基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法，屬于車載視 覺(jué)相關(guān)領(lǐng)域。
【背景技術(shù)】
[0002] 為避免由駕駛員不當(dāng)駕駛行為而造成的交通事故并解放人類的駕駛行為，能夠自 主規(guī)劃并執(zhí)行駕駛行為的智能車輛的研究逐漸被人們重視。近年來(lái)，在很多國(guó)家的相關(guān)科 研院所及車輛廠商均設(shè)有智能車的開(kāi)發(fā)研究機(jī)構(gòu)。智能車技術(shù)在以美國(guó)為首的部分國(guó)家已 經(jīng)得到了政府機(jī)構(gòu)的大力重視，例如12年美國(guó)內(nèi)華達(dá)州車輛管理局已經(jīng)開(kāi)始為智能車發(fā) 放行駛牌照，同一時(shí)期，德國(guó)的智能車也得到了柏林政府的行駛許可，這些都意味著智能車 的產(chǎn)業(yè)化及產(chǎn)品化的逐步臨近。同樣在我國(guó)，國(guó)防科大的HQ3及清華大學(xué)的THMR-V等為代 表的智能車已經(jīng)通過(guò)一系列道路試驗(yàn)，技術(shù)日趨成熟。車載環(huán)境感知系統(tǒng)作為智能車的輸 入采集設(shè)備，起到了傳統(tǒng)駕駛中代替人類感官的重要功能。為保證智能車安全行駛，車載環(huán) 境感知系統(tǒng)需要采集設(shè)備及算法的有效支撐。
[0003] 常用的車載環(huán)境感知系統(tǒng)中包含了定位系統(tǒng)及局部環(huán)境感知系統(tǒng)兩個(gè)方面，前 者主要以全球定位系統(tǒng)（GPS)為主，并輔助以慣性導(dǎo)航等；后者主要包括車載激光雷達(dá) (LIDAR)及車載機(jī)器視覺(jué)（VISION)系統(tǒng)。其中，機(jī)器視覺(jué)系統(tǒng)主要起到行車環(huán)境監(jiān)控的作 用，其中包括了行車道路環(huán)境以及障礙物信息。當(dāng)前常見(jiàn)的基于車載視覺(jué)的車道檢測(cè)系統(tǒng) 主要是以模型或特征的方法得到車輛所在車道的左右兩條標(biāo)志線信息，從而對(duì)智能車進(jìn)行 局部路徑規(guī)劃。然而由于城市道路一般都是較為復(fù)雜的多車道行車環(huán)境，所以這種單一車 道檢測(cè)的研究有很大的局限性。所以在此基礎(chǔ)上有部分學(xué)者展開(kāi)了對(duì)于多車道檢測(cè)的研 究，而其中三車道模型由于其可隨車輛位置而擴(kuò)展至整個(gè)路面范圍而最具代表性。而相對(duì) 于單車道的簡(jiǎn)單環(huán)境，對(duì)于左中右三條車道的車道標(biāo)識(shí)線的檢測(cè)則更容易受到復(fù)雜環(huán)境的 影響，從而降低檢測(cè)穩(wěn)定性。其中，三車道檢測(cè)的干擾因素主要來(lái)自于行車環(huán)境干擾及車道 標(biāo)識(shí)線間干擾這兩個(gè)方面，前者主要原因是道路標(biāo)志線受路面車輛、其它標(biāo)志及周邊環(huán)境 的影響，從而造成遮擋或易于其它物體混淆；后者主要由于多車道環(huán)境的車道標(biāo)識(shí)線數(shù)目 較多，相互間難以界定。
[0004] 基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法首先通過(guò)圖像形態(tài)學(xué)預(yù)處理 對(duì)車道標(biāo)識(shí)線進(jìn)行分割以降低環(huán)境干擾，而后以直線為基礎(chǔ)分別對(duì)每條車道線進(jìn)行區(qū)域生 長(zhǎng)以尋找車道線標(biāo)志點(diǎn)，最終以每條車道線的標(biāo)志點(diǎn)為基礎(chǔ)對(duì)車道線進(jìn)行擬合，得到精準(zhǔn) 穩(wěn)定的車道信息。

【發(fā)明內(nèi)容】

[0005] 針對(duì)多車道環(huán)境的復(fù)雜性，以及多車道標(biāo)識(shí)線間相互干擾的問(wèn)題，提出了一種基 于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法。采用該方法的機(jī)器視覺(jué)系統(tǒng)可以在實(shí)際 復(fù)雜道路情況下有效識(shí)別三車道的車道標(biāo)識(shí)線，提高了車道識(shí)別的可靠性和準(zhǔn)確性。
[0006] -種基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法，包括以下步驟：
[0007] 步驟1，圖像預(yù)處理。
[0008] 步驟I. 1 :圖像灰度化。
[0009] 步驟1.2:圖像濾波。
[0010] 由于行車環(huán)境噪聲及硬件噪聲的影響，圖像中包含了部分噪聲信息，需對(duì)噪聲進(jìn) 行濾波。采用雙邊濾波器（Bilateral filter)對(duì)圖像濾波，這樣在濾除噪點(diǎn)的同時(shí)能夠盡 可能的保存圖像中物體的邊緣信息。
[0011] 步驟1. 3 :感興趣區(qū)（ROI)選定。
[0012] 攝像頭捕捉的智能車輛前方道路圖像中包含了部分天空、建筑等無(wú)用的圖像信 息，需要首先劃定感興趣區(qū)域（R0I)，以對(duì)車道范圍進(jìn)行初步劃定，在減少了無(wú)用信息的同 時(shí)也加快了圖像處理速度。在視頻流中，根據(jù)上一個(gè)視頻幀的車道消失線位置確定當(dāng)前視 頻幀的感興趣區(qū)沮圍。
