一種結(jié)合山脊邊界檢測(cè)及霍夫變換的快速車道線檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及屬于公路預(yù)警檢測(cè)技術(shù)領(lǐng)域，設(shè)及一種車道線檢測(cè)方法，尤其是一種 結(jié)合山脊邊界檢測(cè)及霍夫變換的快速車道線檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)發(fā)展、道路設(shè)施的完善，我國(guó)汽車保有量迅速增加。該導(dǎo)致公路交通事 故的發(fā)生率居高不下，交通安全問(wèn)題日趨嚴(yán)重。車輛安全輔助駕駛系統(tǒng)已成為當(dāng)前世界交 通領(lǐng)域的研究熱點(diǎn)之一。而基于視覺(jué)的車道線檢測(cè)技術(shù)是車輛安全輔助駕駛系統(tǒng)的主要研 究?jī)?nèi)容之一。車道線的提取就是從車載攝像頭獲得的視頻圖像中，根據(jù)車道線的顏色，形 狀和紋理等特征，將車道線與背景進(jìn)行分離，從而獲得車道線的走向，車輛相對(duì)于車道線 的位置等信息.從國(guó)內(nèi)外研究現(xiàn)狀來(lái)看，現(xiàn)有的車道線檢測(cè)算法大體可分為車道線區(qū)域檢 測(cè)法，特征驅(qū)動(dòng)法和模型驅(qū)動(dòng)法。
[0003] 車道線區(qū)域檢測(cè)法的核屯、思想是將圖像中的所有像素點(diǎn)標(biāo)記為車道線點(diǎn)和非車 道線點(diǎn)兩類.可W作為分類依據(jù)的稱為特征量.Bertozzi M通過(guò)對(duì)圖像進(jìn)行邊緣提取和形 態(tài)學(xué)的運(yùn)算，利用車道線的寬度特征將可能的車道線邊緣點(diǎn)構(gòu)造成車道線；Kreucher C使 用的本體匹配算法利用的則是頻率特征，通過(guò)對(duì)似然概率的估計(jì)，得到最符合條件的車道 線.模型驅(qū)動(dòng)法是根據(jù)提取的特征對(duì)預(yù)先定義好的車道線模型進(jìn)行匹配，就是將車道線的 提取轉(zhuǎn)化為車道線模型中參數(shù)的計(jì)算問(wèn)題。同濟(jì)大學(xué)的劉富強(qiáng)提出了路面的3D模型，將 霍夫變換與分段曲線擬合方法結(jié)合，提取車道線輪廓；McCall C采用了平面上的拋物線模 型，利用可操作的濾波器和自適應(yīng)的車道線模板，對(duì)模型進(jìn)行擬合，但是該算法的時(shí)耗性 取決于所選濾波器的復(fù)雜程度；近年來(lái)，有人提出了基于回旋曲線的=維車道線模型，該 是一個(gè)新興的方向但是目前在該領(lǐng)域使用的單一的邊緣檢測(cè)方法使得該方法的魯椿性還 有待提局. 基于霍夫變換(霍夫）的車道檢測(cè)是應(yīng)用最為廣泛的車道識(shí)別方法之一，是由Paul霍 夫于1962年W專利形式提出的，它實(shí)現(xiàn)一種從圖像空間到參數(shù)空間的映射關(guān)系。其基本 思想是點(diǎn)-線的對(duì)偶性，即圖像空間共線的點(diǎn)對(duì)應(yīng)在參數(shù)空間里相交的線；反過(guò)來(lái)，在參數(shù) 空間中相交于同一個(gè)點(diǎn)的所有直線（曲線）在圖像空間里都有共線的點(diǎn)與之對(duì)應(yīng)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種結(jié)合山脊邊界檢測(cè)及霍夫變換的快速車道線檢測(cè)方 法。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是；一種結(jié)合山脊邊界檢測(cè)及霍夫變換的快 速車道線檢測(cè)方法，包括W下步驟， 步驟S1 ;從采集的車道線視頻中截取長(zhǎng)寬為N*M的單帖圖像，并對(duì)其進(jìn)行基于局部最 大值的縮小，然后對(duì)縮小后的圖像進(jìn)行灰度化，降低圖像數(shù)據(jù)量，從而加快處理速度，其中， N、M為正整數(shù)； 步驟S2:選定車道線區(qū)域：由于攝像頭位置W及車身左右移動(dòng)而導(dǎo) 致車道線的斜率和起點(diǎn)發(fā)生變化，根據(jù)統(tǒng)計(jì)，左車道線的斜率控制在（ !