基于二值圖像的車道線保留與檢測算法
【技術領域】
[0001] 本發(fā)明涉及智能交通領域，尤其涉及一種二值圖像中噪聲的去除及車道線檢測的 方法。
【背景技術】
[0002] 目前，智能交通受到普遍的關注，車道線的檢測是智能交通的重要組成部分，它是 道路保持系統(tǒng)、軌道偏離預警系統(tǒng)等多種系統(tǒng)做出判斷的重要前提條件。
[0003] 調(diào)查報告顯示，目前，由于駕駛員無意識的偏離軌道而引發(fā)的交通事故，在交通事 故中占了很大的一個比例，如果能在駕駛員將要偏離軌道前〇. 5秒給予及時的提醒，則事 故的發(fā)生率將會有一個很大程度上的降低，所以急需一種能準確識別出軌道線，并且及時 預警的方法，來緩解由于疲勞、無意識而發(fā)生的交通事故的發(fā)生，保護人們的生命和財產(chǎn)安 全。
[0004] 傳統(tǒng)的車道線檢測算法為霍夫變換。由于霍夫變換主要是擬合直線，所以對于彎 道不能很好的識別。同時路邊的欄桿與路肩可能會被認為成車道線，出現(xiàn)漏檢的情況，所以 該算法在在穩(wěn)定性上存在一定的問題，需要新的軌道線識別算法來為軌道偏離預警系統(tǒng)的 優(yōu)化注入新的血液與活力。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種二值圖像部分車道線的篩選與噪聲去除的方法，旨在解 決現(xiàn)有軌道線識別實時性低、準確性不足的特性。
[0006] 本發(fā)明的技術方案是提供一種基于二值圖像的車道線保留與檢測算法，其特征在 于：包括如下步驟：
[0007] 步驟1、從攝像頭采集24位真彩圖片，通過圖像的灰度化及灰度化圖像的閾值分 害撾程，轉(zhuǎn)化為二值圖像，在該二值圖像中，將道路區(qū)域圖像作為待處理區(qū)域；
[0008] 步驟2、進行最初的去輪廓處理，即對于道路區(qū)域中分散的白色像素與輪廓特征畸 形的區(qū)域，通過提取道路區(qū)域中的每個輪廓特征，去除輪廓面積小于閾值T_ a及輪廓的高 寬比小于閾值T"= 1/5的輪廓；其中T _是根據(jù)道路區(qū)域中所有輪廓的個數(shù)決定的，即 Ta_將道路區(qū)域的輪廓按面積劃分成面積大小排在前1/4的輪廓，而T "= 1/5則是算法定 義的一個閾值；在該步驟中：
[0009] 步驟201 :通過輪廓面積的約束去除部分噪聲；
[0010] 步驟202 :再次通過提取道路區(qū)域下半部分作為下一步的圖片處理區(qū)域，并定義 道路區(qū)域的下半部分為搜尋區(qū)域；
[0011] 步驟203 :去除搜尋區(qū)域中，輪廓的高寬比小于閾值T"= 1/5的輪廓；
[0012] 步驟3、對搜尋區(qū)域作輪廓的提取，記錄輪廓中第3行至第L-2行每行白色像素的 個數(shù)到數(shù)組a[L-4]中，其中L為輪廓的高度，并計算數(shù)組a[L-4]的方差〇 2;
[0013] 記錄輪廓左右邊緣點的坐標，分別對輪廓左右邊緣點進行直線擬合，保留輪廓左 右邊緣的斜率K1和K2,剔除數(shù)組a[L-4]方差〇2>T。，且輪廓左右邊緣的斜率K1和K2之 間的差值超過10%的輪廓，即剔除的輪廓，其中To為輪廓數(shù)組a[L-4]的方 k2 差從小到大排序，排在第9位的輪廓數(shù)組的方差；在該步驟中：
[0014]步驟301 :記錄輪廓的寬度值，即輪廓寬度方向上第3行至L-2行中每行白色像素 的個數(shù)到數(shù)組a[L-4]中，其中L為輪廓的高度；
[0015] 步驟302 :由于視差導致的車道線寬度由近及遠會逐漸變窄，求取數(shù)組a[L_4]首 尾相加的平均值作為新的數(shù)組，求取新數(shù)組的方差〇 2作為篩選輪廓的方差值，從而消除視 差的影響；
[0016] 步驟303:在搜尋區(qū)域的輪廓中，根據(jù)輪廓中點橫坐標x與W/2的大小，若x小于 W/2,則為左輪廓，若x大于W/2,則為右輪廓。，其中W為圖片的寬度；
