安全關(guān)鍵技術(shù)之一是環(huán)境感 知，旨在通過分析傳感器采集的數(shù)據(jù)得到周圍的信息。駕駛中最基本的任務(wù)是跟隨道路，因 此道路檢測(cè)在車輛感知中扮演著重要的角色，對(duì)交通安全問題有重大研究意義。絕大多數(shù) 道路都有白色或者黃色的車道線標(biāo)志，與深色的道路有很好的視覺區(qū)分性。通常采用掛載 在車前窗的攝像頭采集道路圖像，從一幅駕駛員視角的道路圖片中定位車道標(biāo)記，從而完 成道路檢測(cè)的任務(wù)。
[0003] 針對(duì)目標(biāo)檢測(cè)問題，通常的實(shí)現(xiàn)方法一般包括自底而上或者自頂向下兩種方法。 其中，自底而上的方法先從圖像中一級(jí)一級(jí)地提取特征，然后用提取出的最高層特征去匹 配對(duì)象模型，這類方法從特征出發(fā)，因此也稱為基于特征的方法。另一種方法與之相反，從 上層模型出發(fā)，用預(yù)定義的模型去匹配圖像特征，因此也叫做基于模型的方法。車道線檢測(cè) 通常也劃分為基于特征的和基于模型的兩類方法。基于模型的方法關(guān)注高層特征，具有較 高的魯棒性，但有限的預(yù)定義模型往往很難準(zhǔn)確匹配多樣的道路模型，如道路模型選用幾 個(gè)離散的曲率值去匹配圖像時(shí)，準(zhǔn)確性受到約束，且不能匹配復(fù)雜的路況如S型的彎道。另 一方面，對(duì)于基于特征的方法，由于圖像特征的多變性，很難找到一種普適性的特征檢測(cè)算 法過濾掉各種可能出現(xiàn)的噪聲。常見的檢測(cè)算法基于顏色、邊緣、亮度等特征。當(dāng)?shù)缆穲D像 被嚴(yán)重的陰影覆蓋時(shí)，陰影圍成的區(qū)域也具備這些特征，僅憑底層特征篩選車道線像素是 十分困難的。
[0004] 具體地，典型的基于特征的方法采用車道標(biāo)記線像素相對(duì)于周邊的路面像素較亮 的特征，由于存在透視效應(yīng)，即各行的車道標(biāo)記線寬度不同，所以通常對(duì)圖像中的各行獨(dú)立 地進(jìn)行處理。在圖像中的每一行用一個(gè)以"暗-亮-暗"漸變的模板去匹配各個(gè)像素點(diǎn)，匹配 度越高就說明該像素點(diǎn)越可能是車道標(biāo)記像素，匹配度反映了該點(diǎn)為車道標(biāo)記的概率。由 于透視圖具有遠(yuǎn)小近大的特征，從近到遠(yuǎn)各行的模板寬度也要進(jìn)行調(diào)整。
[0005] 具體地，典型的基于模型的方法對(duì)道路的高層特征建模，將道路車道標(biāo)記線抽象 為在鳥瞰圖中相互平行的直線，利用該高層模型匹配底層特征，以獲得更高的魯棒性。上述 基于模型的方法（即基于鳥瞰圖的方法)往往需要預(yù)先獲知變換矩陣的各個(gè)系數(shù)值，因此需 要先對(duì)攝像頭進(jìn)行標(biāo)定。在使用前先通過標(biāo)定實(shí)驗(yàn)計(jì)算出變換矩陣，不僅使設(shè)備安裝工作 變得繁瑣，還有潛在的問題:一方面，如果攝像頭發(fā)生晃動(dòng)或者位置移動(dòng)，原有的變換矩陣 就無法奏效，造成檢測(cè)結(jié)果偏差甚至出錯(cuò);另一方面，即使攝像頭固定，車輛上下坡以及和 道路不平行時(shí)都會(huì)造成變換的不準(zhǔn)問題，上下坡時(shí)變換圖中的路面區(qū)域變成了梯形，而車 輛與道路不平行時(shí)，路面區(qū)域就變形成了平行四邊形。文獻(xiàn)(Zhang D,Fang B,Yang W，et al.Robust inverse perspective mapping based on vanishing point[C]//Security, Pattern Analysis,and Cybernetics(SPAC),2014International Conference on. IEEE, 2014:458-463.)記載了傳統(tǒng)的基于一次標(biāo)定的鳥瞰圖變換方法存在的問題，如圖1所示，鳥 瞰圖變換IPM(Inverse Perspective Mapping，反透視變換)為消除透視效應(yīng)的變換，即將 攝像機(jī)從沿著道路方向看到的景象轉(zhuǎn)換為俯視圖；其中，a)表示攝像頭標(biāo)定時(shí)，得到的鳥瞰 圖是正常的情況;b)表示水平路遇到上坡，得到的鳥瞰圖變形成為了梯形的情況;c)表示下 坡路遇到水平路而造成失真的情況;d)表示水平路遇到下坡的梯形失真情況;e)表示車不 是正對(duì)著道路行駛，有右偏或者攝像頭相對(duì)于車輛右偏的情形，而造成路面區(qū)域變形為平 行四邊形的情況。f)表示車相對(duì)路面左偏或者攝像頭相對(duì)于車輛左偏的情形下的失真。圖1 中的T代表偏離的夾角。因此，現(xiàn)有基于模型的方法存在的問題，主要分為兩方面，一是需 要提前標(biāo)定，二是有潛在問題:一方面攝像頭移動(dòng)后需要重新標(biāo)定，另一方面即便攝像頭保 持固定也會(huì)產(chǎn)生失真。

