定得到的車道線寬度Lmin和Lmax來設(shè)置車道線的匹配模型，匹配模型的車道線寬度W的計(jì)算公式為:W= (Lmin+Lmax)/A，其中A的取值范圍為1.5?2.5，則檢測(cè)區(qū)域?yàn)槠ヅ淠Ｐ偷能嚨谰€寬度W以及與車道線左右相鄰寬度各為W的范圍，如圖3所示，車道線邊緣出現(xiàn)在左邊W和右邊W的概率設(shè)置為B，車道線邊緣出現(xiàn)在中間W的概率設(shè)置為C，其中，B的取值范圍為70%?95%，C的取值為1-B。
[0030]檢測(cè)區(qū)域確認(rèn)后，對(duì)檢測(cè)區(qū)域范圍內(nèi)的圖像，進(jìn)行水平方向中值濾波以去除圖像噪聲，減少干擾，濾波窗口大小為I XN，其中N的范圍為5~11，中值濾波是一種非線性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值，屬于圖像處理領(lǐng)域的常用算法，于此不再具體說明。
[0031](二)檢測(cè)邊緣點(diǎn)對(duì):
2.1:在檢測(cè)區(qū)域內(nèi)，按行方向(即圖4所示的箭頭線方向)統(tǒng)計(jì)灰度值，得到灰度值圖，如圖5所示；
2.2:利用模板為[-1，2，-1]的濾波器計(jì)算灰度的梯度，得到灰度梯度圖，如圖6所示，利用濾波器對(duì)圖像灰度的梯度進(jìn)行計(jì)算是圖像處理領(lǐng)域的常用算法，于此不再具體說明；
2.3:對(duì)灰度梯度圖6進(jìn)行平滑處理，平滑后如圖7，平滑窗口大小為1XM，M的范圍為5?21，利用平滑窗口平滑處理灰度梯度圖是圖像處理領(lǐng)域的常用算法，于此不再具體說明；
2.4:圖7中豎直線的部分表示邊緣位置，從圖中可以看出道路中間的標(biāo)記可能導(dǎo)致邊緣誤判。所以需要利用車道線匹配模型對(duì)平滑后的梯度圖進(jìn)行邊緣調(diào)制，去除中間部分的干擾邊緣，得出正確的邊緣點(diǎn)對(duì)，具體方法:利用車道線的匹配模型設(shè)定的各個(gè)區(qū)域出現(xiàn)車道線的概率(圖8)與圖7對(duì)應(yīng)位置的灰度梯度值進(jìn)行乘法運(yùn)算，運(yùn)算后如圖9所示，圖中虛線為運(yùn)算前的灰度梯度，粗實(shí)線為運(yùn)算后的灰度梯度，從粗實(shí)線可以看出，中間部分的干擾邊緣消失，只剩下正確的邊緣位置；
2.5:按照上述的方法，逐行計(jì)算檢測(cè)車道線的邊緣點(diǎn)對(duì)，形成車道線邊緣點(diǎn)對(duì)圖，如圖10所示。
[0032](三)車道線擬合:
3.1:對(duì)上步提取到的車道線邊緣點(diǎn)對(duì)圖，進(jìn)行半徑為D的灰度閉操作得到圖像ImageClosing，如圖11所示，其中D的范圍為5.5?11.5，灰度閉操作是圖像處理領(lǐng)域的常用算法，于此不再具體說明；
3.2:對(duì)圖像ImageClosing進(jìn)行連通域操作，得到六個(gè)連通域，如圖12所示，連通域操作是圖像處理領(lǐng)域的常用算法，于此不再具體說明； 3.3:選擇面積最大的兩個(gè)連通域(110和111)，進(jìn)行最小二乘法直線擬合，得到車道邊緣線，如圖13所示，從圖中可以看到，擬合出來的車道邊緣線與實(shí)際車道邊緣線重合，檢測(cè)結(jié)果正確。
[0033]盡管結(jié)合優(yōu)選實(shí)施方案具體展示和介紹了本發(fā)明，但所屬領(lǐng)域的技術(shù)人員應(yīng)該明白，在不脫離所附權(quán)利要求書所限定的本發(fā)明的精神和范圍內(nèi)，在形式上和細(xì)節(jié)上可以對(duì)本發(fā)明做出各種變化，均為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1.