一種基于參數(shù)不唯一的車道線檢測與跟蹤方法
【專利說明】一種基于參數(shù)不唯一的車道線檢測與跟蹤方法 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及一種基于參數(shù)不唯一的車道線檢測與跟 蹤方法。 【【背景技術(shù)】】
[0002] 車道線是非常重要的道路信息，道路信息檢測是安全輔助駕駛系統(tǒng)的重要組成部 分。Hough變換是經(jīng)典的車道線檢測算法，1962年P(guān)aul Hough提出了Hough變換，其核心是一 個空間和另一個空間的對應(yīng)關(guān)系，后來Hough變換被應(yīng)用于車道線檢測，取得了極好的效 果，算法的效率決定了車道線檢測與跟蹤系統(tǒng)的性能。車道線檢測與跟蹤算法主要運用在 車載視頻設(shè)備上，而且需要對前方道路信息進(jìn)行實時的檢測，因此，車道線檢測必須有很好 的實時性。
[0003] 車道線檢測可以分為基于特征的車道線檢測和基于模版的車道線檢測。
[0004] 基于特征的車道線檢測主要是根據(jù)車道線和圖中其他部分特征的不同（例如 gradient-based method(梯度），texture based approach(紋理)等)通過區(qū)域分割等方式 檢測車道線，算法簡單，易于實現(xiàn)，但是當(dāng)圖中車道線或者車道邊緣不明顯時容易受到影 響；基于模版的車道線檢測用參數(shù)代表車道線(例如Hough變換，雙曲線模型等），車道線可 以被看成是直線也可以被看成是曲線，檢測車道線的過程就被看成是求取直線或者曲線參 數(shù)的問題。
[0005] Hough變換的基本思想是：一個空間和另外一個空間的轉(zhuǎn)換。用在車道線檢測時， 就是圖像二維空間和直線極坐標(biāo)空間的轉(zhuǎn)換。
[0006] Hough變換的基本原理可以用下式表示：
[0007] p = x cosB+y sinB (1)
[0008] 其中x，y代表的是直線上像素點在圖像中的二維坐標(biāo)，ρ，θ代表的是直線到坐標(biāo)原 點的垂直距離和垂線的夾角。
[0009] 車道線的檢測問題，經(jīng)過Hough變換，變成了直線參數(shù)Ρ，θ的求取過程，在后面的章 節(jié)中，以極徑和角度代稱。角度范圍是[0,360]，極徑范圍的確定根據(jù)極徑的最大值確定。 [00?0]極徑最大值由下式確定：
[0011]
Q)
[0012] 其中w表示圖像的寬度，h表示圖像高度。因此，極徑檢測范圍為[0，pmax]。
[0013] 圖像中基于Hough變換檢測車道線基本的算法步驟為：
[0014] 1)對輸入圖像進(jìn)行邊緣提取，得到邊緣二值化圖像；
[0015] 2)對邊緣二值化圖像中每一個非零像素，以其二維坐標(biāo)(x，y)為參數(shù)，以角度為自 變量，在360度角范圍內(nèi)，計算在每一度角的極徑參數(shù)值，保存在參數(shù)矩陣中；
[0016] 3)在參數(shù)矩陣中，選擇最大的兩個參數(shù)，得到兩條車道線的參數(shù)(Ρ^θ:)和（p2， θ2);
[0017] 4)對圖像的每一個像素進(jìn)行驗證，驗證過程為：對每一個像素的二維坐標(biāo)值(X， y)，如果滿足等式Pi = x cosQi+y sinQ!或者p2 = x cos02+y sin02,則該像素是車道線上的 點。
[0018] 由角度的范圍和極徑的范圍可以看出基于Hough變換的車道線檢測計算消耗大， 效率低。
[0019] 針對基于Hough變換的車道線檢測算法的效率，很多研究學(xué)者都進(jìn)行過改進(jìn)。其中 R0I(感興趣區(qū)域）以及極角約束和動態(tài)R0I是兩個非常重要的改進(jìn)。其中R0I減少了單幅圖 像的車道線檢測消耗，極角約束和動態(tài)R0I適合于視頻流的處理。
