本發(fā)明涉及計算機圖像處理領(lǐng)域，尤其涉及通過HSV空間色彩距離、圖像的二值化、Hough直線檢測等進行直線檢測方法和裝置。

背景技術(shù)：

近幾年間，隨著城市車輛的日益增加以及駕駛輔助系統(tǒng)的應(yīng)用日漸普及，城市的交通及道路狀況備受關(guān)注。同時，視頻監(jiān)控在交通領(lǐng)域也漸漸被廣泛地應(yīng)用。因而，能夠準確地從視頻流中區(qū)分出車道和運動目標，從而實現(xiàn)對運動目標，例如車輛等的實時分析、跟蹤、判別監(jiān)控等，具有重要意義，即，準確的車道直線檢測技術(shù)變得日益重要。

在現(xiàn)有的車道直線檢測技術(shù)中，應(yīng)用最為廣泛的是Hough變換直線檢測方法。Hough變換的基本原理在于，利用點與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達形式變?yōu)閰?shù)空間的一個點。這樣就把原始圖像空間中的給定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題。現(xiàn)有的Hough變換檢測直線的方法，利用了像素在空間域上的分布信息，雖然有效、實用，但也有一定的局限性，例如，對復雜環(huán)境的魯棒性不強等。Hough變換由于受閾值、圖像分辨率、像素大小等因素的影響，所檢測到的直線也會出現(xiàn)不被預知的變化，從而降低了車道檢測技術(shù)的準確性以及實用性。而現(xiàn)有技術(shù)中，對于Hough變換并沒有后續(xù)的方法去處理這些遺留的問題，從而導致Hough變換檢測直線的方法在應(yīng)用到實際中時，適應(yīng)性并不那么理想。

技術(shù)實現(xiàn)要素：

針對上述出現(xiàn)的問題，提出了本發(fā)明，本發(fā)明提出了一種車道直 線檢測方法和裝置，其為基于Hough變換和半徑約束的車道直線檢測方法和裝置。利用該方法和裝置，將通過Hough變換之后的多條直線方程進行合并，使得實際路面中對應(yīng)于同一條車道直線的多條直線方程合并為一條，從而提高了檢測精度和準確性。

根據(jù)本發(fā)明的一方面，提供一種車道直線檢測方法，其特征在于，所述方法包括：

圖像處理步驟，即，對圖像采集獲得的路面車道的圖像進行格式轉(zhuǎn)換，并對格式轉(zhuǎn)換后的圖像進行二值化處理；

Hough變換步驟，即，對所述二值化處理中的灰度值為255的N個像素點進行Hough變換，以在θ-r極坐標系下獲得N條曲線，根據(jù)所述N條曲線的滿足所設(shè)定閾值條件而保留下來的M個交點獲得x-y坐標系下的M條直線；以及

直線合并步驟，即，在所述Hough變換步驟中獲得的所述M條直線中，對一條車道對應(yīng)多條直線方程的情形，利用半徑約束將所述多條直線方程合并為一條直線方程。

進一步地，所述圖像處理步驟中，所述格式轉(zhuǎn)換為將RGB格式的圖像轉(zhuǎn)換為HSV格式的圖像；并且，

所述二值化處理中，計算所述HSV格式的圖像中所有像素的HSV平均值，并計算所有像素中的每個像素的HSV值與該HSV平均值的距離。

進一步地，采用如下公式計算所述路面車道的圖像的每個像素的所述HSV值與所有像素點的所述HSV平均值之間的距離：

Dist(C0,Ci)＝|V0-Vi|+|V0*S0*cos(H0)-Vi*Si*cos(Hi)|

+|V0*S0*sin(H0)-Vi*Si*sin(Hi)|

其中，H0，S0，V0為所述路面車道的圖像的所有像素的HSV平均值，Hi，Si，Vi為所述路面車道的圖像中每個像素的HSV值，H表示圖像的色調(diào)，S表示亮度，V表示飽和度。

