一種快速車道線檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像識(shí)別技術(shù)領(lǐng)域，具體涉及一種快速車道線檢測(cè)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(xí)慣導(dǎo)致的。因此，高級(jí)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(shí)車道偏離檢測(cè)是 高級(jí)駕駛員是高級(jí)駕駛員輔助系統(tǒng)中重要的一環(huán)，因此快速準(zhǔn)確的識(shí)別道路上的車道線顯 得尤為重要。
[0003] 在ADAS中，經(jīng)常會(huì)使用到各種各樣的傳感器裝備，例如激光雷達(dá)、GPS等。但是通 過視覺傳感器，利用計(jì)算機(jī)視覺方法檢測(cè)車道線不僅可以大大節(jié)約成本，并且檢測(cè)效果也 很好。目前，通過圖像識(shí)別技術(shù)對(duì)車道線進(jìn)行檢測(cè)的方法包括基于圖像特征的識(shí)別的車道 線檢測(cè)方法和基于模型的識(shí)別的車道線檢測(cè)方法兩大類。
[0004] 基于特征的識(shí)別的車道線檢測(cè)方法主要分為在灰度圖中基于邊緣特征的識(shí)別和 在彩色圖中基于道路顏色紋理的識(shí)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(jìn)行車道的提取，但是霍夫變換的計(jì)算復(fù)雜度比較大，因此運(yùn)行速度比較慢，同時(shí) 對(duì)于彎道的提取比較困難?；诘缆奉伾y理的識(shí)別大多數(shù)是將RGB顏色空間轉(zhuǎn)化為HSI 顏色空間，然后對(duì)一個(gè)像素的色度和亮度分別建模。但是在每個(gè)像素上進(jìn)行操作，因此對(duì)道 路上的光線以及陰影較為敏感。
[0005] 基于模型的識(shí)別則的車道線檢測(cè)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(jiǎn)單固定的模型不能很 好的針對(duì)復(fù)雜多變的車道進(jìn)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(duì)車道進(jìn)行擬合，但是僅僅使用基于模型的識(shí)別對(duì)于車道破損以及圖像噪聲會(huì)導(dǎo) 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(cè)方法存在的不足，提供一種快速車 道線檢測(cè)方法，其可以在復(fù)雜環(huán)境中較準(zhǔn)確的提取到車道線，并且實(shí)時(shí)性較好，同時(shí)兼具彎 道識(shí)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(shí)現(xiàn)的：
[0008] -種快速車道線檢測(cè)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(xué)中心坐標(biāo)和所獲取圖像的圖片大??；
[0010] 步驟2、針對(duì)獲取到的圖像和參數(shù)，進(jìn)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(duì)鳥瞰圖進(jìn)行去噪，并且將去噪后的圖像進(jìn)行二值 化處理；
[0012] 步驟4、針對(duì)二值化后的圖片，首先利用霍夫變換進(jìn)行直線檢測(cè)，得到一組候選車 道線，然后利用距離權(quán)重公式對(duì)候選車道線進(jìn)行簡(jiǎn)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(jī)抽樣一致性算法對(duì)分別對(duì)左候選車道線區(qū)域和右候選車道線區(qū) 域進(jìn)行篩選，并分別對(duì)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(jìn)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(gè)像素點(diǎn)做矩陣變換，將圖像坐標(biāo)系轉(zhuǎn)換為世界坐 標(biāo)系；
[0017] 最后，將世界坐標(biāo)系轉(zhuǎn)換為鳥瞰圖的圖像坐標(biāo)系。
[0018] 上述步驟3中，對(duì)鳥瞰圖進(jìn)行二維高斯濾波處理去噪處理時(shí)，需要先將鳥瞰圖離 散化為對(duì)像素點(diǎn)后，再對(duì)這些像素點(diǎn)進(jìn)行去噪處理。
[0019] 步驟3中，對(duì)鳥瞰圖進(jìn)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(jìn)行直線檢測(cè)的過程如下：
[0021] 首先，設(shè)置霍夫變換的搜索步長(zhǎng)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(gè)元素設(shè)為零；
[0023] 接著，隨機(jī)輸入一定數(shù)量的二值化后圖像中的非零點(diǎn)（Xi, yi)，i = 1，2, 3. .. η，并 且利用步長(zhǎng)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(zhǎng)在霍夫空間 中依次從小到大取Φ值，因此每個(gè)非零點(diǎn)和取到的不同Φ值可以根據(jù)確定的極坐標(biāo)方程 計(jì)算對(duì)應(yīng)的r值，一旦計(jì)算出r，就在r值和Φ值對(duì)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(diǎn)的累加器的局部極大值，當(dāng)局部最大值滿足設(shè)定的最小閾值時(shí)，則為檢測(cè)出的直線。
[0025] 上述步驟4中，對(duì)候選車道線進(jìn)行分組的過程具體為：
[0026] 首先，從檢測(cè)出的直線中選定一條直線作為基本直線，并分別計(jì)算余下直線與該 基本直線的距離值d;
