一種基于脊度量的車道線檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及圖像分割和圖像曲線幾何特性檢測，具體涉 及一種基于脊度量的快速路車道線檢測方法。
【背景技術(shù)】
[0002] 交通安全問題已成為世界性的大問題，因此汽車的安全性對人類生命財產(chǎn)的影響 是不言而喻的。隨著高速公路的發(fā)展和汽車性能的提高，汽車行駛速度也相應(yīng)加快，加之汽 車數(shù)量增加以及交通運輸日益繁忙，汽車事故增多所引起的人員傷亡和財產(chǎn)損失，已成為 一個不容忽視的社會問題，汽車的行車安全更顯得非常重要。而傳統(tǒng)的被動安全已經(jīng)遠(yuǎn)遠(yuǎn) 不能避免交通的事故發(fā)生，因此主動安全的概念慢慢的形成并不斷的完善。視覺傳感由于 具有信息量大、成本低廉的特點，在汽車主動安全領(lǐng)域有著廣泛的應(yīng)用。
[0003]車道線檢測技術(shù)是指利用圖像傳感等手段檢測出道路車道虛實標(biāo)線的技術(shù)，它是 汽車主動安全領(lǐng)域的關(guān)鍵技術(shù)之一。在基于視覺的車道保持系統(tǒng)中，車道線的檢測和跟蹤 是一個基本的、必要的功能，它能防止汽車偏離車道，同時也可以給包括碰撞預(yù)警等其它主 動安全系統(tǒng)提供重要的道路環(huán)境信息。從上世紀(jì)九十年代中期起，包括美國、德國在內(nèi)的歐 美等國進行了大量相關(guān)方向的研究，并且已經(jīng)成功研制出一些各具特色的車道偏離預(yù)警系 統(tǒng)。這些系統(tǒng)在車輛發(fā)生偏移或具有偏移趨勢時給駕駛員以警示信息，甚至主動介入車輛 控制，以達到防止事故發(fā)生的目的。
[0004] 目前已有的快速路車道線檢測方法往往采用較為簡單方法和寬松約束來獲得車 道線邊緣特征點，而在車道線參數(shù)估計階段采用較為復(fù)雜的模型，如最優(yōu)貝葉斯估計和最 大似然估計等。該類方法在大部分場景下具有較好的檢測效果，但是某些道路由于受樹木、 光強、坑洼、路面材質(zhì)不均、其它路面標(biāo)記以及陰影影響等原因，使得該方法在車道線標(biāo)記 狀況復(fù)雜及路面均一度較差的情況下，往往將大量非車道線特征點判斷為車道線特征點， 導(dǎo)致車道線參數(shù)估計偏差。
[0005] 為了方便對本發(fā)明的內(nèi)容進行描述，需要對一些概念進行說明。
[0006] 概念1.攝像機參數(shù)和攝像機標(biāo)定:攝相機參數(shù)描述的是攝像機本身的成像幾何模 型。它表征了物體從三維世界坐標(biāo)系下映射到二維圖像坐標(biāo)系下的轉(zhuǎn)換關(guān)系。通過某些實 驗獲得這些參數(shù)的過程則被稱為攝像機標(biāo)定(或定標(biāo)）。攝像機的參數(shù)包括內(nèi)部參數(shù)和外部 參數(shù)，內(nèi)部參數(shù)包括主點坐標(biāo)、焦距等，外部參數(shù)包括攝像機位置、姿態(tài)等。
[0007] 概念2.感興趣區(qū)（R0I:Reign of Interest):在圖像處理領(lǐng)域，感興趣區(qū)域(R0I) 是指從圖像中選擇的一個局部圖像區(qū)域，這個區(qū)域是圖像分析所關(guān)注的重點。確定該區(qū)域 以便進行進一步處理。使用R0I往往可以減少處理時間，增加精度。
[0008] 概念3.霍夫變換：即Hough變換，其基本思想是利用點-線的對偶性，即：圖像空間 里共線的點對應(yīng)參數(shù)空間里相交的直線；反之，參數(shù)空間里相交于同一點的所有直線在圖 像空間里都有共線的點與之對應(yīng)。利用霍夫變換可以將直線特征搜索問題轉(zhuǎn)化為參數(shù)空間 中的最大值搜索問題。

【發(fā)明內(nèi)容】