進一步地，當像素的Dist(C0，Ci)大于預先設(shè)定的閾值時，將該像素的灰度值設(shè)定為0，當像素的Dist(C0，Ci)不大于所述預先設(shè)定的閾值時，將該像素的灰度值設(shè)定為255。

進一步地，所述半徑約束具體為：在所述M條直線中任意選取兩條直線，即，第一直線和第二直線，以所述第一直線上的像素點為圓心，預定值為半徑畫圓，獲得所述圓與所述第二直線的兩個交點，并統(tǒng)計所述兩個交點之間的像素點的個數(shù)，當所述第一直線上的所有像素點所對應(yīng)的兩個交點之間的像素點的總數(shù)滿足預先設(shè)定的條件時，則將所述第一直線與所述第二直線合并，否則，不合并。

進一步地，在所述半徑約束中，對所述任意的兩條直線進行合并的所述預先設(shè)定的條件為：

$\frac{\underset{k=1}{\overset{ta}{\Σ}}COUNTk}{tb}\>\frac{1}{3}$

其中，為所述第一直線上的所有像素點對應(yīng)的所述兩個交點之間所有像素點的總和，tb為所述第二直線上的像素點的總數(shù)。

進一步地，當所述圓與所述第二直線沒有交點時，COUNTk記為0，當所述圓與所述第二直線僅有一個交點時，COUNTk記為1。

更進一步地，反復進行所述直線合并步驟，直到?jīng)]有任何兩條直線滿足所述預先設(shè)定的條件或者只剩余一條直線，則結(jié)束合并，合并結(jié)束后的直線即為所述路面車道的圖像中的實際車道直線。

根據(jù)本發(fā)明的另一方面，提供了一種車道直線檢測裝置，其特征在于，所述裝置包括：

圖像處理模塊，其用于對采集到的所述路面車道的圖像進行格式轉(zhuǎn)換，并對格式轉(zhuǎn)換后的圖像進行二值化處理；

Hough變換模塊，其用于對所述二值化處理中的灰度值為255的 N個像素點進行Hough變換，以在θ-r極坐標系下獲得N條曲線，根據(jù)所述N條曲線的滿足設(shè)定閾值條件的M個交點獲得x-y坐標系下的M條直線；以及

直線合并模塊，其用于在所述Hough變換步驟中獲得的所述M條直線中，對一條車道對應(yīng)多條直線方程的情形，利用半徑約束將所述多條直線方程合并為一條直線方程。

以下結(jié)合本發(fā)明的附圖及優(yōu)選實施方式對本發(fā)明的技術(shù)方案做進一步詳細地描述，本發(fā)明的有益效果將進一步明確。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本發(fā)明的一部分，但其說明僅用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。

圖1是根據(jù)本發(fā)明一優(yōu)選實施例的車道直線檢測方法的流程圖。

圖2是根據(jù)本發(fā)明一優(yōu)選實施例的車道直線檢測方法中圖像處理的流程圖。

圖3是Hough變換的原理圖。

圖4是根據(jù)本發(fā)明一優(yōu)選實施例的車道直線檢測方法中進行半徑約束的一個實例的示意圖。

圖5是根據(jù)本發(fā)明一優(yōu)選實施例的車道直線檢測裝置的框圖。

具體實施方式

下面將結(jié)合本發(fā)明的具體實施例及相應(yīng)的附圖對本發(fā)明技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例僅是本發(fā)明一部分優(yōu)選實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

根據(jù)本發(fā)明的所述的車道直線檢測方法，包括：圖像處理步驟， 即，對圖像采集獲得的路面車道的圖像進行格式轉(zhuǎn)換，并對格式轉(zhuǎn)換后的圖像進行二值化處理；Hough變換步驟，即，對二值化處理中的灰度值為255的N個像素點進行Hough變換，以在θ-r極坐標系下獲得N條曲線根據(jù)所述N條曲線的滿足所設(shè)定閾值條件而保留的M個交點獲得x-y坐標系下的M條直線；以及直線合并步驟，即，在Hough變換步驟中獲得的M條直線中，對一條車道對應(yīng)多條直線方程的情形，利用半徑約束將所述多條直線方程的合并為一條直線方程。

