專利名稱：一種基于ransac算法的多車道線檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種多車道線檢測(cè)方法，尤其是涉及一種基于RANSAC算法的多車道線檢測(cè)方法。
背景技術(shù)：
智能車的研究和發(fā)展的最重要的領(lǐng)域之一就是道路安全，目前這些已經(jīng)越來越受到關(guān)注。交通事故已成為“世界第一害”，而中國(guó)是世界上交通事故死亡人數(shù)最多的國(guó)家之一。從二十世紀(jì)八十年代末中國(guó)交通事故年死亡人數(shù)首次超過五萬人至今，中國(guó)(未包括港澳臺(tái)地區(qū))每年交通事故50萬起，因交通事故死亡人數(shù)均超過10萬人，已經(jīng)連續(xù)十余年居世界第一。汽車自動(dòng)駕駛是汽車技術(shù)發(fā)展的必然趨勢(shì)，已經(jīng)成為各國(guó)汽車領(lǐng)域研究的熱點(diǎn)。自動(dòng)駕駛能大大的減少交通事故，而車道線提取就是自動(dòng)駕駛中的關(guān)鍵技術(shù)之一。目前汽車制造商已經(jīng)采取了一些安全措施如剎車防抱死系統(tǒng)、空氣袋、控制牽引力和電子穩(wěn) 定控制來阻止或最大可能的減少事故的傷害。未來將會(huì)有更多的技術(shù)應(yīng)用到汽車上。最新的數(shù)據(jù)顯示，車道偏移檢測(cè)是目前的一個(gè)主要的研究區(qū)域，它可以很大限度的減少事故的發(fā)生。相對(duì)于激光雷達(dá)，毫米波雷達(dá)，紅外線等傳感器進(jìn)行道路可行駛區(qū)域的感知，基于視覺的感知系統(tǒng)耗用成本較小，且基于視覺的感知設(shè)備具有直觀，通用性強(qiáng)等優(yōu)點(diǎn)。車道線是最基本的交通標(biāo)志，是汽車安全行駛時(shí)的基本約束，在智能車系統(tǒng)中，車道線的識(shí)別是一個(gè)最基本，必須，關(guān)鍵的功能。，實(shí)際上，國(guó)內(nèi)外研究人員提出了很多基于視覺的車道線檢測(cè)方法。然而，由于不同地方環(huán)境的差異如陰影、車輛遮擋、臟的道路線、相機(jī)的自運(yùn)動(dòng)、變化的光照情況以及其他的圖像缺陷因素，這個(gè)問題目前仍然沒有很好的解決。下面簡(jiǎn)單介紹一下這些技術(shù)。目前，主要有兩種方法來進(jìn)行結(jié)構(gòu)化道路的檢測(cè)基于模板和基于特征的方法?；谀０宓姆椒╗3-8]已經(jīng)廣泛的用于車道線的檢測(cè)和跟蹤，并且采用如直線、拋物線和曲線模型來匹配道路邊界。實(shí)際上，一些簡(jiǎn)單的模型如直線模型不能夠提供精確的匹配，但是卻能夠很好的解決圖像中的缺陷。另一方面，一些復(fù)雜的模型如拋物線或曲線模型，能夠更靈活的適應(yīng)不同的道路邊界，但是這種模型對(duì)圖像的缺陷和噪聲更敏感?；谔卣鞯姆椒ㄖ饕歉鶕?jù)一些特征提取邊緣，然后用這些特征根據(jù)之前定義的規(guī)則來創(chuàng)建道路線。這種方法最大的優(yōu)勢(shì)就是對(duì)道路的形狀不敏感，具有很高的魯棒性。Lee提出了一個(gè)基于特征的機(jī)器視覺系統(tǒng)來估計(jì)道路邊界。這個(gè)系統(tǒng)采用了邊緣分布函數(shù)來檢測(cè)車道線的位置，并且實(shí)驗(yàn)結(jié)果顯示即使有陰影、光照變化、糟糕的道路情況這些干擾時(shí)，它也能很好的提取道路邊界。然而，由于采用的是直線模型(通過Hough變換得到的)來匹配道路邊界，邊緣分布函數(shù)在比較彎曲的道路時(shí)會(huì)提取失敗。Jung和Kelber采用了一個(gè)修正的邊緣分布函數(shù)來滿足車道線的跟蹤。在跟蹤階段，采用線性和拋物線的車道線模型，這樣可以跟蹤那些彎曲的路況。在Lee或Jung等人的工作中，主要是用Hough變換來檢測(cè)車道線邊緣。然而，在檢測(cè)階段如何提取彎曲的車道線問題目前仍然沒有解決