[0009] 針對上述問題，本發(fā)明提出了一種基于脊度量的車道線檢測方法，與同類方法相 比，脊度量計算應(yīng)用到了車道標(biāo)線鄰域像素，而傳統(tǒng)邊緣提取僅考慮到了相鄰兩個像素之 間的差異。因此，所提方法具有穩(wěn)定性強，適用工況較為廣泛等優(yōu)點。
[0010] 本發(fā)明對脊度量的定義:一種對圖像灰度值和山脊形態(tài)近似程度的度量值。例如， 山脊呈現(xiàn)中間高、兩邊低，且具有一定對稱性的形態(tài)，若圖像中某區(qū)域灰度值大，兩側(cè)灰度 值低，且具有較好的對稱性，則該點的脊度量值較大，反之較小。
[0011] 實現(xiàn)本發(fā)明的技術(shù)方案如下：
[0012] -種基于脊度量的車道線檢測方法，包括如下步驟：
[0013] 步驟1:采集車輛前方道路原始圖像Img;
[0014] 步驟2:確定感興趣區(qū)I;
[0015] 步驟3:計算感興趣區(qū)內(nèi)圖像的脊度量數(shù)值；
[0016]步驟4:計算所有像素點的脊度量值的平均值p和方差σ，將所有脊度量值大于ρ-3σ 的像素點視為潛在的車道線特征點、并置為1，將圖像中非潛在特征點則置為〇,得到僅含有 潛在的車道線特征點的二值化圖像；
[0017]步驟5:對經(jīng)過步驟4提取出的車道線特征點進行篩選，獲得僅含有車道線線段的 二值化圖像Img_B;
[0018] 步驟6:針對步驟5得到的二值化圖像Img_B，進行傳統(tǒng)的直線霍夫變換，并獲得直 線模型參數(shù)。
[0019] 進一步優(yōu)選方案，所述步驟1的具體實現(xiàn)包括:通過安裝在車輛內(nèi)部或外部的攝像 機采集車輛前方路況原始圖像Img。
[0020] 進一步優(yōu)選方案，所述步驟2中所述感興趣區(qū)I的確定方法為:根據(jù)攝像機的內(nèi)部 參數(shù)和外部參數(shù)，獲取攝像頭視野中地平面消失線以下、圖像左右邊界之內(nèi)的區(qū)域為感興 趣區(qū)。
[0021] 進一步優(yōu)選方案，所述步驟3的具體實現(xiàn)包括：
[0022]步驟3-1:將原始R0I內(nèi)的灰度圖像g(x)和二維高斯濾波器Gad做卷積運算：
[0023] L〇d(x) =G〇d(x)*g(x)；
[0024]其中，Gw是一個各向異性高斯核，其協(xié)方差矩陣為Σ =diag(〇dx，ody)，其中，ody是 常數(shù)Hr，〇dx為變化量，其數(shù)值為圖像各行所對應(yīng)車道線寬的一半；
[0025] 步驟3-2:計算圖像每個像素點X沿著第u行和第v列方向的梯度矢量場：
[0026]
，
[0027]此外，計算新矩陣：
[0028] s〇d(x) =w〇d(x) · (w〇d(x))T；
[0029] 步驟3-3:計算結(jié)構(gòu)張量場：
[0030]
[0031] 其中，(Λ, (X)為另一高斯核；
[0032] 步驟3-4:設(shè)(X)為&(?σ; (X)最大特征值所對應(yīng)的特征向量，則某像素點χ對應(yīng) 的脊度量值Εσ?/σ; (X)計算式如下：
[0033]
[0034]其中，div為散度；
[0035]步驟3-5:將圖像中感興趣區(qū)域內(nèi)所有像素點進行脊度量的計算。
[0036] 進一步優(yōu)選方案，所述步驟5的具體實現(xiàn)包括如下步驟：
[0037] 步驟5-1:線段統(tǒng)計:二值化圖像中，對所有連續(xù)線段進行統(tǒng)計，并將每一個線段視 為一個單元Ui;
[0038] 步驟5-2:線段參數(shù)計算:對每一個線段單元仏，計算其長度h、平均斜率ai和線段 斜率一致性δ?;
[0039] 某一線段單元Ui的平均斜率m計算公式如下：
[0040]

[0041] 其中，祉為線段內(nèi)兩點間的斜率，命名為子斜_ lk，Vk為線段中某 一點X的坐標(biāo)；