根據(jù)本發(fā)明的如上方法，由于通過Hough變換之后的多條直線方程進行合并，使得實際路面中對應(yīng)于同一條車道直線的多條直線方程合并為一條，從而提高了車道直線檢測的精度和準確性。

以下首先結(jié)合附圖對本發(fā)明的車道直線檢測方法進行詳細說明。

圖1是根據(jù)本發(fā)明一優(yōu)選實施例的車道直線檢測方法的流程圖。如圖1所示，所述車道直線檢測方法包括圖像處理步驟S1，Hough變換步驟S2以及直線合并步驟S3，以下分別具體說明。

S1：圖像處理步驟，即，對圖像采集獲得的路面車道的圖像進行格式轉(zhuǎn)換，并對格式轉(zhuǎn)換后的圖像進行二值化處理。

具體地，該圖像處理步驟包括如下步驟：

步驟S101：采集圖像。

利用成像裝置，例如雙目攝像機、立體相機等，獲得路面車道的圖像。

步驟S102：格式轉(zhuǎn)換。

以上通過所述成像裝置采集到圖像的格式為RGB格式，在本發(fā)明 中，將該圖像的格式轉(zhuǎn)換為HSV格式，其中，H表示樣本圖像的色調(diào)，S表示亮度，V表示飽和度。

(r，g，b)表示RGB格式的圖像中每個圖像像素的紅、綠和藍的色彩值，它們的取值是在0到1之間的實數(shù)。max是r，g和b中的最大值，min是r，g和b中的最小值。對應(yīng)地，HSV格式下每個像素的色調(diào)、亮度和飽和度的值用C＝(h，s，v)表示。

則，將圖像從RGB格式轉(zhuǎn)換為HSV格式的公式如下：

步驟S103：二值化圖像。

首先，根據(jù)上述轉(zhuǎn)換得到的圖像中每個像素的C＝(h，s，v)的值，計算整個圖像的C＝(h，s，v)的平均值作為基準，記為C0＝(H0，S0，V0)。本發(fā)明不限于采用平均值作為基準，還可以采用中位數(shù)等作為基準。

然后，計算圖像中任意像素的Ci(i為自然數(shù))的值與C0＝(H0，S0，V0)之間的距離Dist(C0，Ci)，根據(jù)以下公式計算Dist(C0，Ci)。

Dist(C0,Ci)＝|V0-Vi|+|V0*S0*cos(H0)-Vi*Si*cos(Hi)|

+|V0*S0*sin(H0)-Vi*Si*sin(Hi)|

..............................(2)

其中，如上所述，H0，S0，V0為轉(zhuǎn)換后的圖像所有像素的色調(diào)，亮度和飽和度的平均值，Hi，Si，Vi為圖像中任意像素Ci的色調(diào)、亮度和飽和度的值。

最后，根據(jù)計算得到的Dist(C0，Ci)，將其與預先設(shè)定的閾值DIST進行比較，當Dist(C0，Ci)大于DIST時，將該像素Ci的灰度值設(shè)定為0，當Dist(C0，Ci)小于或等于DIST時，將該像素Ci的灰度值設(shè)定為255，從而構(gòu)成二值化圖像。其中，閾值DIST的設(shè)定通過多次的實驗測試結(jié)果來確定。通過多次測試，對測試結(jié)果加以分析驗證，將閾值限定在一個較為合理的范圍內(nèi)，從而獲得更理想的檢測結(jié)果。