發(fā)明內(nèi)容
本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問題；提供了一種具有穩(wěn)定性強(qiáng)，識(shí)別多車道線,能很好的解決彎曲的車道問題的一種基于RANSAC算法的多車道線檢測(cè)方法。本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，包括以下步驟步驟1，采集車輛前方路況的原始圖像，即智能車在行駛過程中，通過安裝在車輛上的攝像機(jī)采集車輛前方路況原始圖像；步驟2，將步驟I得到的原始圖像經(jīng)過逆透變換得到逆透視圖；步驟3，利用二維的高斯核對(duì)步驟2得到的逆透視圖進(jìn)行圖像預(yù)處理；步驟4，對(duì)預(yù)處理后的圖像進(jìn)行Hough變換，得到候選車道線，并針對(duì)車道候選線利用Hough變換進(jìn)行快速RANSAC驗(yàn)證，得到修正后的車道候選線；步驟5，對(duì)步驟4中得到的修正后的車道候選線進(jìn)行后處理。在上述的一種基于RANSAC算法的多車道線檢測(cè)方法，所述步驟2中，經(jīng)過逆透變換得到逆透視圖的具體方法如下步驟2. 1，定義轉(zhuǎn)換矩陣，所述轉(zhuǎn)換矩陣由世界坐標(biāo)，中心在相機(jī)光學(xué)中心，一個(gè)相機(jī)坐標(biāo)，一個(gè)圖片坐標(biāo)構(gòu)成，所述世界坐標(biāo)根據(jù)攝像機(jī)的內(nèi)參數(shù)和外參數(shù)得到，所述攝像機(jī)的內(nèi)參數(shù)包括焦距長(zhǎng)度和光學(xué)中心；所述攝像機(jī)外參數(shù)包括俯仰角、水平角度和相機(jī)距離地面的高度；步驟2. 2，將原始圖像任意一點(diǎn)，經(jīng)過步驟I的轉(zhuǎn)換矩陣進(jìn)行矩陣變換，到對(duì)應(yīng)的路面坐標(biāo)下的點(diǎn)，所述對(duì)應(yīng)的路面坐標(biāo)下的點(diǎn)所有點(diǎn)組成逆透視圖。在上述的一種基于RANSAC算法的多車道線檢測(cè)方法，所述步驟3中，利用 二維的高斯核對(duì)車道圖像進(jìn)行預(yù)處理，具體方法是豎直方向采用平滑高斯函數(shù) 2
/V(v) = exp(-^J)其中，Oy是根據(jù)所要檢測(cè)的車道線長(zhǎng)度來變化的，y為像素y的坐標(biāo)；- ，
IX~
水平方向則采用二階差分高斯函數(shù)^(x)=pexP(一其中，Ox是根據(jù)檢測(cè)的
2(JXcrX ,
車道線寬度調(diào)整的，X為像素X的坐標(biāo)。在上述的一種基于RANSAC算法的多車道線檢測(cè)方法，所述步驟4中，對(duì)從步驟3得到的預(yù)處理后的圖像進(jìn)行Hough變換包括以下步驟步驟4. I :對(duì)圖片二值化預(yù)處理，找到圖片中的“白點(diǎn)”，也就是要處理的邊緣，假設(shè)其在直角坐標(biāo)系下的坐標(biāo)為(x，y)，對(duì)其進(jìn)行坐標(biāo)變換P =冗08(0)+78111(0)，其中0