【發(fā)明內(nèi)容】

[0006] 為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種自適應(yīng)的道路圖像鳥瞰圖變換方 法和基于該方法對(duì)道路車道進(jìn)行檢測(cè)的方法，
[0007] 本發(fā)明提供的技術(shù)方案是：
[0008] -種自適應(yīng)的道路鳥瞰圖變換方法，包括道路邊界建模過程和鳥瞰圖變換過程， 包括如下步驟：
[0009] 1)道路邊界特征提取:根據(jù)道路場(chǎng)景圖像，通過對(duì)圖像進(jìn)行灰度化處理抽取道路 邊界特征，得到一個(gè)表征道路邊界概率的道路圖像灰度圖；
[0010] 2)道路邊界分割提取:提取道路邊界區(qū)域，得到二值圖；根據(jù)二值圖得到所述道路 場(chǎng)景圖像中的各個(gè)像素是否是道路邊界；
[0011] 3)道路邊界點(diǎn)提取，獲得分隔路面和道路邊界的點(diǎn)；
[0012] 4)道路邊界模型建模和匹配:對(duì)道路邊界進(jìn)行建模，通過步驟4)所提取得到的邊 界點(diǎn)擬合得到兩條曲線，用于表征道路的邊界；
[0013] 5)通過自適應(yīng)鳥瞰圖變換得到鳥瞰圖變換矩陣，通過所述鳥瞰圖變換矩陣將步驟 1)所述道路圖像灰度圖映射為鳥瞰圖，由此得到變換后的道路鳥瞰圖。
[0014] 針對(duì)上述自適應(yīng)的道路鳥瞰圖變換方法，進(jìn)一步地，在步驟1)所述道路場(chǎng)景圖像 為以駕駛員視角采集的道路圖像，包括行程記錄儀拍攝的RGB格式圖像;在對(duì)圖像進(jìn)行灰度 化處理之前先對(duì)采集到的道路圖像進(jìn)行裁剪;所述圖像灰度化處理，具體采用算術(shù)平均值 或加權(quán)平均值將RGB三個(gè)通道合成一個(gè)灰度通道，采用S '特征減弱陰影對(duì)道路邊界提取的 干擾;S'特征的定義如下：
[0015]
[0016]其中，R，G，B分別是所述RGB格式圖像中像素點(diǎn)的紅、綠、藍(lán)三種顏色分量值，是計(jì) 算得到的特征值。
[0017]針對(duì)上述自適應(yīng)的道路鳥瞰圖變換方法，進(jìn)一步地，步驟2)通過圖像閾值分割方 法提取道路邊界區(qū)域，得到一張前景為道路邊界的二值圖；所述圖像閾值分割方法為大津 算法或最大類間方差法。
[0018] 針對(duì)上述自適應(yīng)的道路鳥瞰圖變換方法，進(jìn)一步地，步驟3)通過二次掃描法提取 道路邊界點(diǎn)，具體包括：
[0019] 先自下而上按列掃描，標(biāo)記第一次遇到前景點(diǎn)的作為候選道路邊界特征點(diǎn)；再自 中間向左右兩側(cè)按行掃描;標(biāo)記左側(cè)第一次遇到的候選特征點(diǎn)作為左邊界特征點(diǎn)，右側(cè)第 一次遇到的候選特征點(diǎn)作為右邊界特征點(diǎn)。
[0020] 針對(duì)上述自適應(yīng)的道路鳥瞰圖變換方法，進(jìn)一步地，步驟4)對(duì)提取的道路邊界點(diǎn) 進(jìn)行建模擬合，道路邊界模型采用雙直線模型；對(duì)提取的道路邊界點(diǎn)進(jìn)行擬合，采用Hough 變換分別對(duì)道路左右邊界擬合直線，將擬合成的兩條直線的交點(diǎn)定義為消失點(diǎn)，兩條直線 和圖像最后一行構(gòu)成兩個(gè)交點(diǎn)，這兩個(gè)交點(diǎn)和一個(gè)消失點(diǎn)(共三個(gè)點(diǎn)）構(gòu)成一個(gè)表征路面區(qū) 域的三角形。
[0021] 針對(duì)上述自適應(yīng)的道路鳥瞰圖變換方法，進(jìn)一步地，步驟5)所述自適應(yīng)鳥瞰圖變 換具體通過步驟3)所述提取得到的道路邊界信息選取一個(gè)梯形區(qū)域表征近視野的路面，將 所述梯形區(qū)域通過透視變換映射為一個(gè)矩形區(qū)域，由此得到鳥瞰圖變換矩陣。
[0022] 本發(fā)明還提供一種道路車道檢測(cè)方法，針對(duì)道路場(chǎng)景圖像，先通過自適應(yīng)的道路 鳥瞰圖變換方法得到變換后的道路鳥瞰圖，然后進(jìn)行車道標(biāo)記過濾和特征提取和車道標(biāo)記 位置估計(jì)，再通過所述車道標(biāo)記位置，在所述道路場(chǎng)景圖像中提取得到車道標(biāo)記的位置;在 上述通過自適應(yīng)的道路鳥瞰圖變換方法得到變換后的道路鳥瞰圖的基礎(chǔ)上，還包括如下步 驟：
[0023] 6)