灰度值為255，表示該像素顏色為白色，灰度值為0，表示該像素顏色為黑色。由于圖像為路面車道的圖像，所以灰度值為255的像素被認為是白色車道線，假定該像素點的個數(shù)為N，而灰度值為0的像素被認為構(gòu)成黑色路面，假定其像素點的個數(shù)為T，則N與T的總和為圖像所有像素點的個數(shù)。

S2：Hough變換步驟，即，對二值化處理中的灰度值為255的N個像素點進行Hough變換，以在θ-r極坐標系下獲得N條曲線。

Hough變換是對圖像進行直線檢測的常見方法。本發(fā)明中，采用傳統(tǒng)的Hough變換方法，其原理為：

在x-y坐標系下，一條直線可以用角度θ和距離r，其中，r為原點到直線的垂直距離，θ是原點到直線的一條垂線段與x軸的夾角，則，對于直線上的任何一點(x，y)均有r＝xcosθ+ysinθ。則，Hough變換希望找到直線上的點所對應(yīng)的參數(shù)r和θ。

x-y坐標系下圖像中的一個點對應(yīng)θ-r極坐標系下參數(shù)平面中的一條曲線，x-y坐標系下圖像中的一條直線對應(yīng)θ-r極坐標系下參數(shù)平 面中的一個點。即，x-y坐標系下相同直線上的點所對應(yīng)的θ-r極坐標系下的曲線相交于同一點。例如，圖3示出了Hough變換的原理圖。如圖3所示，θ-r極坐標系下，三條曲線分別為x-y坐標系下直線L₀上的三個不同的點所對應(yīng)的曲線，三條曲線相交于點(θ₀，r₀)，則對應(yīng)地，在x-y坐標系下與其對應(yīng)的該條直線方程為L₀：xcosθ₀+ysinθ₀-r₀＝0。

具體到本發(fā)明，根據(jù)上述Hough變換的原理，對步驟S103中所獲得的二值化圖像中的灰度值為255的N個像素點進行Hough變換，從而在θ-r極坐標系下獲得N條曲線。最終所要檢測的直線對應(yīng)的是θ-r極坐標系下參數(shù)平面中N條曲線的交點以及每個交點所對應(yīng)的相交的曲線數(shù)目。當交于一點的曲線數(shù)目超過所設(shè)定的閾值時，則將此交點坐標保留；否則，將交點坐標舍棄。此處閾值的設(shè)定是根據(jù)多次實驗進行測試，并加以分析驗證，最終選取的一個較為理想的值。

由此，根據(jù)N條曲線的滿足設(shè)定閾值條件而最終保留下來的交點坐標為(θ_j，r_j)(j＝1,2，……M，M為N條曲線的滿足設(shè)定閾值條件的交點個數(shù))，可以獲得x-y坐標系下的M條候選車道直線方程L_j：xcosθ_j+ysinθ_j-r_j＝0(j＝1，2，……M)。由此可以通過Hough變換，在極坐標系下，獲得x-y坐標系下圖像中的所有的候選車道直線。

S3：直線合并步驟，即，在Hough變換步驟中獲得的M條直線中，對一條車道對應(yīng)多條直線方程的情形，利用半徑約束將所述多條直線方程的合并為一條直線方程。

在通過上述Hough變換得到的M條車道對應(yīng)的直線中，可能存在一條實際車道對應(yīng)s(s＜M)條直線方程的情況，因此，本發(fā)明要解決的問題為將上述s條直線方程合并為一條直線方程。為此，可以采用以下步驟。

首先，在獲得M條直線中，選取任意兩條直線，記為L_m、L_n(1≤m，n≤M)。

然后，依次以直線L_m的圖像上的每個像素點為圓心，以R為半徑畫圓。其中，R為預先設(shè)定的值，可以根據(jù)用戶需求而改變，在本實施例中，將R設(shè)定為圖像列數(shù)的1/30。例如，如圖4所示，示出了直線L_m上的一個像素點O1的實例，該實例以O(shè)1為圓心，R為半徑畫圓。如圖4所示，該圓與直線L_n相交，交點記為M1、N1。則將交點M1、N1之間的所有像素點的坐標存儲在一個數(shù)組Point中，并統(tǒng)計像素點的個數(shù)記為COUNT1。若圓與直線L_n不相交，則COUNT1記為0，若圓與直線L_n僅相交于一點，則COUNT1記為1。