<6 < I得到參數(shù)空間累加圖像；步驟4. 2:量化步驟4. I中的參數(shù)9，將其變成
步驟5. I :用RANSAC直線匹配法來給出初始估計(jì)，即首先采用一個(gè)矩形框，該矩形框使得從步驟4獲選的直線完整的被矩形框包圍住。然后在該矩形框里對(duì)以給定的初始直線對(duì)所有可能的點(diǎn)進(jìn)行RANSAC直線驗(yàn)證，得到初始估計(jì)的車道候選線；步驟5. 2 :采用快速RANSAC算法來匹配貝塞爾曲線，即針對(duì)步驟5. I得到的初始估計(jì)的候選車道線，設(shè)定一個(gè)矩形框，該矩形框剛好完全包住該直線，在這個(gè)矩形框里面進(jìn)行RANSAC驗(yàn)證，所用的曲線為三階貝塞爾曲線。在上述的一種基于RANSAC算法的多車道線檢測(cè)方法，對(duì)步驟5中得到的修正后的候選車道線進(jìn)行后處理的具體方法是基于在圖像坐標(biāo)和世界坐標(biāo)兩個(gè)坐標(biāo)系下進(jìn)行的處理，具體包括以下步驟
步驟6. 1，定位使用步驟5得到候選車道線作為初始曲線，然后從曲線中得到抽樣點(diǎn)，按照這些抽樣點(diǎn)的方向進(jìn)行延伸；接著，通過這條直線來計(jì)算像素的位置得到這條線 的灰度信息，并且用平滑高斯核進(jìn)行卷積，找到得到的結(jié)果的最大值；此外，還要對(duì)新檢測(cè)到的點(diǎn)進(jìn)行角度的驗(yàn)證，并且如果它離預(yù)測(cè)的位置很遠(yuǎn)，將排除這個(gè)點(diǎn)；最后，用定位點(diǎn)重新對(duì)曲線進(jìn)行匹配；步驟6. 2，延長(zhǎng)在步驟6. I得到的曲線的兩端按照點(diǎn)的角度方向進(jìn)行延長(zhǎng)；步驟6. 3，幾何驗(yàn)證對(duì)步驟5得到的候選車道線和步驟6. 2的得到的延長(zhǎng)的線進(jìn)行幾何驗(yàn)證，去除掉長(zhǎng)度過短的和彎曲度過大的線。因此，本發(fā)明具有如下優(yōu)點(diǎn)穩(wěn)定性強(qiáng)，識(shí)別多車道線，能很好的解決彎曲的車道問題。


圖I是本發(fā)明的方法流程示意圖。圖2是本發(fā)明中Hough變換的方法流程示意圖。圖3是本發(fā)明中RANSAC曲線驗(yàn)證算法流程示意圖。圖4是本發(fā)明RANSAC曲線驗(yàn)證抽取采樣點(diǎn)的示意圖。
具體實(shí)施例方式下面通過實(shí)施例，并結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。為了方便地描述本發(fā)明內(nèi)容，首先對(duì)一些概念進(jìn)行說明。概念I(lǐng) :攝像機(jī)標(biāo)定和攝像機(jī)參數(shù)攝像機(jī)參數(shù)有攝像機(jī)的成像幾何模型所決定，要從二維圖像中恢復(fù)物體的三維信息，必須先確定攝像機(jī)的參數(shù)，參數(shù)是要通過實(shí)驗(yàn)與計(jì)算來得到的。這個(gè)求解參數(shù)的過程就稱為攝像機(jī)標(biāo)定。攝像機(jī)參數(shù)包括內(nèi)部參數(shù)和外部參數(shù)，內(nèi)部參數(shù)包括焦距長(zhǎng)度和光學(xué)中心等，外部參數(shù)包括俯仰角、水平角度和相機(jī)距離地面的聞度等。