右邊界點(diǎn)E和F的位置已知，用觀(guān)和奸 表示，該行車(chē)道標(biāo)記線(xiàn)的位置xr可以根據(jù)r通過(guò)式4計(jì)算得到。每一行車(chē)道標(biāo)記線(xiàn)的位置得 出之后，對(duì)這些點(diǎn)擬合成一條曲線(xiàn)即可完成對(duì)車(chē)道標(biāo)記線(xiàn)的定位。對(duì)于道路邊界采用雙直 線(xiàn)模型的情形，車(chē)道標(biāo)記線(xiàn)也采用直線(xiàn)模型，車(chē)道線(xiàn)的定位可簡(jiǎn)化為求出最后一行的車(chē)道 線(xiàn)位置Q，再求過(guò)消失點(diǎn)0和Q的直線(xiàn)(如圖4)即為車(chē)道標(biāo)記線(xiàn)位置。
[0096]
[0097]
[0098] (式 4)
[0099]
[0100] 對(duì)于道路邊界采用彎道模型的情形，本方法同樣適用。如圖13所示，在曲線(xiàn)路面上 仍然取一個(gè)梯形區(qū)域做所述的自適應(yīng)鳥(niǎo)瞰圖變換，在變換圖中計(jì)算得到r后，再利用式4計(jì) 算原始圖像每一行車(chē)道標(biāo)記的位置。
[0101] 圖12是采用本發(fā)明方法對(duì)多種道路情形的道路車(chē)道進(jìn)行檢測(cè)得到的檢測(cè)結(jié)果圖； 其中，
[0102] (a)為路面存在大量弱陰影干擾的情形；（b)為路面存在大片強(qiáng)陰影干擾的情形 (c)為為路面存在高亮的反光的情形；（d)為路面存在車(chē)輛干擾的情形；（e)為路面存在積水 的情形；（f)為路邊鋪有水泥的情形；（g)(h)(i)(j)為多車(chē)道的情形；（i)(j)(k)為存在路面 標(biāo)記的情形；（1)為橋面；（m) (η)為彎道。可以看出，相比現(xiàn)有的基于特征的方法，本發(fā)明方 法具備更好的健壯性，能夠處理含有大量陰影干擾的路面;相比現(xiàn)有的基于模型的方法，本 發(fā)明方法避免了固定變換參數(shù)存在的問(wèn)題，能夠自動(dòng)地調(diào)節(jié)系統(tǒng)參數(shù)，從而更加準(zhǔn)確地提 取車(chē)道標(biāo)記線(xiàn)的位置。
[0103]需要注意的是，公布實(shí)施例的目的在于幫助進(jìn)一步理解本發(fā)明，但是本領(lǐng)域的技 術(shù)人員可以理解:在不脫離本發(fā)明及所附權(quán)利要求的精神和范圍內(nèi)，各種替換和修改都是 可能的。因此，本發(fā)明不應(yīng)局限于實(shí)施例所公開(kāi)的內(nèi)容，本發(fā)明要求保護(hù)的范圍以權(quán)利要求 書(shū)界定的范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種自適應(yīng)的道路鳥(niǎo)瞰圖變換方法，包括道路邊界建模過(guò)程和鳥(niǎo)瞰圖變換過(guò)程，執(zhí) 行步驟如下： 1) 道路邊界特征提取:根據(jù)道路場(chǎng)景圖像，通過(guò)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； 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； 3) 道路邊界點(diǎn)提取，獲得分隔路面和道路邊界的點(diǎn)； 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(guò)步驟3)所提取得到的邊界點(diǎn) 擬合得到兩條曲線(xiàn)，用于表征道路的邊界； 5) 通過(guò)步驟4)所得到的邊界道路模型得到鳥(niǎo)瞰圖變換矩陣，通過(guò)所述鳥(niǎo)瞰圖變換矩陣 將步驟1)所述道路圖像灰度圖映射為鳥(niǎo)瞰圖，由此得到變換后的道路鳥(niǎo)瞰圖。2. 如權(quán)利要求1所述自適應(yīng)的道路鳥(niǎo)瞰圖變換方法，其特征是，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：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，S'是計(jì)算 得到的特征值。3. 如權(quán)利要求1所述自適應(yīng)的道路鳥(niǎo)瞰圖變換方法，其特征是，步驟2)通過(guò)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(lèi)間方差法。4. 如權(quán)利要求1所述自適應(yīng)的道路鳥(niǎo)瞰圖變換方法，其特征是，步驟3)通過(guò)二次掃描法 提取道路邊界點(diǎn)，具體包括： 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)。5. 如權(quán)利要求1所述自適應(yīng)的道路鳥(niǎo)瞰圖變換方法，其特征是，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(xiàn)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(xiàn)，將擬合成的兩條直線(xiàn)的交點(diǎn)定義為消失點(diǎn)，兩條 直線(xiàn)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)構(gòu)成一個(gè)表征路面區(qū)域的三 角形。6. 