依此類推，對直線L_m的圖像上的每個像素點O_k(其中，k＝1,2，……tm，tm為直線L_m上像素點的總數(shù))均進行上述處理。同時，如圖4所示，設(shè)以O(shè)_k為圓心的圓與直線L_n的交點分別為M_k和N_k，則將每個像素點O_k對應(yīng)的兩個交點M_k和N_k之間的所有像素點的坐標均存儲在數(shù)組Point中，并統(tǒng)計與每個像素點O_k對應(yīng)的交點M_k和N_k之間的所有像素點的個數(shù)COUNTk。

根據(jù)以下合并條件：

$\frac{\underset{k=1}{\overset{tm}{\Σ}}COUNTk}{tn}\>\frac{1}{3}\mathrm{...}\left(3\right)$

其中，為直線L_m上的所有tm個像素點對應(yīng)的交點M_k和N_k之間所有像素點的總和，tn為直線L_n上的像素點的總數(shù)。如果滿足上述公式，則將直線L_m與直線L_n進行合并，否則，兩條直線不合并。

對于M條直線中的所有直線，進行上述操作，直到?jīng)]有任何兩條直線滿足合并條件或者只剩余一條直線，合并操作過程結(jié)束。合并結(jié)束后的直線即為圖像中的車道直線。

以上通過步驟S1至S3描述了車道直線檢測的具體方法，詳細描述了該方法中各個步驟的具體操作方法。通過該方法，能夠?qū)崿F(xiàn)對多條候選車道直線的合并，使得在實際車道圖像中對應(yīng)于同一條車道的多條候選車道直線合并為一條，從而提高了檢測的精度和準確性。

圖5是根據(jù)本發(fā)明一優(yōu)選實施例的車道直線檢測裝置的框圖。下面結(jié)合圖5描述進行車道直線檢測的裝置。

根據(jù)本發(fā)明的車道直線檢測的裝置，包括圖像處理模塊1、Hough變換模塊2和直線合并模塊3。下面具體描述各個模塊。

圖像處理模塊1，其用于對采集到的路面圖像進行格式轉(zhuǎn)換，并對格式轉(zhuǎn)換后的圖像進行二值化處理。

該圖像處理模塊1使得圖像從RGB格式轉(zhuǎn)換為HSV格式，其中，H表示樣本圖像的色調(diào),S表示亮度，V表示飽和度。

并且該圖像處理模塊1計算整個圖像的所有像素的HSV值的平均值，記為C0＝(H0，S0，V0)，以計算圖像中任意一個像素Ci(i為自然數(shù))與C0＝(H0，S0，V0)之間的距離Dist(C0，Ci)，根據(jù)以下公式計算Dist(C0，Ci)。

Dist(C0,Ci)＝|V0-Vi|+|V0*S0*cos(H0)-Vi*Si*cos(Hi)|

+|V0*S0*sin(H0)-Vi*Si*sin(Hi)|

其中，H0，S0，V0為圖像所有像素的色調(diào)，亮度和飽和度的平均值，Hi，Si，Vi為圖像中任意像素Ci的色調(diào)、亮度和飽和度的值。

并且該圖像處理模塊1用于對圖像進行二值化處理。根據(jù)計算得到的Dist(C0，Ci)，將其與預先設(shè)定的閾值DIST進行比較，當Dist (C0，Ci)大于DIST時，將該像素Ci的灰度值設(shè)定為0，當Dist(C0，Ci)小于等于DIST時，將該像素Ci的灰度值設(shè)定為255，從而構(gòu)成二值化圖像。其中，閾值DIST的設(shè)定通過多次的實驗測試結(jié)果來確定。通過多次測試，對測試結(jié)果加以分析驗證，將閾值限定在一個較為合理的范圍內(nèi)，從而獲得更理想的檢測結(jié)果。