概念2 =Hough變換=Hough變換的策略就是把滿足某種曲線方程的所有點(diǎn)變換到參數(shù)空間中表示這條曲線的一個(gè)點(diǎn)上去，在參數(shù)空間中的這個(gè)點(diǎn)上產(chǎn)生大的記數(shù).Hough直線變換的基本理論是圖像中的任何點(diǎn)都可能是一些候選直線集合的一部分。概念3 :RANSAC :RANSAC 是 Random Sample Consensus 的簡(jiǎn)稱，它是根據(jù)一組包含異常數(shù)據(jù)的樣本數(shù)據(jù)集，通過迭代的方法計(jì)算出數(shù)據(jù)的數(shù)學(xué)模型參數(shù)，得到有效樣本數(shù)據(jù)的非確定性的算法。它于1981年由Fischler和Bolles最先提出。RANSAC的基本假設(shè)是(I)數(shù)據(jù)由“局內(nèi)點(diǎn)”組成，例如數(shù)據(jù)的分布可以用一些模型參數(shù)來解釋；給定一組(通常很小的)局內(nèi)點(diǎn)，存在一個(gè)可以估計(jì)模型參數(shù)的過程；而該模型能夠解釋或者適用于局內(nèi)點(diǎn)(2) “局外點(diǎn)”是不能適應(yīng)該模型的數(shù)據(jù)；局外點(diǎn)產(chǎn)生的原因有噪聲的極值；錯(cuò)誤的測(cè)量方法；對(duì)數(shù)據(jù)的錯(cuò)誤假設(shè)。(3)除此之外的數(shù)據(jù)屬于噪聲。概念4 :貝賽爾曲線貝賽爾曲線的每一個(gè)頂點(diǎn)都有兩個(gè)控制點(diǎn)，用于控制在該頂點(diǎn)兩側(cè)的曲線的弧度。它是應(yīng)用于二維圖形應(yīng)用程序的數(shù)學(xué)曲線。曲線的定義有四個(gè)點(diǎn)起始點(diǎn)、終止點(diǎn)(也稱錨點(diǎn))以及兩個(gè)相互分離的中間點(diǎn)。滑動(dòng)兩個(gè)中間點(diǎn)，貝塞爾曲線的形狀會(huì)發(fā)生變化實(shí)施例基于RANSAC算法的實(shí)時(shí)城市多車道線檢測(cè)方法，如圖所示，包括以下步驟步驟I :采集車輛前方路況的原始圖像。智能車在行駛過程中，通過安裝在車輛上的攝像機(jī)采集車輛前方路況原始圖像。步驟2 :由原始圖像得到逆透視圖(Inverse Perpective Mapping, IPM)。根據(jù)相機(jī)的內(nèi)參數(shù)(焦距長(zhǎng)度和光學(xué)中心)和外參數(shù)(俯仰角、水平角度和相機(jī)距離地面的高度)得到世界坐標(biāo)，中心在相機(jī)光學(xué)中心，一個(gè)相機(jī)坐標(biāo)，一個(gè)圖片坐標(biāo)的轉(zhuǎn)換矩陣。對(duì)于圖片中任意一點(diǎn)，經(jīng)過矩陣變換，都可以變換到對(duì)應(yīng)的路面坐標(biāo)下的點(diǎn)。步驟3 :對(duì)逆透視圖進(jìn)行圖像預(yù)處理。本發(fā)明利用二維的高斯核對(duì)車道圖像
進(jìn)行預(yù)處理，豎直方向采用平滑高斯，它的％是根據(jù)所要檢測(cè)的車道線長(zhǎng)度來變化的
權(quán)利要求
