基于梯度約束的統(tǒng)計霍夫變換車道檢測方法
【技術領域】
[0001] 本發(fā)明設及車道檢測領域，具體說的是基于梯度約束的統(tǒng)計霍夫變換車道檢測方 法。
【背景技術】
[0002] 隨著汽車數(shù)量的增長，高速公路事故率激增，其中大部分是由于駕駛員對周圍環(huán) 境的忽視或視覺干擾造成的?；谝曈X的車道檢測是實現(xiàn)汽車安全輔助駕駛的關鍵技術， 可用于車道偏離報警、自適應巡航控制W及自動駕駛等諸多方面W。國內(nèi)外已經(jīng)做了很多 關于車道檢測的研究b-w。我國公路技術標準規(guī)定，高速公路最小平曲線半徑為650m，取車 道線曲率半徑650m，車輛前方距視平面40mW內(nèi)的車道圖像都可W近似為直線，該近似在 大多數(shù)情況下都能成立。在不同光照條件、車道不連續(xù)等的情況下，高速公路環(huán)境下車道檢 測依然存在問題。
[0003] 文獻[5]和文獻[9]通過標準霍夫變換（化U曲transform,HT)檢測近視野的直 線車道。雖然標準霍夫變換方法簡便，且在不連續(xù)的車道線上有良好的結果，但它必須作 用于邊緣圖像，邊緣檢測結果的好壞直接影響最終的檢測結果，即使有良好的邊緣圖像，個 數(shù)有限的邊緣點也會引起標準霍夫變換中參數(shù)直方圖稀疏，給最終尋找參數(shù)峰值帶來困擾 [2]。而統(tǒng)計霍夫變換（Statistical化U曲transform,SHT)不同于標準霍夫變換，它是一 種基于多核密度函數(shù)的變換，不依賴邊緣檢測結果，在不同的觀測空間下，得到不同的車道 參數(shù)概率密度函數(shù)由于車道在道路中有明顯的邊緣，也即道路和車道線間存在很大梯 度，故基于視覺的車道檢測通常采用梯度信息作為車道的特征。
[0004] 參考文獻：
[1]AharonBarHi1lei,RonenLerner,Danlevi,GuyRaz.Recentprogressinroad andlanedetection:asurvey[J].MachineVisionandApplication, 2014, 25:727-745.
[2]RozennDahyot.Statisticalhoughtransform[J].IEEETransactionson patternanalysisandmachineintelligence, 2009, 31 (8):1502-1509.
[3] G'Liu,F'識-白rg白tter，1.3>!arkelic' .combiningstatisticalhoughtransform andparticlefiliterforrubustlanedetectionandtracking[C].//Proc.IEEEIntelligentVehiclesSymposinmUniversityofCalifornia.San Diego:I邸E, 2010,993-997.
[4] G.Liu=F.W日巧況ter:I.arkeli.Stochasticlaneshapeestimationusinglocal imagedescriptors[J].IEEETransactionsonintelligenttransportationsystems, 2013, 14(1) : 13-21.
[5]H.Yoo,U.Yang,K.Sohn,Gradient-enhancingconversionfor illumination-robustlanedetection[J].IEEETransactionsonintelligent transportationsystems, 2013, 14(3), 1083-1094.
[6]R.Gopalan，T.Hong，M.Shneier.Alearningapproachtowardsdetectionand trackingoflanemarkings[J].IEEETransactionsonintelligenttransportation 巧stems, 2012, 13 (3): 1088-1098.
[7]Z.Kim.Robustlanedetectionandtrackinginchallengingscenarios[J]. IEEETransactionsonintelligenttransportationsystems. , 2008, 9(1):16-26.
[引尤小泉，彭映杰.結合化u曲變換與運動估計的車道線提取方法[J].電視技術， 2013,37(11):191-209.
[9]周磊，任國全，肖浩，李冬偉.結構化道路車道線快速檢測的一種改進算法[J]. 計算機仿真，2010, 29 (4) : 362-366。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明為解決上述技術問題提供一種基于梯度約束的統(tǒng)計霍夫變換車道檢測方 法，利用高斯核函數(shù)對圖像中每個像素進行建模而不需要邊緣檢測。通過梯度闊值的方法 約束統(tǒng)計霍夫變換的初始數(shù)據(jù)集，最終得到車道參數(shù)的連續(xù)概率密度函數(shù)。在高速公路環(huán) 境下，該方法能快速準確的檢測出車道，具有很強的魯椿性。
[0006] 為實現(xiàn)上述技術目的所采用的技術方案是：基于梯度約束的統(tǒng)計霍夫變換車道檢 測方法，其特征在于：包括W下步驟： 步驟一、對原始圖像/托.V]進行灰度化處理，得到灰度圖像，對灰度圖象采用IPM變換得到車道檢測的初始圖像； 步驟二、統(tǒng)計霍夫變換：令G{.T:J為/口,對應的灰度圖像，其一階導數(shù)分別為 馬('.T，)，貝晦個像素ie化N]，N為像素總數(shù)，對應的梯度值I廬引I與梯度方向9;' 為：
【主權項】
1.基于梯度約束的統(tǒng)計霍夫變換車道檢測方法，其特征在于：包括以下步驟： 步驟一、對原始圖像進行灰度化處理，得到灰度圖像(x: jr〕，對灰度圖象采用 IPM變換得到車道檢測的初始圖像； 步驟二、統(tǒng)計霍夫變換：灰度圖像<?江31其一階導數(shù)分別為〇1.(.^)、(^(^)，則每個 像素 i E [1:N]，N為像素總數(shù)，對應的梯度值I與梯度方向θ:.為：
通過式（2)、（3)計算得到每一個像素的梯度大小和梯度方向； 步驟三、統(tǒng)計霍夫變換針對每一個像素 i進行高斯建模，計算得到的梯度值進行閾值 化處理，首先去除掉梯度為零的像素，令閾值為T，大于閾值的像素參與統(tǒng)計霍夫變換的運 算，閾值采用下式計算：
(10) 式中為像素梯度幅值的最小值，Gmas為像素幅值的最大值，對于大于閾值的像素
，計算車道參 數(shù)對應的概率密度，并構建立體直方圖；直方圖峰值對應的參數(shù)即為即為所求的車道模型 參數(shù)，其中，瓦fi是高斯核函數(shù)，疋?~μ(θ?:<4)，P Θ為車道模型參數(shù)，其中橫縱坐標分 別為Ρ、Θ的取值范圍，ζ軸代表參數(shù)的概率密度。
【專利摘要】基于梯度約束的統(tǒng)計霍夫變換車道檢測方法，解決車道檢測中標準霍夫變換依賴邊緣檢測結果的問題，利用高斯核函數(shù)對圖像中每個像素進行建模而不需要邊緣檢測。通過梯度閾值的方法約束統(tǒng)計霍夫變換的初始數(shù)據(jù)集,最終得到車道參數(shù)的連續(xù)概率密度函數(shù)。在高速公路環(huán)境下，該方法能快速準確的檢測出車道，具有很強的魯棒性。
【IPC分類】G06K9-00
【公開號】CN104866817
【申請?zhí)枴緾N201510204161
【發(fā)明人】高宏峰, 彭艷周, 冀保峰, 祁志娟, 卜祥強, 張琰琰, 吳景艷, 張松春
【申請人】河南科技大學
【公開日】2015年8月26日
【申請日】2015年4月24日