[0020] 車道線的 R0I(H Lin，S Ko，W Shi，Y Kim，H Kim.Lane departure identification on Highway with searching the region of interest on Hough space · Control，Automat ion and Systems · 2007:1088-1091) -般是在馬路圖像的下半部 分，因為馬路上圖像的內(nèi)容較為復(fù)雜，圖像的上半部分內(nèi)容通常會包括路燈，房屋，樹木，天 空等和車道線檢測無關(guān)的信息，而且這些復(fù)雜而且繁多的信息會影響車道線的檢測。經(jīng)過 先驗知識得到車道線的感興趣區(qū)域，然后在感興趣區(qū)域內(nèi)進(jìn)行車道線檢測與跟蹤能夠極大 減少計算消耗，不僅如此還可以增強(qiáng)算法的魯棒性。
[0021] 極角約束和動態(tài)R0I (楊喜寧，段建民，高德芝，鄭榜貴.基于改進(jìn)Hough變換的車道 線檢測技術(shù).計算機(jī)測量與控制，2010,18(2))利用的是視頻流幀與幀之間的相關(guān)性。極角 約束指的是根據(jù)先驗知識將車道線的參數(shù)約束在一定區(qū)域內(nèi)，區(qū)域指得是根據(jù)前一幀車道 線參數(shù)檢測結(jié)果進(jìn)行區(qū)間約束得到的感興趣區(qū)域。
[0022]計算量一直是基于Hough變換檢測車道線的瓶頸，雖然感興趣區(qū)域和動態(tài)感興趣 區(qū)域等方法已經(jīng)改進(jìn)了算法，感興趣區(qū)域的確定依然需要改進(jìn)，外部決定的先驗知識并不 能運用到實時的移動終端上。
[0023] 如果能夠在確定感興趣區(qū)域方面減少計算量，將會很有意義。 【
【發(fā)明內(nèi)容】
】
[0024] 本發(fā)明的目的在于解決上述問題，提供一種基于參數(shù)不唯一的車道線檢測與跟蹤 方法，該方法能夠克服基于Hough變換的車道線檢測計算量大的問題，在一定程度上優(yōu)化了 基于Hough變換的車道線檢測。
[0025]為了實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案予以實現(xiàn)：
[0026] -種基于參數(shù)不唯一的車道線檢測與跟蹤方法，包括以下步驟：
[0027] 1)首先進(jìn)行邊緣信息的提??；
[0028] 2)在邊緣圖像中，利用車道線參數(shù)的不唯一性，限定檢測角度步長，進(jìn)行Hough變 換，初步估測車道線的位置；
[0029] 3)對參數(shù)進(jìn)行區(qū)間約束得到感興趣區(qū)域；
[0030] 4)在感興趣區(qū)域內(nèi)再次進(jìn)行Hough變換，精確定位車道線；
[0031] 5)利用視頻幀之間的相關(guān)性，對參數(shù)進(jìn)行區(qū)間約束，跟蹤車道線。
[0032]本發(fā)明進(jìn)一步的改進(jìn)在于：
[0033] 所述步驟1)中，采用Canny邊緣提取算法，得到邊緣圖像，具體方法如下：
[0034] 1-1)對灰度圖像進(jìn)行高斯濾波進(jìn)行平滑處理，濾除噪聲；
[0035] 1-2)對平滑后的圖像通過一階偏導(dǎo)，計算圖像梯度矢量的模和方向
[0036]
〇)
[0037] θ[ i , j] =arctan(Gi(i , j)/Gj(i , j)) (4)
