一種車道線自適應(yīng)檢測(cè)的方法
【專利摘要】本發(fā)明涉及智能交通領(lǐng)域，尤其涉及一種車道線自適應(yīng)檢測(cè)的方法，利用圖像消失點(diǎn)屬性的原理，完成坐標(biāo)轉(zhuǎn)換，確定感興趣區(qū)域；對(duì)感興趣區(qū)域進(jìn)行分層分塊，對(duì)邊緣圖像進(jìn)行二值化處理；統(tǒng)計(jì)線段特征，根據(jù)車道線的寬度特征與亮度特征去干擾處理；建立Hough變換中所需投影直線的表格，結(jié)合左右車道的距離特征和兩條車道線相互平行特征，找出最合適的直線，作為當(dāng)前的車道線。本發(fā)明的有益效果在于：通過對(duì)圖像的分層分塊，使算法在局部小區(qū)域里處理，再在邊緣圖上做分割處理，降低光照不均的影響，增強(qiáng)對(duì)質(zhì)量較差車道線的檢測(cè)效果；有效排除字符、車輛、陰影等干擾，增加檢測(cè)的準(zhǔn)確性；將cos(θ)×w和sin(θ)×h以查表的方式實(shí)現(xiàn)，有效地降低Hough變換的計(jì)算量。
【專利說明】一種車道線自適應(yīng)檢測(cè)的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能交通領(lǐng)域，尤其涉及一種車道線自適應(yīng)檢測(cè)的方法。

【背景技術(shù)】
[0002] 隨著交通事業(yè)的飛速擴(kuò)展和汽車數(shù)量的迅速增加，交通事故也不斷的上升。據(jù)統(tǒng) 計(jì)，因駕駛員疲勞或注意力不集中，導(dǎo)致其駕駛的車輛偏離當(dāng)前車道，所造成的事故約占整 個(gè)交通事故的1/3。而車道偏離預(yù)警系統(tǒng)，就是給那些無意識(shí)地將車輛偏離本車道的駕駛 員，提供報(bào)警喚醒。然而，車道線檢測(cè)的效果直接影響到整個(gè)車道偏離預(yù)警系統(tǒng)的性能。
[0003] 目前，車道線檢測(cè)方法主要有基于特征的識(shí)別方法和基于模型的識(shí)別方法。其中， 基于特征識(shí)別的方法主要是利用車道線的顏色特征、灰度特征、邊緣特征將車道線識(shí)別出 來。其中，顏色特征主要應(yīng)用于非結(jié)構(gòu)化道路，但需要彩色圖像作為數(shù)據(jù)的輸入，影響算法 的執(zhí)行效率；灰度特征，主要是利用車道線的亮度比路面高，但容易受尾燈、積水反光的影 響；基于邊緣特征的方法，其檢測(cè)車道線的速度快、實(shí)時(shí)性好，但容易受陰影等干擾的影響。 基于模型的識(shí)別方法，主要是針對(duì)車道標(biāo)線相對(duì)規(guī)則的結(jié)構(gòu)化道路。該方法雖能適應(yīng)外部 環(huán)境的影響，但是會(huì)受路面的文字、標(biāo)記等干擾的影響。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明為克服上述的不足之處，目的在于提供一種車道線自適應(yīng)檢測(cè)的方法，該 方法能夠較好的檢測(cè)出車道線，且計(jì)算時(shí)間短，實(shí)現(xiàn)車道偏離預(yù)警。
[0005] 本發(fā)明是通過以下技術(shù)方案達(dá)到上述目的：一種車道線自適應(yīng)檢測(cè)的方法，包括 以下步驟：
[0006] 1)感興趣區(qū)域劃分：
[0007] 1. 1)讀取圖像巾貞，圖像幀上沿車身平行方向配置標(biāo)志點(diǎn)，根據(jù)配置獲取圖像中的 直線消失點(diǎn)；