1.一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，包括以下步驟 步驟1，采集車輛前方路況的原始圖像，即智能車在行駛過程中，通過安裝在車輛上的攝像機(jī)采集車輛前方路況原始圖像； 步驟2，將步驟I得到的原始圖像經(jīng)過逆透變換得到逆透視圖； 步驟3，利用二維的高斯核對(duì)步驟2得到的逆透視圖進(jìn)行圖像預(yù)處理； 步驟4，對(duì)預(yù)處理后的圖像進(jìn)行Hough變換，得到候選車道線，并針對(duì)車道候選線利用Hough變換進(jìn)行快速RANSAC驗(yàn)證，得到修正后的車道候選線； 步驟5，對(duì)步驟4中得到的修正后的車道候選線進(jìn)行后處理。
2.根據(jù)權(quán)利要求I所述的一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，所述步驟2中，經(jīng)過逆透變換得到逆透視圖的具體方法如下 步驟1，定義轉(zhuǎn)換矩陣，所述轉(zhuǎn)換矩陣由世界坐標(biāo)，中心在相機(jī)光學(xué)中心，一個(gè)相機(jī)坐標(biāo)，一個(gè)圖片坐標(biāo)構(gòu)成，所述世界坐標(biāo)根據(jù)攝像機(jī)的內(nèi)參數(shù)和外參數(shù)得到，所述攝像機(jī)的內(nèi)參數(shù)包括焦距長(zhǎng)度和光學(xué)中心；所述攝像機(jī)外參數(shù)包括俯仰角、水平角度和相機(jī)距離地面的高度； 步驟2，將原始圖像任意一點(diǎn)，經(jīng)過步驟I的轉(zhuǎn)換矩陣進(jìn)行矩陣變換，到對(duì)應(yīng)的路面坐標(biāo)下的點(diǎn)，所述對(duì)應(yīng)的路面坐標(biāo)下的點(diǎn)所有點(diǎn)組成逆透視圖。
3.根據(jù)權(quán)利要求I所述的一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，所述步驟3中，利用二維的高斯核對(duì)車道圖像進(jìn)行預(yù)處理，具體方法是豎直方向采用平滑高2斯函數(shù)/'(>’) = exP(—$T)其中，％是根據(jù)所要檢測(cè)的車道線長(zhǎng)度來變化的，y為像素y - J的坐標(biāo)；水平方向則采用二階差分高斯函數(shù)乂 (I)=JexP(-其中，Ox是根2cr, ，據(jù)檢測(cè)的車道線寬度調(diào)整的，X為像素X的坐標(biāo)。
4.根據(jù)權(quán)利要求I所述的一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，所述步驟4中，對(duì)從步驟3得到的預(yù)處理后的圖像進(jìn)行Hough變換包括以下步驟 步驟4. I :對(duì)圖片二值化預(yù)處理，找到圖片中的“白點(diǎn)”，也就是要處理的邊緣，假設(shè)其在直角坐標(biāo)系下的坐標(biāo)為(x，y)，對(duì)其進(jìn)行坐標(biāo)變換P =冗08(0)+78111(0)，其中0< 0<I得到參數(shù)空間累加圖像； 步驟4.2 :設(shè)置P和0的取值范圍，定量化步驟4. I中的參數(shù)0，將其變成[0，Ji)的每一個(gè)量化弧度，用其量化值與(x，y)求出P，然后將對(duì)應(yīng)的(P，9)計(jì)數(shù)器加I; 步驟4. 3 :比較參數(shù)空間數(shù)組元素值的大小，最大值對(duì)應(yīng)的(P，0 )即為所求的直線方程P = x*cos ( 0 ) +y*sin ( 0 )； 步驟4. 4:定義所有直線都是平行的，取每條直線的中點(diǎn)，判斷每個(gè)中點(diǎn)之間的距離，如果兩個(gè)點(diǎn)之間的距離在設(shè)定的閾值范圍之外時(shí)，便判斷這兩條直線不屬于一組車道線。
