一種快速車道線檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像識別技術(shù)領(lǐng)域，具體涉及一種快速車道線檢測方法。
【背景技術(shù)】
[0002] 隨著汽車的普及和車禍的頻發(fā)，汽車安全駕駛越來越受人關(guān)注。而大部分的車 禍都是由于駕駛員的不良習慣導致的。因此，高級駕駛員輔助系統(tǒng)（Advanced Driver Assistance System，ADAS)的提出可以有效的減小車禍的發(fā)生幾率。同時車道偏離檢測是 高級駕駛員是高級駕駛員輔助系統(tǒng)中重要的一環(huán)，因此快速準確的識別道路上的車道線顯 得尤為重要。
[0003] 在ADAS中，經(jīng)常會使用到各種各樣的傳感器裝備，例如激光雷達、GPS等。但是通 過視覺傳感器，利用計算機視覺方法檢測車道線不僅可以大大節(jié)約成本，并且檢測效果也 很好。目前，通過圖像識別技術(shù)對車道線進行檢測的方法包括基于圖像特征的識別的車道 線檢測方法和基于模型的識別的車道線檢測方法兩大類。
[0004] 基于特征的識別的車道線檢測方法主要分為在灰度圖中基于邊緣特征的識別和 在彩色圖中基于道路顏色紋理的識別等。在灰度圖中的邊緣特征提取，大部分都采用了霍 夫變換來進行車道的提取，但是霍夫變換的計算復雜度比較大，因此運行速度比較慢，同時 對于彎道的提取比較困難?；诘缆奉伾y理的識別大多數(shù)是將RGB顏色空間轉(zhuǎn)化為HSI 顏色空間，然后對一個像素的色度和亮度分別建模。但是在每個像素上進行操作，因此對道 路上的光線以及陰影較為敏感。
[0005] 基于模型的識別則的車道線檢測方法分為直線模型、樣條曲線模型、線性拋物線 模型、二次曲線模型和雙曲線模型等。這些模型都是屬于幾何模型，簡單固定的模型不能很 好的針對復雜多變的車道進行擬合，但是類似B樣條曲線、二次曲線等較為靈活的模型可 以有效的對車道進行擬合，但是僅僅使用基于模型的識別對于車道破損以及圖像噪聲會導 致擬合失敗。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題是現(xiàn)有車道線檢測方法存在的不足，提供一種快速車 道線檢測方法，其可以在復雜環(huán)境中較準確的提取到車道線，并且實時性較好，同時兼具彎 道識別功能。
[0007] 為解決上述問題，本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：
[0008] -種快速車道線檢測方法，具體包括如下步驟：
[0009] 步驟1、通過安裝在車輛上的攝像頭獲取到道路的圖像，并且記錄下相關(guān)參數(shù)，即 攝像頭的離地高度、偏航角、螺旋角、焦距、光學中心坐標和所獲取圖像的圖片大??；
[0010] 步驟2、針對獲取到的圖像和參數(shù)，進行感興趣區(qū)域的設(shè)定和逆透視變換，將圖像 轉(zhuǎn)換為鳥瞰圖；
[0011] 步驟3、利用二維高斯濾波處理對鳥瞰圖進行去噪，并且將去噪后的圖像進行二值 化處理；
[0012] 步驟4、針對二值化后的圖片，首先利用霍夫變換進行直線檢測，得到一組候選車 道線，然后利用距離權(quán)重公式對候選車道線進行簡單篩選和左右候選車道線分組，得到左 候選車道線區(qū)域和右候選車道線區(qū)域；
[0013] 步驟5、利用隨機抽樣一致性算法對分別對左候選車道線區(qū)域和右候選車道線區(qū) 域進行篩選，并分別對左候選車道線區(qū)域和右候選車道線區(qū)域直線和曲線進行擬合，得到 最終的左車道線和右車道線。
[0014] 上述步驟2具體為：
[0015] 首先，根據(jù)獲取到的圖像設(shè)定合理的感興趣區(qū)域；
