專利名稱：一種基于魯棒統(tǒng)計的行道線檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于車輛自主導航與主動安全領(lǐng)域，特別是一種基于魯棒統(tǒng)計的行道線檢測方法。
背景技術(shù)：
行道線是高速公路、省級公路、城市道路中最普遍的交通引導標志。在智能車輛導航中，行道線是最主要的視覺感知對象，魯棒的檢測跟蹤道路行道線，就能給智能車輛正確的導引，為高層次的知識融合、行為規(guī)劃提供可靠的依據(jù)。如機器人導航系統(tǒng)通過前視攝像機拍攝正前方道路圖像，利用圖像分析軟件從圖像中檢測行道線，并通過視覺標定將檢測的行道線由二維圖像坐標系投射到三維空間坐標系中，構(gòu)建真實道路邊界線，再將車輛位置與行道線位置作比較，判斷車輛行駛狀態(tài)是居中、靠左還是靠右，以及結(jié)合雷達等傳感器判斷各車道是否有其它機動車輛，使車輛能智能的直行、避障、超車和跟隨等 ([1] Young Uk Yimj Se-Young Oh. Three-Feature based automatic lane detection algorithm (TFALDA) for Autonomous Driving. IEEE Transaction on intelligent transportation systems. Vol. 4, No. 4 2003·)。行道線檢測也是車輛主動安全中的一個重要環(huán)節(jié)，對行道線的準確檢測是讓車輛在一個安全區(qū)域行駛的基礎。智能車輛一旦有了自主導航的能力，遇到突發(fā)情況，就可以根據(jù)情況做出決策，改變自身的相對位置，保證車輛行駛的安全性?；谛械谰€檢測技術(shù)的駕駛員輔助駕駛系統(tǒng)或預警系統(tǒng)，可以提高行駛的安全性，減少交通事故的發(fā)生 ([2] Mohamed Aly. Real time Detection of Lane Markers in Urban Streets. IEEE intelligent vehicles Symoposiumj 2008.)。行道線檢測技術(shù)還可以和其它技術(shù)相結(jié)合，提高系統(tǒng)性能。如車輛遙控駕駛、工廠、倉庫的巡邏、星球探險、危險區(qū)域采樣、軍事用途等。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于魯棒統(tǒng)計的行道線檢測方法，實現(xiàn)行道線的準確檢測，能做到實時處理，具有較強的抗干擾能力。本發(fā)明的技術(shù)方案為一種基于魯棒統(tǒng)計的行道線檢測方法，步驟為 步驟1 圖像預處理，依據(jù)指定的參數(shù)設置興趣處理區(qū)域；
步驟2 行道線分割，依據(jù)灰度、線寬特性從興趣處理區(qū)域中分割行道線； 步驟3 依據(jù)魯棒統(tǒng)計方法，對行道線幾何形狀進行描述；
步驟4 使用行道線的消失點、行道線與興趣區(qū)域上下底邊圍成區(qū)域的面積大小約束剔除不可靠、置信度低的行道線，提高檢測結(jié)果的魯棒性。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點為(1)直接對單幅圖像進行處理；(2)無需根據(jù)不同的環(huán)境改變算法參數(shù)；(3)受光照不均、陰影、路面非行道線標記干擾等影響較?。?4)時間復雜度低，能實時處理；(5)系統(tǒng)配置簡單、硬件成本低、易于大規(guī)模推廣。
下面結(jié)合附圖對本發(fā)明作進一步詳細描述。


圖1是本發(fā)明基于魯棒統(tǒng)計的行道線檢測方法的流程圖。圖2是本發(fā)明的 興趣處理區(qū)域設置示意圖。圖3是本發(fā)明的不同閾值下的二值化圖像與找到的特定RL線段示意圖(a)分割前圖像；(b)閾值4 = 94下的分割結(jié)果；(c)行和列方向RL線段選擇結(jié)果；(d)閾值
Ii =128下的分割結(jié)果；(e)行和列方向RL線段選擇結(jié)果；(f)閾值4 = 194下的分割結(jié)果；(g)行和列方向RL線段選擇結(jié)果。圖4是本發(fā)明的在PW94]范圍內(nèi)窮舉分割并選擇合適的RL線段累積得到的RL 累積圖。圖5是本發(fā)明的在RL累積圖尋找行道線示意圖(a)檢測左行道線；(b)將檢測出的左行道線區(qū)域置0 ； (c)檢測右行道線；(d)將檢測出的右行道線區(qū)域置0。圖6是本發(fā)明的典型行道線檢測結(jié)果(a)路段l;(b)路段2; (c)路段3 ； (d) 路段4;(e)路段5;(f)路段6。