/怎，^)，左車道線的起點(diǎn)在左豎直邊界控制在（〇，l/2M)范圍內(nèi)，在水平邊界控制在 (0, 1/4腳范圍內(nèi)；右車道線的斜率控制在度），右車道線的起點(diǎn)在右豎直邊界 控制在（0, 1/2M)范圍內(nèi)，在水平邊界控制在（3/4N，1腳范圍內(nèi)；其中，左車道線范圍是W左 邊界1/2處為起點(diǎn)且斜率為^的直線與W水平邊界1/4處為起點(diǎn)且斜率為!/方的直線之 間，右車道線范圍是W右邊界1/2處為起點(diǎn)斜率為的直線與W水平邊界3/4處為起點(diǎn) 斜率為-1/怎的直線之間； 步驟S3 ;車道線分為直線車道線和虛線車道線，對(duì)于虛線車道線的每一段都是一個(gè)矩 形，故而采用valley算法在選定的車道線區(qū)域內(nèi)檢測(cè)車道線的邊緣，得到車道線邊緣二值 圖像； 步驟S4:對(duì)步驟S3得到的車道線邊緣二值圖像進(jìn)行改進(jìn)的快速隨機(jī)霍夫線檢測(cè)； 步驟S5 ;檢測(cè)每條車道線的組成線條數(shù)，并將該些線條擴(kuò)充為一條粗直線；具體即，首 先對(duì)各車道線進(jìn)行形態(tài)學(xué)膨脹將各線條之間的空隙填充，然后再對(duì)其進(jìn)行形態(tài)學(xué)腐蝕，得 到各條車道線的粗直線； 步驟S6 ;對(duì)步驟S5得到的圖像進(jìn)行細(xì)線化，考慮到細(xì)線化可能產(chǎn)生短枝，設(shè)定一個(gè)線 條長(zhǎng)度闊值t，若線條的長(zhǎng)度小于t則認(rèn)為是短枝，需去除掉；若線條長(zhǎng)度大于t則認(rèn)為是 車道線的一部分，需保留； 步驟S7 ;選取采樣點(diǎn)，對(duì)采樣點(diǎn)進(jìn)行最小二乘法擬合，得到最終車道線；其中，采樣點(diǎn) 的選取原則是在圖像的中間3/5范圍內(nèi)選取，即去除掉上下的1/5部分，并W中軸線為中屯、 將采樣特征點(diǎn)分為左右兩部分，分別擬合左右車道線。
[0006] 在本發(fā)明實(shí)施例中，所述步驟S3中，采用的val 1 ey算法在選定的車道線區(qū)域內(nèi)檢 測(cè)車道線的邊緣的具體步驟如下， 步驟S31 ;將步驟S2選定的車道線區(qū)域平分為左中右=部分； 步驟S32;由于車道線是左右兩條與水平方向夾角分別近似為45°和135°的相交直 線組成，為了加快檢測(cè)速度，左部分選擇0°和135°方向的山脊檢測(cè)方向差值公式進(jìn)行 檢測(cè)，右部分選擇0°和45°方向的山脊檢測(cè)方向差值公式進(jìn)行檢測(cè)，中間部分采用0°、 45°、90°、和135°全方向的山脊檢測(cè)方向差值公式進(jìn)行檢測(cè)。
[0007] 在本發(fā)明實(shí)施例中，在步驟S32中，所述0°、45°、90°、和135°的山脊檢測(cè)方向 差值公式分別如下：
【主權(quán)項(xiàng)】
1. 一種結(jié)合山脊邊界檢測(cè)及霍夫變換的快速車道線檢測(cè)方法，其特征在于：包括以下 步驟， 步驟Sl :從采集的車道線視頻中截取長(zhǎng)寬為N*M的單幀圖像，并對(duì)其進(jìn)行基于局部最 大值的縮小，然后對(duì)縮小后的圖像進(jìn)行灰度化，降低圖像數(shù)據(jù)量，從而加快處理速度，其中， N、M為正整數(shù)； 步驟S2:選定車道線區(qū)域：由于攝像頭位置以及車身左右移動(dòng)而導(dǎo) 致車道線的斜率和起點(diǎn)發(fā)生變化，根據(jù)統(tǒng)計(jì)，左車道線的斜率控制在（ l/占，#)，左車道線的起點(diǎn)在左豎直邊界控制在（〇, 1/2M)范圍內(nèi)，在水平邊界控制在 (0, 1/4N)范圍內(nèi)；右車道線的斜率控制在（-)，右車道線的起點(diǎn)在右豎直邊界 控制在（0, 1/2M)范圍內(nèi)，在水平邊界控制在（3/4N，IN)范圍內(nèi)；其中，左車道線范圍是以左 邊界1/2處為起點(diǎn)且斜率為#的直線與以水平邊界1/4處為起點(diǎn)且斜率為l/j的直線之 間，右車道線范圍是以右邊界1/2處為起點(diǎn)斜率為的直線與以水平邊界3/4處為起點(diǎn) 斜率為-l/f的直線之間； 步驟S3 :車道線分為直線車道線和虛線車道線，對(duì)于虛線車道線的每一段都是一個(gè)矩 形，故而采用valley算法在選定的車道線區(qū)域內(nèi)檢測(cè)車道線的邊緣，得到車道線邊緣二值 圖像； 步驟S4