專利名稱：公路車道標(biāo)志線精確檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種智能交通技術(shù)領(lǐng)域，具體是一種利用圖像處理精確檢測公路車道標(biāo)志線 的方法。
背景技術(shù)：
智能交通系統(tǒng)的目標(biāo)是獲得更有效、更安全的道路交通，目前已經(jīng)發(fā)展了智能交通信號 控制、車輛誘導(dǎo)、自動(dòng)駕駛、道路導(dǎo)航、事故源探測和預(yù)防等系統(tǒng)。在智能交通系統(tǒng)中，視 頻檢測由于其具有的檢測交通場景面積大，投資少，費(fèi)用低，且對路面設(shè)施不會(huì)產(chǎn)生破壞等 優(yōu)勢，已經(jīng)逐漸成為主要的檢測手段。精確的車道定位是進(jìn)行視頻交通檢測的先決條件。
交通道路的結(jié)構(gòu)化使機(jī)器視覺系統(tǒng)成為檢測車道標(biāo)志線的主要手段，目前，有關(guān)車道定 位的研究已有文獻(xiàn)報(bào)道，但多是針對車輛導(dǎo)航系統(tǒng)等簡單路面背景的情況。在交通擁擠、背 景復(fù)雜的交叉路口等場所，直線狀車道的定位存在檢測出虛假直線以及對稱地額外畫出直線 等問題，不能適應(yīng)各種實(shí)際公路車道標(biāo)志線的精確檢測。

發(fā)明內(nèi)容
為了解決現(xiàn)有公路車道標(biāo)志線檢測技術(shù)的缺點(diǎn)，本發(fā)明提供一種基于模糊集理論的車道 標(biāo)志線精確檢測方法。該方法把模糊集和動(dòng)態(tài)聚類分析的思想引入到直線的精確定位中，提 取的直線點(diǎn)冗余度較小，提高了系統(tǒng)的智能化程度，應(yīng)用效果良好。
本發(fā)明的技術(shù)方案是建立直線型車道模型，采用經(jīng)典Hough變換粗略檢測出車道標(biāo)志線， 按照聚類準(zhǔn)則，將標(biāo)志線上的樣本點(diǎn)聚類至不同的樣本集，提取出各個(gè)樣本的特征參數(shù)，精 確繪出具有該特征的車道標(biāo)志線。
1車道標(biāo)志線的特征集
(1) 直線特征選擇
對不同的識別對象應(yīng)該使用不同的特征抽取方法，例如可以抽取目標(biāo)的物理屬性或結(jié)構(gòu) 特性作為特征，也可以通過某種變換抽取特征，還可用不同譜段的光波來突出目標(biāo)的特征。 公路交通圖像屮，目標(biāo)直線(即車道標(biāo)志線)的特征有顏色特征、方向特征、位置特征等。 本算法抽取直線的斜率a和截距6作為特征，即通過直線的方向特征和位置特征來精確定位 圖像中的車道標(biāo)志線。
(2) 樣本選擇
圖像中待分類的對象為經(jīng)Hough變換粗略提取出的位于各車道直線及其附近的所有亮點(diǎn) 像素，目的在于將車道以單像素點(diǎn)直線精確定位出來。建立待分類對象的樣本集 <7 = ，(72,…,R)，其中把每個(gè)像素點(diǎn)的位置t/,，",…,t/ 稱為樣本。(3)樣本特征集
在圖像空間AT里
過點(diǎn)(xp刃)禾P U2，》)的直線滿足方程:
^iz2k a—，
其中 x—i和 分別是斜率和截距，我們這里把它們稱為一組特征參 數(shù)，記為(a, 6)。
選擇一個(gè)樣本點(diǎn)作為聚類中心點(diǎn)C/，記錄下它與第/個(gè)樣本f/,的連線的特征參數(shù)(a,, 6,)，組成樣本特征集
其中"為樣本總數(shù)。
顯然，在同一條直線或近似在同一條直線上的樣本則具有相等或相近的特征參數(shù)(",， 兩個(gè)特征參數(shù)(",，與(a戶~)之間的歐幾里德距離定義為
(1) 采集道路交通圖像，檢測環(huán)境的光照強(qiáng)度。以路面灰度值作為閾值基礎(chǔ)，根據(jù)光照 強(qiáng)度做出適當(dāng)修正，對圖像進(jìn)行分割，得到相應(yīng)的二值圖像，對其進(jìn)行腐蝕處理后，再進(jìn)行 Hough變換，粗略提取位于各車道標(biāo)志線及其附近的所有亮點(diǎn)像素作為待分類的像素點(diǎn)，構(gòu) 成樣本集f/。
