專利名稱：一種車輛所在車道邊界檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能車輛環(huán)境感知技術(shù)領(lǐng)域，涉及一種車道邊界檢測(cè)方法。
背景技術(shù)：
智能交通系統(tǒng)中，車道檢測(cè)技術(shù)是智能車輛環(huán)境感知技術(shù)的重要組成部分，主要應(yīng)用于車輛智能巡航控制、車輛橫向控制、車道偏離報(bào)警、車輛自主駕駛等。視覺是人類駕駛車輛使用最多的環(huán)境感知方式，絕大部分車輛都行駛在結(jié)構(gòu)化道路上，而結(jié)構(gòu)化道路的表現(xiàn)形式是面向人類視覺的，視覺感知是車道檢測(cè)最有效和重要的技術(shù)手段之一。在現(xiàn)有基于視覺的車道檢測(cè)技術(shù)中，針對(duì)結(jié)構(gòu)化道路的車道檢測(cè)方法可概括為三個(gè)重要組成部分定義車道模型、提取車道特征、以車道模型為約束根據(jù)提取的特征定位車道。在現(xiàn)有技術(shù)中定義的車道模型主要有直線、二次多項(xiàng)式、樣條曲線、圓弧等，但這些模型都無法完全與實(shí)際的車道曲線對(duì)應(yīng)起來，只能部分或近似地反映車道結(jié)構(gòu)，因此利用它們無法精確檢測(cè)各種形狀的車道邊界，即使檢測(cè)到了車道也無法精確估算車輛在車道中的位置、方向以及車道平面的幾何結(jié)構(gòu)，如車道曲率、車道曲率的變化率等，而這些數(shù)據(jù)對(duì)車輛的自主駕駛、智能巡航的控制和決策是非常重要的。對(duì)于車道特征，現(xiàn)有技術(shù)主要利用了車道標(biāo)線的邊緣、梯度、路面的紋理、顏色等。其中梯度、紋理、顏色特征易受到陰影、光照、天氣變化的影響，而車道標(biāo)線邊緣特征相對(duì)比較穩(wěn)定，具有較好的抗干擾性。但是現(xiàn)有車道檢測(cè)技術(shù)中，用于邊緣提取的邊緣閾值是固定的，而道路光照是變化的，車道標(biāo)線邊緣可能會(huì)因車道光線變化的影響而無法提取，從而無法檢測(cè)到車道。對(duì)于提取的邊緣，現(xiàn)有車道檢測(cè)技術(shù)中通常利用分類、聚類、神經(jīng)網(wǎng)絡(luò)等方法對(duì)邊緣點(diǎn)進(jìn)行擬合來定位車道邊界。由于在提取車道標(biāo)線邊緣的過程中有其它邊緣也會(huì)被提取出來，因此在邊緣點(diǎn)擬合前需要濾除干擾，否則會(huì)影響車道邊界的精確定位，但是濾除干擾在一定程度上又會(huì)增加車道檢測(cè)方法的復(fù)雜度，而在現(xiàn)有技術(shù)中還沒有有效的方法解決這一問題。另一方面，車輛在行駛過程中道路的狀況是復(fù)雜和多變的，因此車道檢測(cè)需要能夠適應(yīng)各種車道標(biāo)線、道路光照以及復(fù)雜環(huán)境。這些復(fù)雜性和變化主要表現(xiàn)在三個(gè)方面。一是與車道標(biāo)線表現(xiàn)形式有關(guān)的，如車道線形有直線、圓弧和回旋曲線等；車道標(biāo)線的顏色有白色和黃色；車道標(biāo)線的類型有單實(shí)線、雙實(shí)線、虛線等。二是與道路光照有關(guān)的，如路邊建筑物、樹枝樹葉以及其它車輛的陰影，不同天氣和光照情況下車道標(biāo)線的亮度，強(qiáng)烈陽光反射造成的眩光，車道標(biāo)線因磨損而模糊不清等，這些會(huì)影響到車道標(biāo)線的可見性。三是與道路狀況有關(guān)的，如路面的破損和裂紋，路面材質(zhì)的不同，道路上其它行駛車輛的遮擋等，這些會(huì)干擾車道標(biāo)線的檢測(cè)。在這些復(fù)雜和惡劣條件下的車道檢測(cè)是非常困難的，而現(xiàn)有技術(shù)還無法完全解決。經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，Y. Zhou等發(fā)表于《Measurement Science&Technology)) 2006年 17卷的論文"A robust lane detection and tracking method based on computer vision”，采用直線和圓弧車道的投影模型，利用像素點(diǎn)的梯度特征以及禁忌搜索算法搜索定位車道邊界。該文獻(xiàn)所描述的技術(shù)方法雖然能夠?qū)Ω鞣N車道標(biāo)線，在道路有陰影、路面破損和裂紋、車輛遮擋等情況下的進(jìn)行車道檢測(cè)，但還存在著不足之處。