一種車道線的檢測(cè)方法，其特征在于，包括如下步驟: (一)車道線建模，確定檢測(cè)區(qū)域: 1.1:采集一幅攝像機(jī)圖像ImageColor ； 1.2:在圖像ImageColor內(nèi)部指定遠(yuǎn)處和近處的車道線寬度Lmin和Lmax; 1.3:根據(jù)Lmin和Lmax設(shè)置車道線的匹配模型，估算檢測(cè)區(qū)域； 1.4:對(duì)檢測(cè)區(qū)域范圍內(nèi)的圖像，進(jìn)行水平方向中值濾波； (二)檢測(cè)邊緣點(diǎn)對(duì): 2.1:在檢測(cè)區(qū)域內(nèi)，按行方向統(tǒng)計(jì)灰度值； 2.2:利用濾波器計(jì)算灰度的梯度，得到灰度梯度圖； 2.3:對(duì)梯度圖進(jìn)行平滑處理； 2.4:利用車道線模型對(duì)平滑后的梯度圖進(jìn)行邊緣調(diào)制，得出邊緣點(diǎn)對(duì)； 2.5:逐行計(jì)算車道線的邊緣點(diǎn)對(duì)，形成車道線邊緣點(diǎn)對(duì)圖； (三)車道線擬合: 3.1:對(duì)上步提取到的車道線邊緣點(diǎn)對(duì)圖，進(jìn)行灰度閉操作得到圖像ImageClosing ； 3.2:對(duì)圖像ImageClosing進(jìn)行連通域分析； 3.3:選擇面積最大的兩個(gè)連通域； 3.4:對(duì)提取到的連通區(qū)域進(jìn)行最小二乘法直線擬合，得到車道線。
2.根據(jù)權(quán)利要求1所述的一種車道線的檢測(cè)方法，其特征在于，所述步驟1.3中，匹配模型的車道線寬度W的計(jì)算公式為:W= (Lmin+Lmax) /A，其中A的取值范圍為1.5?2.5，所述檢測(cè)區(qū)域?yàn)槠ヅ淠Ｐ偷能嚨谰€寬度W以及與車道線左右相鄰寬度各為W的范圍。
3.根據(jù)權(quán)利要求2所述的一種車道線的檢測(cè)方法，其特征在于，所述檢測(cè)區(qū)域內(nèi)，車道線邊緣出現(xiàn)在左邊W和右邊W的概率設(shè)置為B，車道線邊緣出現(xiàn)在中間W的概率設(shè)置為C，其中，B的取值范圍為70%?95%，C的取值為1-B。
4.根據(jù)權(quán)利要求1所述的一種車道線的檢測(cè)方法，其特征在于，所述步驟1.4中，中值濾波的窗口大小為1XN，N取值范圍為5?11。
5.根據(jù)權(quán)利要求1所述的一種車道線的檢測(cè)方法，其特征在于，所述步驟2.2中，濾波器的模板為[-1,2, -1] ο
6.根據(jù)權(quán)利要求1所述的一種車道線的檢測(cè)方法，其特征在于，所述步驟2.3中，平滑窗口大小為1XM，M的取值范圍為5?21。
7.根據(jù)權(quán)利要求1所述的一種車道線的檢測(cè)方法，其特征在于，所述步驟2.4中，邊緣調(diào)制就是用車道線模型中設(shè)定的概率對(duì)平滑后的梯度圖進(jìn)行乘法操作。
8.根據(jù)權(quán)利要求1所述的一種車道線的檢測(cè)方法，其特征在于，所述步驟3.1中，灰度閉操作的半徑為D，D的取值范圍為5.5?11.5。
【專利摘要】本發(fā)明公開了一種車道線的檢測(cè)方法，包括以下步驟：首先，通過攝像機(jī)獲取車道線圖像，并進(jìn)行車道線寬度標(biāo)定；其次，進(jìn)行車道線建模，得出檢測(cè)區(qū)域；然后，檢測(cè)邊緣點(diǎn)對(duì)，得到車道線邊緣點(diǎn)對(duì)圖；最后，對(duì)車道線邊緣點(diǎn)對(duì)圖中最大的兩個(gè)連通域進(jìn)行最小二乘法直線擬合，得到車道線。本發(fā)明可完成復(fù)雜背景下對(duì)車道線進(jìn)行精準(zhǔn)檢測(cè)，抗干擾性強(qiáng)，計(jì)算過程簡(jiǎn)單，計(jì)算量小，算法快速，實(shí)時(shí)性強(qiáng)，具有較強(qiáng)的推廣與應(yīng)用價(jià)值。
【IPC分類】G06K9-46, G06K9-00
【公開號(hào)】CN104657727
【申請(qǐng)?zhí)枴緾N201510117857
【發(fā)明人】賴明鐘, 吳敬
【申請(qǐng)人】廈門麥克瑪視電子信息技術(shù)有限公司
【公開日】2015年5月27日
【申請(qǐng)日】2015年3月18日