[0016] 然后，將該感興趣區(qū)域中的每個像素點做矩陣變換，將圖像坐標系轉(zhuǎn)換為世界坐 標系；
[0017] 最后，將世界坐標系轉(zhuǎn)換為鳥瞰圖的圖像坐標系。
[0018] 上述步驟3中，對鳥瞰圖進行二維高斯濾波處理去噪處理時，需要先將鳥瞰圖離 散化為對像素點后，再對這些像素點進行去噪處理。
[0019] 步驟3中，對鳥瞰圖進行二維高斯濾波處理去噪的過程包括在垂直方向采用高斯 低通濾波處理的過程和在水平方向采用二階高斯差分濾波處理的過程。
[0020] 上述步驟4中，利用霍夫變換進行直線檢測的過程如下：
[0021] 首先，設(shè)置霍夫變換的搜索步長及搜索空間r和Φ的范圍，即r_<r<r_， Φ Φ ^ Φ nax;
[0022] 然后，建立二維投票累加器A(r，Φ)，初始累加器中每個元素設(shè)為零；
[0023] 接著，隨機輸入一定數(shù)量的二值化后圖像中的非零點（Xi, yi)，i = 1，2, 3. .. η，并 且利用步長將自變量Φ的值在其范圍內(nèi)離散化，從Φ_開始根據(jù)設(shè)置的步長在霍夫空間 中依次從小到大取Φ值，因此每個非零點和取到的不同Φ值可以根據(jù)確定的極坐標方程 計算對應(yīng)的r值，一旦計算出r，就在r值和Φ值對應(yīng)的二維投票累加器A(r, Φ)的中加 1 ;
[0024] 最后，二維投票累加器A(r，Φ)的最終累加值即為霍夫值，找出相應(yīng)圖像平面共 線點的累加器的局部極大值，當局部最大值滿足設(shè)定的最小閾值時，則為檢測出的直線。
[0025] 上述步驟4中，對候選車道線進行分組的過程具體為：
[0026] 首先，從檢測出的直線中選定一條直線作為基本直線，并分別計算余下直線與該 基本直線的距離值d;
[0027] 接著，對所有檢測出的直線進行分組，即當距離值d小于等于設(shè)置的距離閾值時， 則分為一組；當距離值d大于設(shè)置的距離閾值時，則分為另外一組；
[0028] 最后，根據(jù)兩組直線與圖片邊緣的交點，設(shè)置矩形框?qū)⒁呀?jīng)分好的左右車道線組 框住，從而得到左候選車道線區(qū)域和右候選車道線區(qū)域。
[0029] 上述步驟5具體為：
[0030] 步驟5. 1、分別將獲取到的左候選車道線區(qū)域和右候選車道線區(qū)域從中間分為向 前和向后兩個子區(qū)域，并從向前子區(qū)域和向后子區(qū)域中隨機獲取樣本點；
[0031] 步驟5. 2、利用最小二乘法對區(qū)域中的樣本點進行直線和曲線的擬合；利用整體 的區(qū)域即向前子區(qū)域和向后子區(qū)域的樣本點進行直線擬合，同時利用向前子區(qū)域的樣本點 進行曲線擬合；
[0032] 步驟5. 3、計算曲線的擬合度；
[0033] 步驟5. 4、如果步驟5. 3中擬合度達不到最低要求，將重新從步驟5. 1開始隨機選 取樣本點。
[0034] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0035] 1、本發(fā)明通過逆透視變換得到鳥瞰圖，可以直觀的看到圖像中車道線的形狀，并 且可以有效的排除相關(guān)干擾信息。
[0036] 2、本發(fā)明在霍夫變換處理后引入了一種區(qū)域分組的方法，有效的減少了算法運算 量。
[0037] 3、本發(fā)明通過改進了一般的RANSAC(Random Sample Consensus,隨機采樣一致） 算法，設(shè)置相關(guān)的擬合度計算公式，提高了檢測的準確度并且減少了運算量。
【附圖說明】
[0038] 圖1為本發(fā)明所設(shè)計的快速車道線檢測的流程圖。
[0039] 圖2為候選車道線的隨機采樣點區(qū)域。
[0040] 圖3為貝塞爾曲線。
【具體實施方式】