一是該技術(shù)方法僅能檢測(cè)直線和圓弧形的車道邊界，無法精確檢測(cè)回旋曲線形的車道邊界；二是該技術(shù)方法無法完全檢測(cè)車道平面幾何結(jié)構(gòu)；三是該技術(shù)方法無法有效檢測(cè)車道標(biāo)線因磨損而模糊不清的車道邊界；四是該技術(shù)方法無法適應(yīng)傍晚光照情況下的車道邊界檢測(cè)。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)在復(fù)雜和惡劣條件下無法檢測(cè)車道邊界以及無法提供車道平面幾何結(jié)構(gòu)信息、車輛在車道中的位置和方向的不足，本發(fā)明提供一種車輛所在車道邊界檢測(cè)方法，該方法不僅能夠在一般道路環(huán)境下檢測(cè)車輛所在車道的邊界，而且能夠在復(fù)雜和惡劣道路環(huán)境下檢測(cè)車輛所在車道邊界，如道路有陰影、裂紋、車輛、陽光反射、光線昏暗、車道標(biāo)線磨損等，并且能夠測(cè)算出車道的幾何結(jié)構(gòu)參數(shù)值、車輛在車道中的位置和方向。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括以下步驟步驟1 根據(jù)像素梯度幅值自適應(yīng)地對(duì)道路圖像地平線以下的部分提取邊緣點(diǎn)， 并計(jì)算邊緣方向；步驟2 根據(jù)提取的邊緣點(diǎn)、邊緣方向以及車道邊界投影模型，在車道邊界投影模型的參數(shù)向量空間利用粒子群優(yōu)化搜索定位車道邊界；步驟3 根據(jù)搜索到的車道邊界投影模型參數(shù)值以及參數(shù)計(jì)算式計(jì)算車輛所在車道平面幾何結(jié)構(gòu)、車輛在車道中的位置和偏向角。所述步驟1包括以下步驟步驟1.1:確定圖像中地平線的位置，計(jì)算，
權(quán)利要求
1.一種車輛所在車道邊界檢測(cè)方法，其特征在于包括下述步驟步驟1 根據(jù)像素梯度幅值自適應(yīng)地對(duì)道路圖像地平線以下的部分提取邊緣點(diǎn)，并計(jì)算邊緣方向；步驟2 根據(jù)提取的邊緣點(diǎn)、邊緣方向以及車道邊界投影模型，在車道邊界投影模型的參數(shù)向量空間利用粒子群優(yōu)化搜索定位車道邊界；步驟3 根據(jù)搜索到的車道邊界投影模型參數(shù)值以及參數(shù)計(jì)算式計(jì)算車輛所在車道平面幾何結(jié)構(gòu)、車輛在車道中的位置和偏向角。
2.根據(jù)權(quán)利要求1所述的車輛所在車道邊界檢測(cè)方法，其特征在于所述的步驟1包括以下步驟步驟1.1:確定圖像中地平線的位置，計(jì)算
3.根據(jù)權(quán)利要求1所述的車輛所在車道邊界檢測(cè)方法，其特征在于所述的步驟2包括以下步驟步驟2. 1 車道左、右邊界投影模型分別為 biL (r-rH) +b0+b_! (r-rH) _1+b_2 (r-rH) = 0 biE (r-rH) +b0+b_! (r-rH) _1+b_2 (r-rH) = 0其中c表示像素橫坐標(biāo)，b^.b^.bo.b^和b_2為車道邊界投影曲線的參數(shù)，并定義B = (b1L, b1E, b0, L1，b_2)T為車道邊界投影模型參數(shù)向量，設(shè)置車道邊界投影模型參數(shù)向量B的可行范圍(-5,0,0, -2000，-3000)T < B < (0，5，300，2000，3000)T、B 粒子群的大小 m、粒子的取大飛yTT速度 Vmax 一 (v1Lmax, v1Emax, V0max，ν—lmax，v_2max) τ、以及最大搜索迭代次數(shù)Itermax，其中 Vmax 的取值范圍為(1,1,100,1500, 2000)T ( Vmax ( (5，5，500，2500，3000)T，m 的取值范圍為10彡m彡60，Itermax的取值范圍為30彡Itermax彡100 ；步驟2.2 在車道邊界投影模型參數(shù)向量B的可行范圍內(nèi)隨機(jī)初始化每個(gè)參數(shù)向量粒子的位置Bi、速度Vi,其中i表示參數(shù)向量粒子的序號(hào)，并設(shè)置每個(gè)參數(shù)向量粒子的歷史最好位置Pi = Bi,然后根據(jù)邊緣點(diǎn)和邊緣方向計(jì)算每個(gè)參數(shù)向量粒子的車道邊界曲線置信度 F(B)，并比較所有粒子的置信度大小進(jìn)而獲取參數(shù)向量粒子群中最大置信度對(duì)應(yīng)的歷史最好位置G ；步驟2. 