[0008] 1. 2)利用消失點(diǎn)屬性的相機(jī)標(biāo)定原理，完成路面坐標(biāo)到圖像坐標(biāo)轉(zhuǎn)換；
[0009] 1.3)計(jì)算出相對(duì)于相機(jī)中心的寬度范圍為[3. 5m，10m]處以及前方距離 [3.5m，100m]處所對(duì)應(yīng)的圖像坐標(biāo)，擬合出相應(yīng)的直線，確定出下部分為矩形，上部分為梯 形的感興趣區(qū)域；
[0010] 2)基于分層分塊的圖像分割：
[0011] 將感興趣區(qū)域分成4層，共16塊，每一塊區(qū)域采用高斯濾波算法和Sobel算子處 理；然后統(tǒng)計(jì)各塊區(qū)域內(nèi)圖像灰度平均值PixelMean及方差PixelStd，計(jì)算出分割閾值；根 據(jù)分割閾值對(duì)邊緣圖像進(jìn)行分割；
[0012] 3)車道線特征的提取以及去干擾處理：
[0013] 統(tǒng)計(jì)分割圖像中的所有線段，計(jì)算每條線段的特征，包括：起點(diǎn)start，終點(diǎn)end， 從起點(diǎn)到終點(diǎn)的實(shí)際距離HopWi dth、平均亮度meanp ixe 1，起止點(diǎn)位置之前平均亮度 fmeanpixel，起止點(diǎn)位置之后平均亮度afmeanpixel，利用車道線的寬度特征對(duì)線段進(jìn)行一 次去干擾處理，再利用車道線亮度特征進(jìn)行二次去干擾處理；
[0014] 4)車道線確認(rèn)：
[0015] 在感興趣區(qū)域內(nèi)，以消失點(diǎn)為中心，將消失點(diǎn)左半部分為左車道線的搜索區(qū)域、消 失點(diǎn)右半部分為右車道線的搜索區(qū)域，建立cos( Θ ) XW和Sin( Θ ) Xh的變換表格，根據(jù)變 換表格搜索所有區(qū)域計(jì)算得到候選車道線；通過車道寬度特征及車道線相互平行特征篩候 選車道線確定車道線。
[0016] 作為優(yōu)選，所述感興趣區(qū)域的矩形區(qū)域包括第一層和第二層，最下方為第一層，第 一層平分成3塊，第二層平分成4塊；感興趣區(qū)域的梯形區(qū)域包括第三層和第四層，第三層 平分成5塊，第四層平分成6塊。
[0017] 作為優(yōu)選，所述車道線確認(rèn)步驟中，在搜索區(qū)域前，先對(duì)Hough變化進(jìn)行初始化， 確定以2度為搜索的步長(zhǎng)，分配存儲(chǔ)投影數(shù)目Hough_Matrix( θ，p )內(nèi)存。
[0018] 作為優(yōu)選，所述投影直線P = wXcos( Θ )+hXsin( Θ )，若在相應(yīng)的直線上存在 白點(diǎn)，則在其對(duì)應(yīng)的投影數(shù)目Hough_Matrix( θ，p )中加1。
[0019] 本發(fā)明的有益效果在于：通過對(duì)圖像的分層分塊，使算法在局部小區(qū)域里處理，再 在邊緣圖上做分割處理，可以有效地降低光照不均的影響，增強(qiáng)對(duì)質(zhì)量較差車道線的檢測(cè) 效果；利用車道線的寬度、亮度特征、車道的寬度、車道線相互平行等特征，可以有效地排除 字符、車輛、陰影等干擾，增加檢測(cè)的準(zhǔn)確性；將cos( Θ ) Xw和sin( Θ ) xh以查表的方式實(shí) 現(xiàn)，可以有效地降低Hough變換過程中的計(jì)算量。