具體實施例方式本發(fā)明基于魯棒統(tǒng)計的行道線檢測方法，步驟如下 第一步，圖像預處理，依據(jù)指定的參數(shù)設置興趣處理區(qū)域。手工指定圖像上一個矩形區(qū)域，矩形區(qū)域上邊的圖像行坐標Yl根據(jù)行道線檢測的最遠距離要求設定，下邊的圖像行坐標Y2設為車頭最前端在圖像上的行坐標，左右邊的圖像列坐標分別設為X和Width-X (Width為圖像寬度)，圖像的左右最外邊的X列像素不作處理，該矩形區(qū)域即為興趣區(qū)域，X為攝像機采集到圖像的無效區(qū)寬度。如X為8時，圖2 給出了興趣處理區(qū)域設置示意圖，白色矩形框即為感興趣區(qū)域。第二步，行道線分割，依據(jù)灰度、線寬特性從興趣處理區(qū)域中分割行道線。(1)將興趣處理區(qū)域圖像灰度化，對于RGB空間中的一點，計算原點至該點向量在對角線上的投影即可得到該顏色的灰度值Γ ；考慮到視覺效果的不同，可以調(diào)整R、G、B各分量在灰度化時對灰度值的貢獻，設它們的貢獻分別為Q，cf，q，這樣就可以得，其中系數(shù)^ O且滿足Q +Q = 1 ；對于光照充足的白天道路圖像其灰度化
系數(shù)的任意選擇對后續(xù)的檢測算法沒有實質(zhì)性的影響，但是對于光照惡劣的天氣
下，RGB彩色圖像的R分量和B分量信噪比很低，因此，本發(fā)明取G分量作為灰度化圖像，即
T = g 0(2)統(tǒng)計興趣處理區(qū)域內(nèi)的灰度直方圖，利用灰度直方圖形狀特性找到兩個灰度級Tl、T2(T1<T2)，作為分割閾值，即利用灰度直方圖計算均值和均萬差^取 Tl = max(70, u_ σ、’ Tl = mm( 250,a + 2σ)作為最小最大分割閾值，分別用[Τ 1，Τ2]之間
每一個灰度值4作為分割閾值二值化興趣處理區(qū)域圖像，即興趣處理區(qū)域圖像內(nèi)灰度值大于4的像素灰度值變?yōu)?55 (白點)，反之變?yōu)?(黑點)，在二值化后的黑白圖像中，每行、每列分別找特定長度(長度大于10)的連續(xù)為白點的線段，稱為RL線段。圖3表示了部分分割結(jié)果。其中(a)表示分割前圖像，由灰度直方圖獲得參數(shù)#=8435,σ= 54.89, T1 = 70,T2 = 194 ； (b)、(d)、(f)分別表示對(a)進行不同閾值分割的結(jié)果，(c)、(e)、(g)表示對(b)、(d)、(f)經(jīng)過行和列方向RL線段選擇的結(jié)果。建立與興趣處理區(qū)域圖像等寬高的累積圖像，初始像素值設為0，對于每個用4閾值分割得到的二值圖像中的每個滿足要求的RL線段所包含的像素點，使累積圖像對應位置的像素點灰度值遞增1。圖4表示在[7CU94]范圍內(nèi)窮舉分割并選擇合適的RL線段累積得到的RL累積圖。本發(fā)明的行道線分割方法，在小范圍內(nèi)窮舉閾值分割行道線，考慮了線的結(jié)構(gòu)特征，能有效避免光照不均、陰影以及無效標記干擾的影響。第三步，采用魯棒統(tǒng)計方法，對行道線幾何形狀進行描述。累積圖像上灰度值越大的象素點越可能是行道線上的點。利用Hough變換在累積圖像上按直線顯著性順次尋找可能的直線，即先尋找顯著性最強的直線，將找到的直線包含的像素點從累積圖像上去除(灰度值賦0)，再尋找次強的，依次類推。直線顯著性是指該直線極坐標方程的參數(shù)在Hough變換的參數(shù)空間上對應的累積值。在累積圖像上尋找直線，直線方程采用極坐標參照系，極坐標方程表示為
其中包含,A曰兩個未知參數(shù)，需要依靠魯棒統(tǒng)計方法進行預測，魯棒統(tǒng)計方法主要目的是在含有特定的內(nèi)點(符合模型參數(shù)的樣本)和外點(噪聲樣本)比例下， 可靠的利用內(nèi)點估計出模型參數(shù)。常用的魯棒統(tǒng)計方法有基于參數(shù)空間變換的Hough方法， 基于殘差空間的RANSAC方法等。由于累積圖像上灰度值越大的象素點越可能是行道線上的點，因此使用灰度加權(quán)Hough變換方法，即將像素的灰度值作為像素權(quán)重代入到Hough變換的累加器中。為了避免多個小灰度值的累積得到較大的累加值情況，對于像素值低于一定門限時不參與累積，門限取最大值的五分之一。