[0042] 某一線段單元U的線段斜率一致性δ,計算方法為統(tǒng)計子斜率的均方差：
[0043] 5i = E(ak)
[0044] 步驟5-3:進行線段篩選，獲得去除干擾線段后的僅含有車道線線段的二值化圖像 Img-B〇
[0045] 進一步優(yōu)選方案，所述步驟5-3中所述線段篩選的規(guī)則為：
[0046] 1)去除長度小于0.07Hr的線段，即短線段；
[0047] 2)去除平均斜率在[V8,3V8]以及[5V8,7jt/8]范圍之外的線段，即和理想車道 線斜率相差較大的線段；
[0048] 3)去除線段斜率一致性306.73的線段，即形狀不規(guī)則線段。
[0049] 進一步優(yōu)選方案，所述步驟6的具體實現(xiàn)包括如下步驟：
[0050] 步驟6-1:遍歷圖像111^_13中的每個像素點（1，7)，計算0 = 1(3〇8(0)+78；[11(0):0已 [0°~180°]，得到所有經(jīng)過像素點(x，y)的直線組{(Ρ，Θ)|ΘΕ[0°~180°]} ;
[0051] 其中：（x，y)表示圖像Img_B中的像素點的位置;Ρ表示經(jīng)過像素點（x，y)的直線距 離坐標(biāo)原點，即圖像Img_B左下角點的舉例；Θ表示角度，且0e[0°~180°];
[0052]步驟6-2:將圖像Img_B中所有像素點（X，y)的直線組{(Ρ，Θ) | Θ e [ 0°~180° ]}映射 到Η(Ρ，Θ)空間，得到ρ-θ參數(shù)空間累加圖像Img_H;
[0053]步驟6-3:在Ρ-Θ參數(shù)空間累加圖像Img_H的上半幅圖像、下半幅圖像中分別搜索出 兩個極大值Μι、Μ2，則其對應(yīng)Ρ-Θ參數(shù)對(P1，θ〇、(pr，0 r)即為感興趣區(qū)域R0I-I內(nèi)左右車道線 極坐標(biāo)形式下的直線模型參數(shù)；
[0054]進一步變換，得到像素坐標(biāo)系下的左車道線、右車道線直線模型為：
[0055]
[0056] 其中，1代表左車道線，r代表右車道線。
[0057]本發(fā)明的有益效果：
[0058]本發(fā)明充分利用了圖像中車道線在遠(yuǎn)近視場中分布的特點，借助脊度量的特征點 提取和霍夫變換，有效地對車道線邊緣特征進行提取并建立直線模型。其中多個關(guān)鍵步驟 (脊度量、特征線段篩選策略、霍夫變換)都采用了具有較強適應(yīng)性和一定容錯性的算法，大 大提高了本發(fā)明的穩(wěn)定性和魯棒性。
【附圖說明】
[0059] 圖1是本發(fā)明提出的基于脊度量的車道線檢測的方法流程圖。
【具體實施方式】
[0060] 下面結(jié)合附圖和具體實施例對本發(fā)明作進一步說明。
[0061] 如圖1所示，為本發(fā)明提出的基于脊度量的車道線檢測方法的流程圖，具體包括如 下步驟：
[0062] 步驟1:采集車輛前方道路原始圖像Img。
[0063] 車輛前行過程中，通過安裝在車輛內(nèi)部或外部的攝像機采集車輛前方路況原始圖 像 Img。
[0064] 步驟2:確定感興趣區(qū)I(ROI)。
[0065] 根據(jù)攝像機的內(nèi)部參數(shù)和外部參數(shù)，獲取攝像頭視野中地平面消失線以下、圖像 左右邊界之內(nèi)的區(qū)域為感興趣區(qū)R〇I，設(shè)R〇I在圖像中的高寬分別為Hr和W R。
[0066] 步驟3:感興趣區(qū)R0I內(nèi)圖像的脊度量數(shù)值計算。具體計算包括如下步驟：
[0067]步驟3-1:將原始R0I內(nèi)的灰度圖像g(x)和二維高斯濾波器Gad做卷積運算：
[0068] L〇d(x) =G〇d(x)*g(x) (1)
[0069] 式（1)中，Gad是一個各向異性高斯核，其協(xié)方差矩陣為2=diag(〇dx，〇dy)(這里Σ 就是一個表示協(xié)方差矩陣的符號，不是求和符號），其中，〇 dy是常數(shù)HR，〇dx為變化量