Hough變換模塊2，其用于對二值化圖像中的灰度值為255的N個像素點進行Hough變換，從而在θ-r極坐標系下獲得N條曲線。根據(jù)θ-r極坐標系下獲得N條曲線之間的滿足所設(shè)定的閾值條件的M個交點，獲得與該M個交點相對應(yīng)的圖像中的M條候選車道直線。此處閾值條件的設(shè)定是根據(jù)多次實驗進行測試，并加以分析驗證，最終選取的一個較為理想的值。

其中，M個交點坐標為(θ_j，r_j)(j＝1,2，……M)，則對應(yīng)的圖像中的M條候選車道直線方程為L_j:xcosθ_j+ysinθ_j-r_j＝0(j＝1，2，……M)。由此可以通過Hough變換，在極坐標系下，獲得x-y坐標系下圖像中的所有的候選車道直線。

直線合并模塊3，其用于對在Hough變換中獲得的M條直線中，對一條車道對應(yīng)多條直線方程的情形，利用半徑約束將所述多條直線方程的合并為一條直線方程。

在通過上述Hough變換得到的M條車道對應(yīng)的直線中，可能存在一條實際車道對應(yīng)s(s＜M)條直線方程的情況。在M條直線中，該直線合并模塊3任意選取兩條直線L_m、L_n(1≤m，n≤M)，依次以直線L_m的圖像上的每個像素點為圓心，以R為半徑畫圓。其中，R為預先設(shè)定的值，可以根據(jù)用戶需求而改變，在本實施例中，將R設(shè)定為圖像列數(shù)的1/30。從而獲得該圓與直線L_n的交點M1、N1，并將交點M1、N1之間的所有像素點的坐標存儲在一個數(shù)組Point中，以統(tǒng)計像素點的個數(shù)記為COUNT1。若圓與直線L_n不相交，則COUNT1記為0， 若圓與直線L_n僅相交于一點，則COUNT1記為1。

依此類推，該直線合并模塊3對L_m的圖像上的每個像素點O_k(其中，k＝1,2，……tm，tm為直線L_m上像素點的總數(shù))均進行上述處理。同時，如圖4所示，設(shè)以O(shè)_k為圓心的圓與直線L_m和L_n的交點分別為M_k和N_k，則將每個像素點O_k對應(yīng)的兩個交點M_k和N_k之間的所有像素點的坐標均存儲在數(shù)組Point中，并統(tǒng)計與每個像素點O_k對應(yīng)的交點M_k和N_k之間的所有像素點的個數(shù)COUNTk。

根據(jù)以下合并條件：

$\frac{\underset{k=1}{\overset{tm}{\Σ}}COUNTk}{tn}\>\frac{1}{3}$

其中，為直線L_m上的所有tm個像素點對應(yīng)的交點M_k和N_k之間所有像素點的總和，tn為直線L_n上的像素點的總數(shù)。如果滿足上述公式，則將直線L_m與直線L_n進行合并，否則，兩條直線不合并。

這樣，該直線合并模塊3對M條直線中的所有直線，進行上述操作，直到?jīng)]有任何兩條直線滿足合并條件或者只剩余一條直線，則該直線合并模塊3結(jié)束合并操作過程。合并結(jié)束后的直線即為圖像中的車道直線。

以上描述了根據(jù)本發(fā)明的實施例的車道直線檢測方法和裝置。通過該方法及裝置，能夠?qū)崿F(xiàn)對多條候選車道直線的合并，使得在實際車道圖像中對應(yīng)于同一條車道的多條候選車道直線合并為一條，從而提高了檢測的精度和準確性。

以上所述僅為本申請的實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。