圖5為在RL累積圖尋找行道線示意圖，其中(a)表示左行道線檢測，黃線表示左行道線檢測結(jié)果；(b)表示將(a)中檢測出的左行道線區(qū)域的灰度值置0 ； (c)表示右行道線檢測，黃線表示右行道線檢測結(jié)果；(d)表示將(c) 中檢測出的右行道線區(qū)域的灰度值置0。第四步，虛假行道線剔除，即使用行道線的消失點、行道線與興趣區(qū)域上下底邊圍成區(qū)域的面積大小約束剔除不可靠、置信度低的行道線，提高檢測結(jié)果的魯棒性。利用行道線的直線方程求出所有行道線的交點，使用行道線的消失點、行道線與興趣區(qū)域上下底邊圍成區(qū)域的面積大小等約束剔除不可靠、置信度低的行道線。如果滿足下面約束中的任意一條，則置信度低的行道線將被刪除
(1)所有行道線的交點的行坐標Y低于roiHeight/3;roiHeight為興趣區(qū)域圖像高
度；
(2)任意兩條行道線與興趣區(qū)域上下底邊圍成的區(qū)域面積應低于興趣區(qū)域面積的1/4。圖6中(a)、(b)、(c)、(d)、(e)、(f)分別給出了不同道路的行道線檢測結(jié)果，其中白色矩形框表示感興趣區(qū)域，所繪直線表示行道線檢測結(jié)果。
權(quán)利要求
1.一種基于魯棒統(tǒng)計的行道線檢測方法，其特征在于步驟為步驟1 圖像預處理，依據(jù)指定的參數(shù)設置興趣處理區(qū)域；步驟2 行道線分割，依據(jù)灰度、線寬特性從興趣處理區(qū)域中分割行道線；步驟3 依據(jù)魯棒統(tǒng)計方法，對行道線幾何形狀進行描述；步驟4 使用行道線的消失點、行道線與興趣區(qū)域上下底邊圍成區(qū)域的面積大小約束剔除不可靠、置信度低的行道線，提高檢測結(jié)果的魯棒性。
2.根據(jù)權(quán)利要求1所述的基于魯棒統(tǒng)計的行道線檢測方法，其特征在于在步驟1中，即在圖像預處理中采用的步驟如下手工指定圖像上一個矩形區(qū)域，矩形區(qū)域上邊的圖像行坐標Yl根據(jù)行道線檢測的最遠距離要求設定，下邊的圖像行坐標Y2設為車頭最前端在圖像上的行坐標，左右邊的圖像列坐標分別設為X和Width-X，圖像的左右最外邊的X列像素不作處理，該矩形區(qū)域即為興趣區(qū)域，X為攝像機采集到圖像的無效區(qū)寬度。
3.根據(jù)權(quán)利要求1所述的基于魯棒統(tǒng)計的行道線檢測方法，其特征在于在步驟2中，即在行道線分割中采用的步驟如下步驟21 統(tǒng)計興趣處理區(qū)域內(nèi)的灰度直方圖，利用灰度直方圖形狀特性找到兩個灰度級T1、T2(T1<T2)，作為分割閾值；步驟2 2 :分別用[T 1，T 2 ]之間每一個灰度值h作為閾值二值化興趣處理區(qū)域圖像，即興趣處理區(qū)域圖像內(nèi)灰度值大于4的像素灰度值變?yōu)?55，反之變?yōu)?，在二值化后的二值圖像中，每行、每列分別找特定長度的連續(xù)為白點的線段；步驟23 建立與興趣處理區(qū)域圖像等寬高的累積圖像，初始像素值全設為0，對于每個用4閾值分割得到的二值圖像中的每個滿足要求的白點線段所包含的像素點，使累積圖像相應像素點灰度值遞增1。
4.根據(jù)權(quán)利要求1所述的基于魯棒統(tǒng)計的行道線檢測方法，其特征在于在步驟3中，即在依據(jù)魯棒統(tǒng)計方法，對行道線幾何形狀進行描述中采用的步驟如下利用Hough變換在累積圖像上按直線顯著性順次尋找可能的直線，即先尋找最強的，將找到的直線包含的像素點從累積圖像上去除，再尋找次強的，依次類推。
全文摘要
本發(fā)明公開了一種基于魯棒統(tǒng)計的行道線檢測方法，從原圖上提取出包含行道線的道路區(qū)域圖像，使用局部閾值窮舉法分割興趣區(qū)域圖像，并篩選出特定長度的RL線段，對RL線段進行累積，在累積圖像上利用魯棒統(tǒng)計方法估計行道線模型參數(shù)，最后根據(jù)道路幾何約束去除虛假道路邊。本發(fā)明可以準確的檢測結(jié)構(gòu)化、半結(jié)構(gòu)化道路上的行道線，對于一些標記退化的道路和干擾較重的道路也有很好的適應性，具有高實時性、高魯棒性的優(yōu)點，易于推廣到機器人導航、車輛主動安全等應用領(lǐng)域。
文檔編號G06K9/00GK102201054SQ20111000261
公開日2011年9月28日 申請日期2011年1月7日 優(yōu)先權(quán)日2011年1月7日
發(fā)明者任明武, 唐振明, 王歡, 趙春霞, 陸建峰 申請人:南京理工大學