3 按下式計(jì)算更新每個(gè)參數(shù)向量粒子的速度Vi和位置Bi, Vi (k+1) = w (k) Vi (k) +C^1 [Pi (k) -Bi (k) ] +c2r2 [G (k) -Bi (k)] Bi (k+1) = Bi (k) +Vi (k+1)其中k為搜索迭代次數(shù)，Vi (k)、Bi (k)、Pi (k)和G(k)分別表示第k次迭代時(shí)第i個(gè)參數(shù)向量粒子的速度、位置、歷史最好位置以及粒子群的歷史最好位置，C1, C2表示常數(shù)，其取值范圍為(0，4]，ri、r2* (0，1)區(qū)間上的隨機(jī)數(shù)，w(0 = l_^^，i = 1,2, -,m；""max步驟2. 4:檢查參數(shù)向量粒子的速度和位置，對(duì)超過最大速度的參數(shù)向量粒子進(jìn)行限速，設(shè)置其速度為最大速度，對(duì)越界的參數(shù)向量粒子進(jìn)行位置回歸，在可行空間內(nèi)隨機(jī)設(shè)置其位置；步驟2. 5:根據(jù)邊緣點(diǎn)和邊緣方向計(jì)算每個(gè)參數(shù)向量粒子的車道邊界曲線置信度 F(B)，并比較更新每個(gè)參數(shù)向量粒子的歷史最好位置Pi和參數(shù)向量粒子群的歷史最好位置 G；步驟2. 6 將搜索迭代次數(shù)k與最大迭代次數(shù)Itermax進(jìn)行比較，若k小于Itermax轉(zhuǎn)到步驟2. 3，否則轉(zhuǎn)到步驟2. 7;步驟2. 7 將參數(shù)向量粒子群的歷史最好位置G對(duì)應(yīng)的車道邊界曲線輸出。
4.根據(jù)權(quán)利要求1所述的車輛所在車道邊界檢測(cè)方法，其特征在于所述的車道邊界曲線置信度F(B)的計(jì)算方法為L(zhǎng) gW J (ο,φυ Lσφ其中D(c，r)表示邊緣點(diǎn)(c，r)到車道邊界曲線的距離，識(shí)(c，r)表示邊緣點(diǎn)(c，r)的邊緣方向與車道邊界曲線的夾角，U表示車道邊界曲線的鄰域，其半徑的取值范圍為[2， 30]，μ 、σ》、σ 、《、分別表示(b^rbj的均值和方差、D(c，r)的方差、供(c,r)的方一 ^vWlari cos ad JVlnni, cos a差，其取值范圍分別為<^<L2x-^f---2dxhcdxhc 0<σ^ <1 ^0<σο<100 ^0<σ2φ<{^/4)2，其中WlaM表示車道寬度，dx、dy分別表示像素點(diǎn)在水平方向和垂直方向上的物理尺寸，h。表示車載攝像機(jī)距離地面的高度。
5.根據(jù)權(quán)利要求1所述的車輛所在車道邊界檢測(cè)方法，其特征在于所述的車道邊界曲線置信度F(B)的計(jì)算方法中，邊緣點(diǎn)(c，r)到車道邊界曲線的距離D(c，r)和邊緣點(diǎn)(c，r)的邊緣方向與車道邊界曲線的夾角識(shí)(c，r)的計(jì)算方法分別為 其中
6.根據(jù)權(quán)利要求1所述的車輛所在車道邊界檢測(cè)方法，其特征在于所述的步驟3包括以下步驟根據(jù)參數(shù)向量粒子群的歷史最好位置G分別按下式計(jì)算車輛所在車道的曲率Ctl和車道曲率的變化率C1:
全文摘要
本發(fā)明公開了一種車輛所在車道邊界檢測(cè)方法，首先根據(jù)像素梯度幅值自適應(yīng)地對(duì)道路圖像地平線以下的部分提取邊緣點(diǎn)，并計(jì)算邊緣方向；然后根據(jù)提取的邊緣點(diǎn)、邊緣方向以及車道邊界投影模型，在車道邊界投影模型的參數(shù)向量空間利用粒子群優(yōu)化搜索定位車道邊界；最后根據(jù)搜索到的車道邊界投影模型參數(shù)值以及參數(shù)計(jì)算式計(jì)算車輛所在車道平面幾何結(jié)構(gòu)、車輛在車道中的位置和偏向角。本發(fā)明能夠更加精確地反映實(shí)際的車道邊界曲線，具有良好的環(huán)境自適應(yīng)能力，增強(qiáng)了車道檢測(cè)的魯棒性，方法可靠性高，抗干擾能力強(qiáng)。
文檔編號(hào)G06T7/00GK102184535SQ201110094319
公開日2011年9月14日 申請(qǐng)日期2011年4月14日 優(yōu)先權(quán)日2011年4月14日
發(fā)明者何明一, 張易凡, 陳勇 申請(qǐng)人:西北工業(yè)大學(xué)