[0041] 以下結(jié)合附圖和實施例對本發(fā)明作詳細說明：本實施例在以本發(fā)明技術(shù)方案為前 提下進行實施的例子，給出了詳細的實施方式和過程，但本發(fā)明的保護范圍不應(yīng)限于下述 的實施例。
[0042] 一種快速車道線檢測方法，如圖1所示，具體包括如下步驟：
[0043] 步驟1、通過安裝在車輛前方的攝像頭獲取到道路的圖像，并且記錄下相關(guān)參數(shù)。
[0044] 本發(fā)明根據(jù)安裝在汽車前方的攝像頭，獲取到道路圖像，并且同時記錄下攝像頭 焦距、光學中心坐標、安裝的攝像頭離地面的高度、偏航角、螺旋角、獲取到的圖片尺寸等參 數(shù)。
[0045] 本發(fā)明實例中攝像頭焦距分解到坐標軸上的坐標為（350, 360)，光學中心坐標為 (320, 240)，安裝的攝像頭離地面距離為1. 3米，偏航角為0度，螺旋角為-9度，進行車道線 識別的圖片尺寸大小為640X480。
[0046] 步驟2、針對獲取到的圖像和參數(shù)，進行感興趣區(qū)域的設(shè)定和逆透視變換，將前視 圖轉(zhuǎn)換為鳥瞰圖。
[0047] 根據(jù)獲取到的圖像設(shè)定合理的感興趣區(qū)域，將該區(qū)域中的每個像素點做矩陣變 換，將前視圖的圖像坐標系轉(zhuǎn)換為世界坐標系，然后再將世界坐標系轉(zhuǎn)換為鳥瞰圖的圖像 坐標系。因此，將前視圖轉(zhuǎn)換為鳥瞰圖。
[0048] 步驟3、利用二維高斯濾波處理對鳥瞰圖進行去噪，并且將去噪后的圖像進行二值 化處理。
[0049] 本發(fā)明采用二維異向高斯濾波處理。在垂直方向采用高斯低通濾波，其卷積公式 為式（1)，其中Pdl據(jù)具體車道線情況進行設(shè)置（本發(fā)明實施過程中設(shè)為9);在水平方 向則采用二階高斯差分濾波，其卷積公式為式（2)，其中Pjg據(jù)具體車道線情況進行設(shè)置 (本發(fā)明實施過程中設(shè)為23)。
[0052] 在實際操作時，本發(fā)明將這些濾波處理離散化為對像素點的操作，從而是效果更 加明顯，即讓車道線在較暗背景下顯得更亮，然后根據(jù)公式（3)將圖片像素進行二值化處 理。
[0054] 其中，κ為根據(jù)圖像具體情況設(shè)定的參數(shù)，T為所有像素中的最大值，B為所有像 素中最小值。
[0055] 步驟4針對二值化后的圖片，利用快速霍夫變換進行直線檢測，通過設(shè)置相應(yīng)搜 索步長和霍夫空間的大小，得到一組候選車道線，然后利用距離權(quán)重公式對候選車道線進 行簡單篩選和左右車道線分組。
[0056] 在圖像空間中兩個點可以確定一條直線，根據(jù)極坐標方程（4)形式，通過計算也 就確定了極坐標方程中r和Φ，得到x-y坐標系中一條極坐標方程形式的直線，根據(jù)點線對 偶性，則相當于點（r，Φ)確定了這條直線。但是當通過坐標空間轉(zhuǎn)換，將由X和y為坐標 軸的空間轉(zhuǎn)化為由r和Φ為坐標軸的霍夫空間，那么極坐標方程（4)在霍夫空間中顯示的 是一條正弦曲線。因此在圖像空間中的每一個點（ Xl，yi)，代入方程（4)中，在由r和Φ為 坐標軸的霍夫空間中顯示得為一條正弦曲線，而有多少條正弦曲線的交于一點就代表著有 多少點可以共線，當達到一定數(shù)量時，表示圖像中有一定數(shù)量的點在一條直線上。
[0057] 本發(fā)明將采用標準霍夫變換中的極坐標方程的形式（4):
[0058] r = X sin Φ +y cos Φ (4)
[0059] 其中：r是圖像空間中坐標原點到該直線的距離，而圖像中的坐標原點指在圖像 左上角第一個像素點坐標；Φ是直線與軸的夾角。
[0060] 根據(jù)上述原理，本發(fā)明檢測直線的具體步驟如下：