(2) 在樣本集t/中選擇一個(gè)樣本點(diǎn)作為聚類中心點(diǎn)C,， C7為樣本集C/的單元素子集。
(3) 分別求取各個(gè)樣本點(diǎn)"與聚類中心點(diǎn)C/的連線的特征參數(shù)(化，6,)作為樣本點(diǎn)特 征參數(shù)，組成樣本特征集。
(4) 根據(jù)樣本特征集中特征參數(shù)間的距離對樣本集進(jìn)行分類，歐幾里德距離滿足上式的 樣本點(diǎn)認(rèn)為具有相近的特征參數(shù)，歸入同一類。
(5) 按照上述模糊聚類分析準(zhǔn)則判斷與C/在同一條直線上的樣本點(diǎn)，作為一個(gè)模糊聚
其中(5為接近于0的正數(shù)。
2步驟類。對該類樣本的所有特征參數(shù)(",，6,)求算術(shù)平均或幾何平均，得到該直線的斜率a和截
距/>，就檢測出了相應(yīng)的這條車道標(biāo)志線。
(6) 在剩余的樣本中選擇一個(gè)樣本點(diǎn)作為聚類中心點(diǎn)C2，重復(fù)步驟(3)、 (4)、 (5)， 直到所有的車道標(biāo)志線都檢測到為止。
(7) 在圖像坐標(biāo)系中，車輛左邊車道線的斜率是負(fù)值，右邊車道線的斜率是正值，且離 開圖像中心線越遠(yuǎn)斜率絕對值越小，按照這一特點(diǎn)將求得的斜率值排序，就可以得到由左向 右每一條車道線的對應(yīng)特征參數(shù)。


圖1為本發(fā)明提出的公路車道標(biāo)志線精確檢測方法的流程框圖。
圖2為攝像機(jī)采集的一幀公路交通圖像。
圖3為本發(fā)明的模糊聚類算法流程框圖。
圖4為采用本方案獲取的公路車道標(biāo)志線檢測結(jié)果。
具體實(shí)施例方式
下面結(jié)合附圖對本發(fā)明的實(shí)施例作詳細(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，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。
參見圖l，本實(shí)施例公路車道標(biāo)志線精確檢測方案，具體實(shí)施歩驟如下
1、 采集交通圖像，檢測光照強(qiáng)度。利用安裝的攝像機(jī)采集檢測路面的交通圖像，同時(shí)利 用光照度檢測系統(tǒng)獲取周圍環(huán)境的光照強(qiáng)度。圖2所示為本實(shí)施例所采用的江蘇省常州市朝 陽橋交叉路口交通圖像。
2、 確定閾值。圖像二值化所用閾值由固定部分和可變部分組成，其中固定部分N是以圖 像的灰度直方圖為基礎(chǔ)，把峰值灰度作為其值，因?yàn)橥ǔＢ访婊叶仍谝环煌▓D像中占的比 例最大；可變部分N1則根據(jù)采集當(dāng)前環(huán)境光照條件對路面灰度值的影響進(jìn)行適當(dāng)調(diào)整。
3、 圖像二值化。本實(shí)施例采用雙閾值法對交通圖像進(jìn)行二值化處理，其中閾值1為N-N1， 閾值2為N+N1。
4、 Hough變換檢測直線。啟動(dòng)Hough變換檢測直線，得到含有干擾信息的標(biāo)志線，其中 干擾信息包括檢測出的虛假直線以及對稱地額外畫出直線等問題。
5、 模糊聚類算法定位標(biāo)志線(如圖3所示)。
(1) 提取位于各車道標(biāo)志線及其附近的所有亮點(diǎn)像素作為待分類的像素點(diǎn)，構(gòu)成樣本集 仏本實(shí)施例中樣本點(diǎn)個(gè)數(shù)為230*330個(gè)。
(2) 在樣本集f/中選擇一個(gè)樣本點(diǎn)作為聚類中心點(diǎn)C/， C/為樣本集/7的單元素子集。(3) 分別求取各個(gè)樣本"與聚類中心點(diǎn)C/的連線的特征參數(shù)",，6,)作為樣本點(diǎn)特征參數(shù)，組成樣本特征集。
(4) 根據(jù)樣本特征集中特征參數(shù)間的距離對樣本集進(jìn)行分類，歐幾里德距離滿足上式的樣本點(diǎn)認(rèn)為具有相近的特征參數(shù)，歸入同一類。
(5) 按照上述模糊聚類分析準(zhǔn)則判斷與C;在同一條直線上的樣本點(diǎn)，作為一個(gè)模糊聚類。對該類樣本的所有特征參數(shù)ZO求算術(shù)平均，得到該直線的斜率"和截距6，就檢測出了相應(yīng)的這條車道標(biāo)志線。