[0027] 接著，對(duì)所有檢測(cè)出的直線進(jìn)行分組，即當(dāng)距離值d小于等于設(shè)置的距離閾值時(shí)， 則分為一組；當(dāng)距離值d大于設(shè)置的距離閾值時(shí)，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(diǎn)，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(gè)子區(qū)域，并從向前子區(qū)域和向后子區(qū)域中隨機(jī)獲取樣本點(diǎn)；
[0031] 步驟5. 2、利用最小二乘法對(duì)區(qū)域中的樣本點(diǎn)進(jìn)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(diǎn)進(jìn)行直線擬合，同時(shí)利用向前子區(qū)域的樣本點(diǎn) 進(jìn)行曲線擬合；
[0032] 步驟5. 3、計(jì)算曲線的擬合度；
[0033] 步驟5. 4、如果步驟5. 3中擬合度達(dá)不到最低要求，將重新從步驟5. 1開始隨機(jī)選 取樣本點(diǎn)。
[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(yùn)算 量。
[0037] 3、本發(fā)明通過改進(jìn)了一般的RANSAC(Random Sample Consensus,隨機(jī)采樣一致） 算法，設(shè)置相關(guān)的擬合度計(jì)算公式，提高了檢測(cè)的準(zhǔn)確度并且減少了運(yùn)算量。
【附圖說明】
[0038] 圖1為本發(fā)明所設(shè)計(jì)的快速車道線檢測(cè)的流程圖。
[0039] 圖2為候選車道線的隨機(jī)采樣點(diǎn)區(qū)域。
[0040] 圖3為貝塞爾曲線。
【具體實(shí)施方式】
[0041] 以下結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作詳細(xì)說明：本實(shí)施例在以本發(fā)明技術(shù)方案為前 提下進(jìn)行實(shí)施的例子，給出了詳細(xì)的實(shí)施方式和過程，但本發(fā)明的保護(hù)范圍不應(yīng)限于下述 的實(shí)施例。
[0042] 一種快速車道線檢測(cè)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(shí)記錄下攝像頭 焦距、光學(xué)中心坐標(biāo)、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(shí)例中攝像頭焦距分解到坐標(biāo)軸上的坐標(biāo)為（350, 360)，光學(xué)中心坐標(biāo)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(jìn)行車道線 識(shí)別的圖片尺寸大小為640X480。
[0046] 步驟2、針對(duì)獲取到的圖像和參數(shù)，進(jìn)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(gè)像素點(diǎn)做矩陣變 換，將前視圖的圖像坐標(biāo)系轉(zhuǎn)換為世界坐標(biāo)系，然后再將世界坐標(biāo)系轉(zhuǎn)換為鳥瞰圖的圖像 坐標(biāo)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(duì)鳥瞰圖進(jìn)行去噪，并且將去噪后的圖像進(jìn)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(jìn)行設(shè)置（本發(fā)明實(shí)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(jìn)行設(shè)置 (本發(fā)明實(shí)施過程中設(shè)為23)。
[0052] 在實(shí)際操作時(shí)，本發(fā)明將這些濾波處理離散化為對(duì)像素點(diǎn)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(jìn)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(duì)二值化后的圖片，利用快速霍夫變換進(jìn)行直線檢測(cè)，通過設(shè)置相應(yīng)搜 索步長(zhǎng)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(duì)候選車道線進(jìn) 行簡(jiǎn)單篩選和左右車道線分組。
[0056] 在圖像空間中兩個(gè)點(diǎn)可以確定一條直線，根據(jù)極坐標(biāo)方程（4)形式，通過計(jì)算也 就確定了極坐標(biāo)方程中r和Φ，得到x-y坐標(biāo)系中一條極坐標(biāo)方程形式的直線，根據(jù)點(diǎn)線對(duì) 偶性，則相當(dāng)于點(diǎn)（r，Φ)確定了這條直線。但是當(dāng)通過坐標(biāo)空間轉(zhuǎn)換，將由X和y為坐標(biāo) 軸的空間轉(zhuǎn)化為由r和Φ為坐標(biāo)軸的霍夫空間，那么極坐標(biāo)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(gè)點(diǎn)（ Xl，yi)，代入方程（4)中，在由r和Φ為 坐標(biāo)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(diǎn)就代表著有 多少點(diǎn)可以共線，當(dāng)達(dá)到一定數(shù)量時(shí)，表示圖像中有一定數(shù)量的點(diǎn)在一條直線上。
[0057] 本發(fā)明將采用標(biāo)準(zhǔn)霍夫變換中的極坐標(biāo)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(biāo)原點(diǎn)到該直線的距離，而圖像中的坐標(biāo)原點(diǎn)指在圖像 左上角第一個(gè)像素點(diǎn)坐標(biāo)；Φ是直線與軸的夾角。
[0060] 根據(jù)上述原理，本發(fā)明檢測(cè)直線的具體步驟如下：