5.根據(jù)權(quán)利要求I所述的一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，所述步驟4中進(jìn)行快速RANSAC驗(yàn)證包括以下步驟 步驟5. I :用RANSAC直線匹配法來給出初始估計(jì)，即首先采用一個(gè)矩形框，該矩形框使得從步驟4獲選的直線完整的被矩形框包圍住，然后在該矩形框里對(duì)以給定的初始直線對(duì)所有可能的點(diǎn)進(jìn)行RANSAC直線驗(yàn)證，得到初始估計(jì)的候選車道線； 步驟5. 2 :采用快速RANSAC算法來匹配貝塞爾曲線，即針對(duì)步驟5. I得到的初始估計(jì)的候選車道線，設(shè)定一個(gè)矩形框，該矩形框剛好完全包住該直線，在這個(gè)矩形框里面進(jìn)行RANSAC驗(yàn)證，所用的曲線為三階貝塞爾曲線。
6.根據(jù)權(quán)利要求I所述的一種基于RANSAC算法的多車道線檢測(cè)方法，其特征在于，對(duì)步驟5中得到的修正后的候選車道線進(jìn)行后處理的具體方法是基于在圖像坐標(biāo)和世界坐標(biāo)兩個(gè)坐標(biāo)系下進(jìn)行的處理，具體包括以下步驟 步驟6. 1，定位使用步驟5得到候選車道線作為初始曲線，然后從曲線中得到抽樣點(diǎn)，按照這些抽樣點(diǎn)的方向進(jìn)行延伸；接著，通過這條直線來計(jì)算像素的位置得到這條線的灰度信息，并且用平滑高斯核進(jìn)行卷積，找到得到的結(jié)果的最大值；此外，還要對(duì)新檢測(cè)到的點(diǎn)進(jìn)行角度的驗(yàn)證，并且如果它離預(yù)測(cè)的位置很遠(yuǎn)，將排除這個(gè)點(diǎn)；最后，用定位點(diǎn)重新對(duì) 曲線進(jìn)行匹配； 步驟6. 2，延長(zhǎng)在步驟6. I得到的曲線的兩端按照點(diǎn)的角度方向進(jìn)行延長(zhǎng)； 步驟6. 3，幾何驗(yàn)證對(duì)步驟5得到的候選車道線和步驟6. 2的得到的延長(zhǎng)的線進(jìn)行幾何驗(yàn)證，去除掉長(zhǎng)度過短的和彎曲度過大的線。
全文摘要
本發(fā)明涉及一種基于RANSAC算法的多車道線檢測(cè)方法，包括以下步驟步驟1，采集車輛前方路況的原始圖像，即智能車在行駛過程中，通過安裝在車輛上的攝像機(jī)采集車輛前方路況原始圖像；步驟2，將步驟1得到的原始圖像經(jīng)過逆透變換得到逆透視圖；步驟3，利用二維的高斯核對(duì)步驟2得到的逆透視圖進(jìn)行圖像預(yù)處理；步驟4，對(duì)預(yù)處理后的圖像進(jìn)行Hough變換，得到車道候選線，并針對(duì)車道候選線利用Hough變換進(jìn)行快速RANSAC驗(yàn)證，得到修正后的車道候選線；步驟5，對(duì)步驟4中得到的修正后的車道候選線進(jìn)行后處理。因此，本發(fā)明具有如下優(yōu)點(diǎn)穩(wěn)定性強(qiáng)，識(shí)別多車道線，能很好的解決彎曲的車道問題。
文檔編號(hào)G06K9/00GK102722705SQ20121019169
公開日2012年10月10日 申請(qǐng)日期2012年6月12日 優(yōu)先權(quán)日2012年6月12日
發(fā)明者宋曉, 易本順, 朱神添, 李必軍, 李明, 李清泉, 沈三明, 肖進(jìn)勝 申請(qǐng)人:武漢大學(xué)