(6) 在剩余的樣本中選擇一個(gè)樣本點(diǎn)作為聚類中心點(diǎn)C2，重復(fù)歩驟(3)、 (4)、 (5)，
直到所有的車道標(biāo)志線都檢測到為止。本實(shí)施例中四條車道標(biāo)志線特征參數(shù)的平均值分別為(-1,26， 212.91)、 (-3. 06， 585.48)、 (11.43， -2454.50)和(2.00， -477.70)，如圖4所示。
(7) 在圖像坐標(biāo)系中，車輛左邊車道線的斜率是負(fù)值，右邊車道線的斜率是正值，且離丌圖像中心線越遠(yuǎn)斜率絕對值越小，按照這一特點(diǎn)將求得的斜率值排序，就可以得到由左向右每一條車道線的對應(yīng)特征參數(shù)。
權(quán)利要求
1、一種公路車道標(biāo)志線精確檢測方法，其特征在于該檢測方法為1)首先采集道路交通圖像，對其進(jìn)行閾值處理，得到相應(yīng)的二值圖像；再對其進(jìn)行腐蝕處理后，通過Hough變換，粗略提取位于各車道標(biāo)志線及其附近的所有亮點(diǎn)像素作為待分類的像素點(diǎn)，構(gòu)成樣本集。2)在樣本集中選擇一個(gè)樣本點(diǎn)作為聚類中心點(diǎn)。3)分別求取各個(gè)樣本與聚類中心點(diǎn)連線的斜率和截距作為樣本點(diǎn)特征參數(shù)，組成樣本特征集。4)按照模糊聚類分析準(zhǔn)則，根據(jù)特征參數(shù)間的歐幾里德距離對樣本集進(jìn)行分類，具有相近特征參數(shù)的樣本點(diǎn)，歸入同一個(gè)模糊聚類。5)對該模糊聚類樣本的所有特征參數(shù)求算術(shù)平均或幾何平均，得到該直線的斜率和截距，就檢測出了相應(yīng)的這條車道標(biāo)志線。6)在剩余的樣本中選擇一個(gè)樣本點(diǎn)作為另一個(gè)聚類中心點(diǎn)，重復(fù)上述步驟，直到所有的車道標(biāo)志線都檢測到為止。7)在圖像坐標(biāo)系中，車輛左邊車道線的斜率是負(fù)值，右邊車道線的斜率是正值，且離開圖像中心線越遠(yuǎn)斜率絕對值越小，按照這一特點(diǎn)將求得的斜率值排序，就可以得到由左向右每一條車道線的對應(yīng)特征參數(shù)。
2、 根據(jù)權(quán)利要求1所述的公路車道標(biāo)志線精確檢測方法，其特征在于以路面灰度值作為 閾值基礎(chǔ)，該閾值還和環(huán)境光照強(qiáng)度有關(guān)。
3、 根據(jù)權(quán)利要求1所述的公路車道標(biāo)志線精確檢測方法，其特征在于以標(biāo)志線在圖像坐 標(biāo)系中的斜率和截距作為特征參數(shù)，以一個(gè)模糊聚類中的所有特征參數(shù)的算術(shù)平均或幾何平 均值作為該標(biāo)志線的斜率和截距。
全文摘要
一種公路車道標(biāo)志線精確檢測方法，屬于智能交通技術(shù)領(lǐng)域。本發(fā)明包括首先采集道路交通圖像，檢測環(huán)境的光照強(qiáng)度；以路面灰度值作為閾值基礎(chǔ)，根據(jù)光照強(qiáng)度做出適當(dāng)修正，對圖像進(jìn)行分割，得到相應(yīng)的二值圖像；對其進(jìn)行腐蝕處理后，再進(jìn)行Hough變換，粗略提取位于各車道標(biāo)志線及其附近的所有亮點(diǎn)像素作為待分類的像素點(diǎn)，構(gòu)成樣本集；選擇聚類中心點(diǎn)，分別求取各個(gè)樣本點(diǎn)與聚類中心點(diǎn)連線的斜率和截距作為樣本點(diǎn)特征參數(shù)，組成樣本特征集；按照聚類準(zhǔn)則，將樣本點(diǎn)聚類至不同的樣本集，提取出各個(gè)樣本的特征參數(shù)，并求算術(shù)平均，得到該直線的斜率和截距，就檢測出了相應(yīng)的車道標(biāo)志線。本發(fā)明具有計(jì)算簡便、檢測精度高等優(yōu)點(diǎn)。
文檔編號G06K9/46GK101470807SQ20071019238
公開日2009年7月1日 申請日期2007年12月26日 優(yōu)先權(quán)日2007年12月26日
發(fā)明者凡 孟, 徐立中, 李慶武, 王慧斌, 丹 石 申請人:河海大學(xué)常州校區(qū)