如權(quán)利要求1所述自適應(yīng)的道路鳥(niǎo)瞰圖變換方法，其特征是，步驟5)所述通過(guò)邊界道 路模型得到鳥(niǎo)瞰圖變換矩陣，具體是通過(guò)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(guò)透視變換映射為一個(gè)矩形區(qū)域，由此得到 鳥(niǎo)瞰圖變換矩陣。7. -種道路車(chē)道檢測(cè)方法，針對(duì)道路場(chǎng)景圖像，先通過(guò)自適應(yīng)的道路鳥(niǎo)瞰圖變換方法 得到變換后的道路鳥(niǎo)瞰圖，然后進(jìn)行車(chē)道標(biāo)記過(guò)濾和特征提取和車(chē)道標(biāo)記位置估計(jì)，再通 過(guò)所述車(chē)道標(biāo)記位置，在所述道路場(chǎng)景圖像中提取得到車(chē)道標(biāo)記的位置;包括如下步驟： 1) 道路邊界特征提取:根據(jù)道路場(chǎng)景圖像，通過(guò)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； 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； 3) 道路邊界點(diǎn)提取，獲得分隔路面和道路邊界的點(diǎn)； 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(guò)步驟4)所提取得到的邊界點(diǎn) 擬合得到兩條曲線(xiàn)，用于表征道路的邊界； 5) 通過(guò)自適應(yīng)鳥(niǎo)瞰圖變換得到鳥(niǎo)瞰圖變換矩陣，通過(guò)所述鳥(niǎo)瞰圖變換矩陣將步驟1)所 述道路圖像灰度圖映射為鳥(niǎo)瞰圖，由此得到變換后的道路鳥(niǎo)瞰圖； 6) 車(chē)道標(biāo)記特征提取:在步驟5)所述變換后的道路鳥(niǎo)瞰圖中提取車(chē)道標(biāo)記特征，得到 一個(gè)表征車(chē)道標(biāo)記特征的平面灰度圖； 7) 車(chē)道標(biāo)記位置估計(jì):首先針對(duì)步驟6)得到的平面灰度圖進(jìn)行二值化和去噪，再對(duì)步 驟5)所述變換后的道路鳥(niǎo)瞰圖中的車(chē)道標(biāo)記進(jìn)行定位，在平面灰度圖中估計(jì)車(chē)道標(biāo)記的位 置； 8) 車(chē)道標(biāo)記定位:根據(jù)步驟7)得到的位置信息，在所述原始道路場(chǎng)景圖像中提取得到 車(chē)道標(biāo)記的位置。8. 如權(quán)利要求7所述一種道路車(chē)道檢測(cè)方法，其特征是，步驟6)將得到的鳥(niǎo)瞰圖中的車(chē) 道標(biāo)記線(xiàn)按列分布，所述對(duì)圖像進(jìn)行車(chē)道標(biāo)記特征提取，具體采用車(chē)道標(biāo)記具有的車(chē)道標(biāo) 記區(qū)域的灰度值比兩側(cè)的路面高的DLD特征，采用濾波模板對(duì)圖像進(jìn)行濾波。9. 如權(quán)利要求7所述一種道路車(chē)道檢測(cè)方法，其特征是，步驟7)還對(duì)濾波得到的特征圖 進(jìn)行歸一化，將圖像像素的灰度值調(diào)整到0-1之間;對(duì)濾波后得到的圖像進(jìn)行固定閾值的二 值化;再對(duì)二值化后的圖像進(jìn)行連通分量分析方法去噪；統(tǒng)計(jì)所述二值圖中各列的車(chē)道標(biāo) 記像素個(gè)數(shù)，將個(gè)數(shù)最多的一列作為車(chē)道標(biāo)記的位置，由此對(duì)鳥(niǎo)瞰圖中的車(chē)道標(biāo)記定位而 得到車(chē)道標(biāo)記位置。10. 如權(quán)利要求7所述一種道路車(chē)道檢測(cè)方法，其特征是，步驟8)所述原始圖像車(chē)道標(biāo) 記定位，具體是:根據(jù)步驟7)得到的鳥(niǎo)瞰圖中車(chē)道標(biāo)記的位置，通過(guò)式4計(jì)算得到路面分割 比r;再由路面分割比Η十算得到車(chē)道標(biāo)記的位置：式4中，EF為原始圖像中的任意一行；EF的左右邊界點(diǎn)Ε和F的位置為已知，用ΧΕ和XF表 示;xr為行車(chē)道標(biāo)記線(xiàn)的位置。
【專(zhuān)利摘要】本發(fā)明公布了一種自適應(yīng)的道路鳥(niǎo)瞰圖變換方法和道路車(chē)道檢測(cè)方法，包括道路邊界特征提取、道路邊界分割提取、道路邊界點(diǎn)提取、道路邊界模型建模和匹配、通過(guò)自適應(yīng)鳥(niǎo)瞰圖變換得到鳥(niǎo)瞰圖變換矩陣，將道路圖像灰度圖映射為鳥(niǎo)瞰圖。道路車(chē)道檢測(cè)方法還包括先進(jìn)行車(chē)道標(biāo)記過(guò)濾和特征提取和車(chē)道標(biāo)記位置估計(jì)，再通過(guò)所述車(chē)道標(biāo)記位置，在道路場(chǎng)景圖像中提取得到車(chē)道標(biāo)記的位置。本發(fā)明方法具備更好的健壯性，能夠處理含有大量陰影干擾的路面；避免了現(xiàn)有方法中固定變換參數(shù)存在的問(wèn)題，能夠自動(dòng)地調(diào)節(jié)系統(tǒng)參數(shù)，從而更加準(zhǔn)確地提取車(chē)道標(biāo)記線(xiàn)的位置。
【IPC分類(lèi)】G06K9/54, G06K9/38, G06K9/46, G06K9/00
【公開(kāi)號(hào)】CN105678285
【申請(qǐng)?zhí)枴緾N201610091034
【發(fā)明人】李革, 應(yīng)振強(qiáng)
【申請(qǐng)人】北京大學(xué)深圳研究生院
【公開(kāi)日】2016年6月15日
【申請(qǐng)日】2016年2月18日