[0017] 步驟304 :對于左右輪廓的寬度方差，即數(shù)組a[L_4]的變形之后的新數(shù)組的方差， 分別按從小到大的順序排列，對于左右輪廓部分分別取排序靠前的四個輪廓作為預留輪 廓，其它的則去除；
[0018] 步驟305 :通過對輪廓左右邊緣斜率&與K2數(shù)值差別的約束，去掉左右邊緣斜率 差別大于10%的輪廓，即f-l >10%時的輪廓；
[0019] 步驟4、經(jīng)過方差與斜率的約束，仍然保留下來的輪廓，則認為符合車道線特征的 輪廓；在該步驟中：
[0020] 步驟401 :通過搜尋區(qū)域的輪廓繼續(xù)在道路區(qū)域?qū)ふ曳宪嚨谰€特征的輪廓通過 搜尋區(qū)域的輪廓在道路區(qū)域繼續(xù)尋找符合車道線特征的輪廓，一條車道線上的輪廓在同一 個方向上，所以可以通過輪廓邊緣點的斜率繼續(xù)在道路區(qū)域中尋找，這就要對輪廓的邊緣 點進行二次擬合，并且求得輪廓斷裂部分邊緣點的斜率，以便繼續(xù)沿著輪廓斷裂部分的斜 率繼續(xù)尋找。
[0021] 步驟402 :要確定接下來的尋找方向，必須要清楚輪廓的方向，輪廓的方向可以通 過擬合得到的二次曲線來求取，即對輪廓縱向上邊緣點求導得到；
[0022] 對于求解得到的二次曲線求導得到，方程的導數(shù)為y' al+2a2x與y'2=bi+2b2x， 其中x為輪廓左右邊緣點的橫坐標，其中&1、&2、13 1、132分別為擬合得到的二次曲線的參數(shù)信 息，y' :與y' 2分別為車道線左右邊緣的尋找方向；
[0023] 步驟403:在尋找方向上對于搜尋到的輪廓，則認定為同一輪廓組。并對搜尋到的 輪廓的左右邊緣點分別添加儲存到數(shù)組Pointsl與Points2中，當搜尋到的輪廓再次出現(xiàn) 斷線的時候，可以通過新數(shù)組Pointsl與Points2重復步驟401與402繼續(xù)尋找，直到搜尋 到圖像的邊界，記錄下圖像邊界的橫坐標Ws，再根據(jù)最終確定的尋找方向計算該組輪廓與 圖片底端交點的橫坐標Wx，若該輪廓組的中點的橫坐標在圖片的左半邊，則輪廓組為左車 Ws+W\ 道線，若在圖片的右半邊，則為右車道線
[0024] 步驟5、只保留車輛所在的行駛車道的輪廓組，其余車道線輪廓組則去除；該步驟 中：
[0025] 步驟501:對于保留下來的符合軌道線特征的輪廓，只保留離圖像中垂線位置較 近的兩組軌道線，即車輛所在的行駛車道線。
[0026] 步驟502 :對于保留下來的符合軌道線特征的輪廓組，計算輪廓尋找方向與圖片 上端的交點Ws，圖片左右兩邊滿足交點Ws與圖片中點橫坐標的距離最小的輪廓組為左右 車道線輪廓組，即mini Ws-W|，行駛車道線輪廓組，即只保留車輛所在的車道線輪廓組；
[0027] 步驟6、對于保留下來的行駛車道輪廓組，為了判斷車輛與車道線的位置關系，需 要擬合出左右車道線，提取車道線與車輛的位置信息，為預警與否作準備。
[0028] 步驟601 :搜集車道線擬合需要采集的數(shù)組點到數(shù)組Pointsl與Points2中；
[0029] 對保留下來的左右兩組輪廓組進行曲線擬合，提取車道線與車輛的位置信息，將 左邊輪廓組內(nèi)輪廓的右邊緣點記錄在數(shù)組Pointsl中，將右邊輪廓組內(nèi)的輪廓的左邊緣記 錄在數(shù)組Points2中；
[0030] 步驟602:對于數(shù)組Pointsl與數(shù)組Points2中的點，分別通過最小二乘法進行二 次曲線擬合，得到曲線方程分別為7丨=aa+aiX+ajlP y2= ba+biX+t^x2,其中a。、bQ、a2、 bi、b 2分別為擬合得到的二次曲線的參數(shù)信息；
[0031] 步驟603 :在攝像頭采集的原始圖片中用線條標注出車道線的具體位置，從而得 到擬合效果圖；
