專利名稱：基于計算機視覺的高速公路彎道檢測方法
技術領域：
本發(fā)明涉及車輛輔助駕駛技術領域，具體涉及一種基于計算機視覺的高速公路彎道檢測方法。
背景技術：
近年來，中國道路交通事故數量高居難下，僅2009年全國共發(fā)生238351起交通事故，導致67759人死亡和275125人受傷，直接財產損失9. 1億元。因此，增強道路行駛安全， 保障生命財產安全意義重大。目前，不少圍繞增強道路行駛安全這一課題的研究已展開，如前向碰撞預警、車道跑偏告警和駕駛員狀態(tài)監(jiān)測?；诶走_的前向碰撞系統(tǒng)對于在直道上行駛的車輛安全性高，但對于在彎道行駛的車輛卻作用較小，因此彎道檢測在彎道碰撞預警中至關重要；車道跑偏告警系統(tǒng)通過道路和車體的相對位置來判斷是否跑偏，而彎道檢測也是其重要研究內容之一；駕駛員狀態(tài)檢測可以通過彎道處駕駛員的剎車和轉方向盤的反應速度來判斷駕駛員狀態(tài)情況，彎道檢測是實現該方法的前提條件。由上可見，彎道檢測是這些預警系統(tǒng)研究的主要內容?；谟嬎銠C視覺的高速公路彎道檢測方法是當前研究的熱點，目前常見的由基于神經網絡的檢測法、基于形態(tài)學的分水嶺檢測法、基于鳥瞰的方法、基于可變形模型的檢測法和基于區(qū)域生長的彎道檢測法等。H. Rowley和S. Baluja等人采用基于神經網絡法的檢測方法，優(yōu)勢在于系統(tǒng)具有很強大的非線性擬合性，然而最嚴重的問題是無法解釋推理過程和推理依據；Beucher等人提出的基于形態(tài)學的分水嶺檢測法對微弱的邊緣有良好的響應，但該算法需要較高的計算開銷，并且邊緣檢測效果較為粗糙；M. Bertozzi和A. Broggi. 提出了鳥瞰的方法，這些方法利用世界坐標判別車道方向，因而具有較高的準確性，但是這對鳥瞰圖像的實時處理性能具有很高要求；Qiang Chen和Hong Wang提出了一種基于雙曲線建模的方法，該方法將兩條車道線看作一對雙曲線，對噪聲環(huán)境下具有良好的魯棒性， 但雙曲線模擬在精確度上仍然存在劣勢；劉濤等人提出的算法對車道線建立簡單模型，將近40m車道近似為直線并用最小二乘法進行擬合，然后利用遠40m車道線上的點統(tǒng)計到該直線的距離并據此判斷是否有彎道及彎道方向，該方法計算復雜度較低，但在偏離點較多的情況下，采用最小二乘法擬合容易造成較大誤差，且算法對光照變化較大、車道線斷裂、 車道線被車輛遮擋和有橋梁的車道線的場景不能很好的適應。

發(fā)明內容
本發(fā)明要解決的技術問題是提供一種計算開銷小、精確度高、對圖像采集要求低、適應性好的基于計算機視覺的高速公路彎道檢測方法。為了解決上述技術問題，本發(fā)明采用的技術方案為一種基于計算機視覺的高速公路彎道檢測方法，其實施步驟如下1)建立具有曲線車道區(qū)域、直線車道區(qū)域信息的彎道曲線直線模型；
2)采集車輛前方的圖像；3)根據采集的圖像識別白色或者黃色的車道線像素點；4)根據所述彎道曲線直線模型，將車道線圖像中直線車道區(qū)域內的車道線像素點進行擬合得到車道直線，通過疊加計算曲線車道區(qū)域內的車道線像素點到車道直線的距離來獲取公路彎道的彎曲度和方向。作為本發(fā)明的進一步改進所述步驟3)中識別車道線像素點預先設定用于判定單位區(qū)域內車道線像素點數量的臨界值，然后采用區(qū)域生長法識別車道線像素點并對區(qū)域內被識別的車道線像素點進行統(tǒng)計，如果某一區(qū)域內的車道線像素點數量超過所述臨界值，則重新尋找種子點并重新進行掃描該區(qū)域內的車道線像素點。所述步驟4)擬合車道直線時，首先通過區(qū)域生長法獲得車道直線上的兩個車道線像素點，然后采用Hough變換將該兩個車道線像素點擬合為車道線段，然后沿著該車道線段延伸方向進行搜索，如果搜到其他的車道線像素點，則將車道線段與新的車道線像素點之間進行連續(xù)閉合。所述步驟3)識別車道線像素點時首先將圖像轉換為HIS顏色空間，然后分離其中的白色或者黃色的像素點作為車道線像素點。所述步驟1)中建立的彎道曲線直線模型中，圖像從下往上的1/2高度區(qū)域為直線車道區(qū)域，圖像從上往下的1/6高度區(qū)域為曲線車道區(qū)域。所述步驟⑴識別車道線像素點之前將圖像從上往下1/7高度區(qū)域從圖像中除去。