[0013] 步驟2，車道標(biāo)識(shí)線分割。
[0014] 步驟2. 1 :圖像形態(tài)學(xué)變換。
[0015] 步驟2. 2:邊緣提取。
[0016] 對(duì)經(jīng)圖像形態(tài)學(xué)變換而得到的圖像進(jìn)行Canny邊緣提取，以得到整齊的車道標(biāo)識(shí) 線輪廓。
[0017] 步驟3,車道標(biāo)識(shí)線范圍界定。
[0018] 步驟3.1:直線搜尋。
[0019] 經(jīng)預(yù)處理的圖像包含了車道標(biāo)識(shí)線信息及少數(shù)干擾信息，采用投票的方法以直線 為基礎(chǔ)尋找車道標(biāo)識(shí)線輪廓邊緣以確定每條車道標(biāo)識(shí)線邊緣的大體位置。采用Hough變換 (HT)在Canny邊緣圖像中搜尋呈直線特征的邊緣。
[0020] 步驟3. 2 :消失點(diǎn)約束直線。
[0021 ] 將Hough線以加權(quán)最小二乘法（WLS)擬合交點(diǎn)作為道路消失點(diǎn)，以消失點(diǎn)為中心 建立中心圓，以中心圓篩選Hough線。
[0022] 步驟3. 3:直線聚類。
[0023] 為了將由同一條車道標(biāo)識(shí)線而產(chǎn)生的多條邊緣線合并，且將相近的直線歸為一 類，通過(guò)DBSCAN在極坐標(biāo)中對(duì)直線聚類。
[0024] 步驟3. 4 :直線模板匹配。
[0025] 對(duì)分類后的直線以位置及極角進(jìn)行分類，對(duì)應(yīng)三車道模型的四條車道標(biāo)識(shí)線，從 而確定車道標(biāo)識(shí)線的搜尋范圍。
[0026] 步驟4,車道標(biāo)識(shí)線擬合。
[0027] 步驟4. 1 :車道標(biāo)識(shí)線區(qū)域生長(zhǎng)。
[0028] 在這里分近視景區(qū)及遠(yuǎn)視景區(qū)，對(duì)于近視景區(qū)以直線模板為基礎(chǔ)建立單一矩形車 道線ROI區(qū)域，對(duì)于遠(yuǎn)視景區(qū)，以區(qū)域生長(zhǎng)的方法建立若干相連通的矩形車道線ROI區(qū)域。
[0029] 步驟4. 2 :車道標(biāo)識(shí)線特征點(diǎn)提取。
[0030] 在所得ROI區(qū)域內(nèi)，以灰度值為特征尋找車道線點(diǎn)，并對(duì)多個(gè)目標(biāo)點(diǎn)進(jìn)行合并。
[0031] 步驟4. 3 :最小二乘法（LS)擬合車道線。
[0032] 與現(xiàn)有方法相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0033] (1)本方法針對(duì)于復(fù)雜的多車道環(huán)境提出了基于圖像形態(tài)學(xué)的道路圖像預(yù)處理方 法，該方法利用了車道標(biāo)識(shí)線的灰度及形狀特征對(duì)車道線有效分割，用于提高車道檢測(cè)的 抗干擾性。此外，該方法不依賴于圖像整體灰度，可以在夜間及強(qiáng)光條件下應(yīng)用，也提高了 該車道檢測(cè)方法的環(huán)境適應(yīng)性；
[0034] (2)在直線篩選及分類過(guò)程中，采用最小二乘法擬合消失點(diǎn)及DBSCAN聚類方法， 進(jìn)一步提升直線識(shí)別算法的抗干擾性；
[0035] (3)本發(fā)明區(qū)別于傳統(tǒng)三車道檢測(cè)方法，采用"兩步式"的方法，即首先以區(qū)域生長(zhǎng) 的方法確定每條車道標(biāo)識(shí)線的ROI區(qū)域，而后在ROI區(qū)域內(nèi)搜尋車道標(biāo)識(shí)線特征點(diǎn)，該方法 能夠有效克服由車道線間相互影響而帶來(lái)的誤識(shí)別問(wèn)題。
【附圖說(shuō)明】
[0036] 圖1為車載視覺(jué)系統(tǒng)框架示意圖；
[0037] 圖2為本發(fā)明所涉及的方法流程圖；
[0038] 圖3為圖像形態(tài)學(xué)變換算法示意圖；
[0039] 圖4為圖像形態(tài)學(xué)處理結(jié)果圖；
[0040] 圖5為車道線匹配模板示意圖；
[0041] 圖6為車道線ROI生長(zhǎng)示意圖；
[0042] 圖7為基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法結(jié)果圖。
【具體實(shí)施方式】
[0043] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。
[0044] 基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法系統(tǒng)架構(gòu)示意圖如圖1所示。 本發(fā)明所述方法的流程圖如圖2所示，包括以下步驟：
[0045] 步驟1，圖像預(yù)處理。
[0046] 步驟I. 1 :圖像灰度化。
[0047] 基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法利用車道標(biāo)識(shí)線灰度信息對(duì) 其進(jìn)行提取。利用車道標(biāo)識(shí)線的灰度及形狀信息即將其與道路范圍內(nèi)的其他物體進(jìn)行區(qū) 分，所以這里使用灰度圖像進(jìn)行道路識(shí)別算法。此外，相對(duì)于三通道的彩色圖像，灰度圖像 能夠保證方法