【專利附圖】

【附圖說明】
[0020] 圖1是本發(fā)明的車道線自適應(yīng)檢測(cè)方法的流程圖；
[0021] 圖2是本發(fā)明中，圖像感興趣區(qū)域分層分塊的結(jié)果；
[0022] 圖3是本發(fā)明中，在晚上車道線模糊情況下，車道線檢測(cè)的過程；其中（a)表示感 興趣區(qū)域，（b)表示分割后的結(jié)果，（c)表示根據(jù)車道線特征去干擾后的結(jié)果，（d)表示車道 線檢測(cè)的最終結(jié)果；
[0023] 圖4是本發(fā)明中，在有字符干擾情況下，車道線檢測(cè)的過程；其中（a)表示感興趣 區(qū)域，（b)表示分割后的結(jié)果，（c)表示根據(jù)車道線特征去干擾后的結(jié)果，（d)表示車道線檢 測(cè)的最終結(jié)果；
[0024] 圖5是本發(fā)明中，在有陰影情況下，車道線檢測(cè)的過程；其中（a)表示感興趣區(qū)域， (b)表示分割后的結(jié)果，（c)表示根據(jù)車道線特征去干擾后的結(jié)果，（d)表示車道線檢測(cè)的 最終結(jié)果。

【具體實(shí)施方式】
[0025] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步描述，但本發(fā)明的保護(hù)范圍并不僅限于 此：
[0026] 實(shí)施例1 :如圖1所示，一種車道線自適應(yīng)檢測(cè)方法，包括以下步驟：
[0027] 步驟1--感興趣區(qū)域的劃分：
[0028] St印01:首先在路面中進(jìn)行標(biāo)志點(diǎn)的配置，沿著與車身平行的方向設(shè)置4個(gè)標(biāo)志 點(diǎn)，保證這4個(gè)標(biāo)志點(diǎn)的圖像距離在[200, 300]像素之間，并在其中一個(gè)方向上，測(cè)量一段 實(shí)際距離范圍在[2m，6m]之間的線段并給予相應(yīng)的標(biāo)記；
[0029] St印02:完成相應(yīng)的配置后，利用消失點(diǎn)屬性的相機(jī)標(biāo)定原理，實(shí)現(xiàn)安裝的相機(jī)相 對(duì)于路面的俯仰角fpitch，朝向角fYaw，翻轉(zhuǎn)角fRoll、以及像平面與路面坐標(biāo)兩坐標(biāo)系 的距離fL這幾個(gè)外部參數(shù)的標(biāo)定，從而確定了從路面坐標(biāo)到圖像坐標(biāo)的轉(zhuǎn)換公式，如下所 示，其中f為相機(jī)的焦距：

【權(quán)利要求】
1. 一種車道線自適應(yīng)檢測(cè)的方法，其特征在于包括以下步驟： 1) 感興趣區(qū)域劃分： 1. 1)讀取圖像幀，圖像幀上沿車身平行方向配置標(biāo)志點(diǎn)，根據(jù)配置獲取圖像中的直線 消失點(diǎn)； 1. 2)利用消失點(diǎn)屬性的相機(jī)標(biāo)定原理，完成路面坐標(biāo)到圖像坐標(biāo)轉(zhuǎn)換； 1. 3)計(jì)算出相對(duì)于相機(jī)中心的寬度范圍為[3. 5m，10m]處以及前方距離[3. 5m，100m] 處所對(duì)應(yīng)的圖像坐標(biāo)，擬合出相應(yīng)的直線，確定出下部分為矩形，上部分為梯形的感興趣區(qū) 域； 2) 基于分層分塊的圖像分割： 將感興趣區(qū)域分成4層，共16塊，每一塊區(qū)域采用高斯濾波算法和Sobel算子處理；然 后統(tǒng)計(jì)各塊區(qū)域內(nèi)圖像灰度平均值PixelMean及方差PixelStd，計(jì)算出分割閾值；根據(jù)分 割閾值對(duì)邊緣圖像進(jìn)行分割； 3) 車道線特征的提取以及去干擾處理： 統(tǒng)計(jì)分割圖像中的所有線段，計(jì)算每條線段的特征，包括：起點(diǎn)start，終點(diǎn)end， 從起點(diǎn)到終點(diǎn)的實(shí)際距離HopWi dth、平均亮度meanp ixe 1，起止點(diǎn)位置之前平均亮度 fmeanpixel，起止點(diǎn)位置之后平均亮度afmeanpixel，利用車道線的寬度特征對(duì)線段進(jìn)行一 次去干擾處理，再利用車道線亮度特征進(jìn)行二次去干擾處理； 4) 車道線確認(rèn)： 在感興趣區(qū)域內(nèi)，以消失點(diǎn)為中心，將消失點(diǎn)左半部分為左車道線的搜索區(qū)域、消失點(diǎn) 右半部分為右車道線的搜索區(qū)域，建立cos ( Θ ) XW和sin ( Θ ) Xh的變換表格，根據(jù)變換表 格搜索所有區(qū)域計(jì)算得到候選車道線；通過車道寬度特征及車道線相互平行特征篩候選車 道線確定車道線。
2. 根據(jù)權(quán)利要求1所述的一種車道線自適應(yīng)檢測(cè)的方法，其特征在于，所述感興趣區(qū) 域的矩形區(qū)域包括第一層和第二層，最下方為第一層，第一層平分成3塊，第二層平分成4 塊；感興趣區(qū)域的梯形區(qū)域包括第三層和第四層，第三層平分成5塊，第四層平分成6塊。
3. 根據(jù)權(quán)利要求1所述的一種車道線自適應(yīng)檢測(cè)的方法，其特征在于，所述車道線確 認(rèn)步驟中，在搜索區(qū)域前，先對(duì)Hough變化進(jìn)行初始化，確定以2度為搜索的步長(zhǎng)，分配存儲(chǔ) 投影數(shù)目Hough_Matrix( θ，p )內(nèi)存。
4. 根據(jù)權(quán)利要求3所述的一種車道線自適應(yīng)檢測(cè)的方法，其特征在于，所述投影直 線P = ?父(3〇8(0)+}1\以11(0)，若在相應(yīng)的直線上存在白點(diǎn)，則在其對(duì)應(yīng)的投影數(shù)目 Hough_Matrix( θ，p )中加 1。
【文檔編號(hào)】G06K9/46GK104102905SQ201410338412
【公開日】2014年10月15日 申請(qǐng)日期:2014年7月16日 優(yōu)先權(quán)日:2014年7月16日
【發(fā)明者】陳群, 盧朝洪, 馮忠明, 韓春立, 嚴(yán)江江, 李玲 申請(qǐng)人:中電海康集團(tuán)有限公司