所述步驟幻之前預先根據圖像采集裝置的位置設定車身環(huán)境背景區(qū)域，所述步驟3)識別車道線像素點之前將車身環(huán)境區(qū)域背景從圖像中除去。所述步驟幻中采集圖像時采集車輛正前方的圖像。本發(fā)明具有下述優(yōu)點1、本發(fā)明無需對圖像灰度處理，最大保留了圖像中的色彩信息，干擾因素少；通過識別白色或者黃色的車道線像素點，并根據彎道曲線直線模型，將車道線圖像中直線車道區(qū)域內的車道線像素點進行擬合得到車道直線，通過疊加計算曲線車道區(qū)域內的車道線像素點到車道直線的距離來獲取公路彎道的彎曲度和方向，具有計算開銷小、精確度高、對圖像采集要求低、適應性好的優(yōu)點。2、本發(fā)明進一步采用區(qū)域生長法識別車道線像素點并對區(qū)域內被識別的車道線像素點進行統(tǒng)計，如果某一區(qū)域內的車道線像素點數量超過所述臨界值，則重新尋找種子點并重新進行掃描該區(qū)域內的車道線像素點，從而可以有效克服容易對車道線識別造成干擾的橋梁等，提高了車道線檢測的精確度。3、本發(fā)明擬合車道直線時，進一步對車道線段延伸方向進行搜索，如果搜到其他的車道線像素點，則將車道線段與新的車道線像素點之間進行連續(xù)閉合，從而對對斷裂的車道線、有車輛遮擋的車道線、有箭頭或字符干擾的車道線等情況都有良好的適應性。


圖1為本發(fā)明實施例的流程示意圖。圖2為本發(fā)明實施例的彎道曲線直線模型。圖3為本發(fā)明實施例通過鏈表識別車道線像素點的流程示意圖。 圖4為本發(fā)明實施例對兩段斷裂車道線的復原示意圖。
具體實施例方式如圖1所示，本發(fā)明實施例的基于計算機視覺的高速公路彎道檢測方法的實施步驟如下1)建立具有曲線車道區(qū)域、直線車道區(qū)域信息的彎道曲線直線模型；2)采集車輛前方的圖像；3)根據采集的圖像識別白色或者黃色的車道線像素點；4)根據彎道曲線直線模型，將車道線圖像中直線車道區(qū)域內的車道線像素點進行擬合得到車道直線，通過疊加計算曲線車道區(qū)域內的車道線像素點到車道直線的距離來獲取公路彎道的彎曲度和方向。如圖2所示，步驟1)中建立的彎道曲線直線模型中，圖像從下往上的1/2高度區(qū)域作為直線車道區(qū)域，圖像從上往下的1/6高度區(qū)域作為曲線車道區(qū)域，圖像的高度為H， 曲線車道區(qū)域的高度為H/6，直線車道區(qū)域的高度為H/2。圖像從下往上的1/2高度區(qū)域大約為車輛前40m左右，圖像從上往下的1/6高度區(qū)域為車輛40m以外的區(qū)域，本模型是針對針對高速公路的道路建設標準，其極限彎道半徑為650m。此外，也可以根據不同公路的參數設置相應的彎道曲線直線模型，本發(fā)明同樣也可以適用。步驟2)中采集圖像時采集車輛正前方的圖像。本實施例中，采用SuperDVR車載攝像頭以每秒25幀實時采集杭徽高速車道視頻圖像，每幀圖像大小設置為352M88像素。 光線強度檢測采用TES公司的TES 1330ADigital Lux Meter檢測儀，量程調節(jié)在200001ux 檔。場景分為高速公路場景和隧道場景兩種，高速公路場景中光強一般大于200001UX，隧道內光強一般小于lOOOOlux。經過試驗發(fā)現采集的圖像中，天空等環(huán)境背景對車道線檢測的干擾比較大，因此要識別車道線之前需要將環(huán)境背景除去。本實施例中，步驟3)識別車道線之前將環(huán)境背景除去，除去環(huán)境背景包括除去天空環(huán)境背景和除去車身環(huán)境背景。除去天空環(huán)境背景時，將圖像從上往下1/7高度區(qū)域從圖像中除去；除去車身環(huán)境背景時，預先根據圖像采集裝置的位置設定車身環(huán)境背景區(qū)域，然后將車身環(huán)境區(qū)域背景從圖像中除去。由于車載攝像頭的位置是固定的，因此車身環(huán)境背景也是相對固定的，因此可以預先根據圖像采集裝置的位置設定車身環(huán)境背景，從而除去環(huán)境背景時將車身環(huán)境背景除去。通過除去環(huán)境背景，一方面可以減少環(huán)境背景對車道線檢測的干擾，另一方面還可以減少圖像處理區(qū)域，從而提高圖像處理的性能。由于HIS顏色空間更加適用圖像分割和顏色識別，本實施例中步驟3)識別車道線像素點時首先將圖像轉換為HIS顏色空間，然后分離其中的白色或者黃色的像素點作為車道線像素點。RGB顏色空間轉換為HSI顏色空間的表達式為