[0032] 進一步地，步驟101 :截取包括有完整的車道線的部分圖片，并使得圖中道路區(qū)域 為原圖面積的一半；
[0033] 步驟102 :調(diào)整截取的部分圖片的大小，使其寬和高的像素個數(shù)分別為512,384， 從而使得待處理的道路區(qū)域的寬和高的像素個數(shù)為512,192。
[0034] 本發(fā)明的有益效果：
[0035] (1)通過輪廓的篩選，能夠很快的鎖定車道線輪廓的大致范圍，縮短了車道線檢測 的時間消耗。
[0036](2)車道線寬度方差與車道線輪廓左右邊緣擬合直線這對約束進一步篩選符合車 道線特征的輪廓，提高了算法的穩(wěn)定性。
[0037] (3)保留離圖像中線位置最近的左右車道線輪廓，使算法的穩(wěn)定性得到了進一步 的加強，很大程度的削減了路邊欄桿與路肩對車道線檢測算法的干擾。
【附圖說明】
[0038] 圖1本發(fā)明實施例提供的車道線檢測流程圖；
[0039]圖2本發(fā)明實施例提供圖片道路與非道路區(qū)域示意圖；
[0040] 圖3本發(fā)明實施例提供的二值圖像示意圖；
[0041]圖4本發(fā)明實施例提供的第一步輪廓去噪示意圖；
[0042]圖5本發(fā)明實施例提供的左輪廓邊緣點選取示意圖；
[0043] 圖6本發(fā)明實施例提供的右輪廓左右邊緣點選取示意圖；
[0044] 圖7本發(fā)明實施例提供的搜尋區(qū)域去噪示意圖；
[0045] 圖8本發(fā)明實施例提供的軌道線尋找方向確定示意圖；
[0046] 圖9本發(fā)明實施例提供的二值圖像最終結果示意圖；
[0047]圖10本發(fā)明實施例提供的車道線擬合示意圖。
【具體實施方式】
[0048] 以下將結合附圖1-10對本發(fā)明所述的算法的流程進行詳細說明。
[0049] 如圖1所示，本發(fā)明檢測車道線的流程圖，主要通過采集、去噪、搜索、擬合四個步 驟提取車道線與車輛的位置信息。具體方法如下：
[0050] 對從攝像頭獲取的24位真彩圖像，通過圖像的灰度化及灰度化圖像的閾值分割 得到二值圖像，二值圖像是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值 圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當表示人物，風景的圖像 時，二值圖像只能描述其輪廓，不能描述細節(jié)。這時候要用更高的灰度級。二值圖像經(jīng)常出 現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結果中出現(xiàn)。
[0051] 本發(fā)明應用主要針對二值圖像，本發(fā)明所述的一種基于視覺的軌道偏離預警二值 圖像去噪與軌道線保留算法
[0052] 具體包括如下步驟：
[0053] 步驟1、從攝像頭采集到的24位真彩圖片，通過圖像的灰度化及灰度化圖像的閾 值分割過程，轉(zhuǎn)化為二值圖像，對于得到二值圖像，將道路區(qū)域圖像作為待處理區(qū)域。
[0054] 攝像頭安裝在擋風玻璃的正中央，保證圖片的中垂線為車輛行駛的正前方，然后 攝像頭的俯仰角調(diào)整到，視野中的道路區(qū)域占圖片面積的1/2。
[0055] 如圖2所示，其中道路區(qū)域面積占整個二值圖像面積的1/2,其他圖像區(qū)域不作處 理；
[0056] 步驟101 :截取包括有完整的車道線的部分圖片，并使得圖中道路區(qū)域為原圖面 積的一半；
[0057] 為了兼顧車道線提取過程的魯棒性與實時性，選擇截取圖片的一部分作為處理區(qū) 域，提高實時性，同時，還要保證在圖片的處理區(qū)域包含有完整的車道線，從另一方面保證 算法的穩(wěn)定性。攝像頭采集的圖片中的道路區(qū)域包含有完整的車道線信息，通過調(diào)整攝像 頭的外部參數(shù)，使得道路區(qū)域的大小為原圖面積的一半，如圖2所示。
[0