[0038] 式中:Gi(i，j)為行方向一階偏導(dǎo)，Gj(i，j)為列方向一階偏導(dǎo)，M[ i，j ]為像素點處 梯度矢量的模，θ [ i，j ]為像素點處梯度矢量方向；
[0039] 1-3)邊緣是梯度極大的點，需要進(jìn)行非極大值抑制，通過梯度角度將梯度離散為 四個扇區(qū)：
[0040] 第一個扇區(qū)包括：[0,22.5]，[157.5,202.5]，[337.5,360];扇區(qū)內(nèi)像素梯度與左 右像素梯度相比，若為極大值則保留該點；
[0041 ] 第二個扇區(qū)包括：[22.5，67.5 ]，[ 202.5，247.5];扇區(qū)內(nèi)像素梯度與右上和坐下像 素梯度相比，若為極大值則保留該點；
[0042]第三個扇區(qū)包括：[67.5，112.5]，[ 247.5，292.5];扇區(qū)內(nèi)像素梯度與上下像素梯 度相比，若為極大值則保留該點；
[0043]第四個扇區(qū)包括：[112.5,157.5]，[292.5,337.5];扇區(qū)內(nèi)像素梯度與左上和右下 像素梯度相比，若為極大值則保留該點；
[0044] 1-4)對非極大值抑制圖像使用兩個閾值thrl和thr2得到low和high兩幅圖，其中 thr2>thrl;得到高閾值圖像和低閾值圖像，其中，高閾值圖像濾除了大部分噪聲但是同時 濾除了邊緣信息，低閾值圖像保留了所有邊緣信息但是同時保留了部分噪聲；
[0045] 1-5)利用低閾值圖像補充高閾值圖像濾除掉的邊緣信息，具體方法是：
[0046] 瀏覽低閾值圖像的非零像素，對高閾值圖像的相同位置進(jìn)行八鄰域掃描如果在包 含該像素在內(nèi)有非零點則標(biāo)記為邊緣點，直到瀏覽完所有像素，完成Canny邊緣提取。
[0047] 所述步驟2)中，初步估測車道線位置的方法為：
[0048] 2-1)選定角度步長變?yōu)棣醛?角度范圍為[0,360]，極徑檢測范圍為[0，pmax];
[0049] 2-2)通過Hough變換公式
[0050] p = x cosB+y sinB
[0051 ]得到參數(shù)矩陣中，各個參數(shù)條件即直線參數(shù)下邊緣點的個數(shù)；
[0052] 2-3)選出邊緣點個數(shù)最多的兩條直線，（Ριθ:)和(ρ2，θ2)，即為初步估測的兩條車 道線；
[0053]得到兩條車道線的參數(shù)(Ρ^θχ)和(ρ2，θ2)后，通過Hough變換公式對二維圖像的像 素位置進(jìn)行驗證，符合：
[0054] pi = x cosBi+y sin9i或者P2 = x cos02+y sin02
[0055] 則為車道線。
[0056] 所述步驟3)中，對參數(shù)進(jìn)行區(qū)間約束得到感興趣區(qū)域的具體方法為：
[0057] 3-1)第一條車道線感興趣區(qū)域參數(shù)為：
[0058] - θ? / 2, / 2]? tpj ~ YPi Pi + V/?]
[0059]在感興趣區(qū)域內(nèi)進(jìn)行Hough變換，得到參數(shù)矩陣；
[0060] 3-2)選出參數(shù)矩陣中最大參數(shù)即為第一條車道線；
[0061 ] 3-3)第二條車道線感興趣區(qū)域參數(shù)為：
[0062] V&2 ~ ( 2, θ^, + θ% J 2] r \.p,, - yp, p，z + V/?]
[0063] 重復(fù)第一條車道線檢測步驟得到第二條車道線。
[0064] 所述步驟4)中，精確定位車道線的具體方法如下：
[0065] 4-1)以θ〇為步長，通過Hough變換初步估測車道線位置，得到車道線參數(shù)為P和Θ;
[0066] 4-2)在該位置對極徑、角度進(jìn)行約束，得到感興趣區(qū)域，角度約