'60*(G-E)I {m oi-mm)(//max = i )H =\ 60* (G-E) I (max- min) +120 (//max = G)
60*(G-E)I (max-min) + 240 (if max = B)H = H+360 (if H < 0)
權利要求
1.一種基于計算機視覺的高速公路彎道檢測方法，其特征在于其實施步驟如下1)建立具有曲線車道區(qū)域、直線車道區(qū)域信息的彎道曲線直線模型；2)采集車輛前方的圖像；3)根據采集的圖像識別白色或者黃色的車道線像素點；4)根據所述彎道曲線直線模型，將車道線圖像中直線車道區(qū)域內的車道線像素點進行擬合得到車道直線，通過疊加計算曲線車道區(qū)域內的車道線像素點到車道直線的距離來獲取公路彎道的彎曲度和方向。
2.根據權利要求1所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟3)中識別車道線像素點預先設定用于判定單位區(qū)域內車道線像素點數量的臨界值，然后采用區(qū)域生長法識別車道線像素點并對區(qū)域內被識別的車道線像素點進行統(tǒng)計， 如果某一區(qū)域內的車道線像素點數量超過所述臨界值，則重新尋找種子點并重新進行掃描該區(qū)域內的車道線像素點。
3.根據權利要求2所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟4)擬合車道直線時，首先通過區(qū)域生長法獲得車道直線上的兩個車道線像素點，然后采用Hough變換將該兩個車道線像素點擬合為車道線段，然后沿著該車道線段延伸方向進行搜索，如果搜到其他的車道線像素點，則將車道線段與新的車道線像素點之間進行連續(xù)閉合。
4.根據權利要求3所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟3)識別車道線像素點時首先將圖像轉換為HIS顏色空間，然后分離其中的白色或者黃色的像素點作為車道線像素點。
5.根據權利要求4所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟1)中建立的彎道曲線直線模型中，圖像從下往上的1/2高度區(qū)域為直線車道區(qū)域， 圖像從上往下的1/6高度區(qū)域為曲線車道區(qū)域。
6.根據權利要求1 5中任一所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟幻識別車道線像素點之前將圖像從上往下1/7高度區(qū)域從圖像中除去。
7.根據權利要求6所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟幻之前預先根據圖像采集裝置的位置設定車身環(huán)境背景區(qū)域，所述步驟幻識別車道線像素點之前將車身環(huán)境區(qū)域背景從圖像中除去。
8.根據權利要求1 5中任一所述的所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟幻中采集圖像時采集車輛正前方的圖像。
9.根據權利要求7所述的所述的基于計算機視覺的高速公路彎道檢測方法，其特征在于所述步驟2)中采集圖像時采集車輛正前方的圖像。
全文摘要
本發(fā)明公開了一種基于計算機視覺的高速公路彎道檢測方法，其實施步驟如下1)建立具有曲線車道區(qū)域、直線車道區(qū)域信息的彎道曲線直線模型；2)采集車輛前方的圖像；3)根據采集的圖像識別白色或者黃色的車道線像素點；4)根據彎道曲線直線模型，將車道線圖像中直線車道區(qū)域內的車道線像素點進行擬合得到車道直線，通過疊加計算曲線車道區(qū)域內的車道線像素點到車道直線的距離來獲取公路彎道的彎曲度和方向。本發(fā)明具有計算開銷小、精確度高、對圖像采集要求低、適應性好的優(yōu)點。
文檔編號G06K9/00GK102298693SQ20111012954
公開日2011年12月28日 申請日期2011年5月18日 優(yōu)先權日2011年5月18日
發(fā)明者馮蓉, 周泓, 虞俠挺 申請人:浙江大學