r>[0102]
[0103] 其中，N1為步驟3. 1后所剩Hough線個(gè)數(shù)，K α、Ba為直線參數(shù)。當(dāng)誤差函數(shù)取極 值時(shí)認(rèn)為消失點(diǎn)處于實(shí)際位置。
[0104]
CN 105160309 A ~P 7/10 頁
[0105]
[0106] 整理得第i幀消失點(diǎn)位置：
[0109] 其中，Wa為加權(quán)最小二乘法權(quán)值，使該權(quán)值反比于直線與第i-Ι幀消失點(diǎn)距離， 即：
[0107]
[0108]
[0110]
[0111] 以消失點(diǎn)為圓心，半徑45像素點(diǎn)作圓，保留步驟3. 1中通過該圓的直線。
[0112] 步驟3. 3:直線聚類。
[0113] 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，將極角及空間位置相近的 直線歸為一類，通過DBSCAN在極坐標(biāo)中對(duì)直線聚類。在直線的P Θ參數(shù)空間內(nèi)，設(shè)置聚 類半徑為r = 14,最小聚類點(diǎn)數(shù)為1，以DBSCAN對(duì)直線在參數(shù)空間投影點(diǎn)進(jìn)行聚類。對(duì)第 β類的M條直線進(jìn)行合并：
[0114]
[0115] 其中，（Ρρ Θ e)為第β類直線在極坐標(biāo)下的合并點(diǎn)。將上述經(jīng)聚類的直線點(diǎn)轉(zhuǎn) 化至圖像坐標(biāo)系，得到了數(shù)條直線。
[0116] 步驟3. 4:直線模板匹配。
[0117] 對(duì)步驟3. 3所得直線進(jìn)行模板匹配。圖5為直線模板圖示，將上述步驟分類后的直 線以位置及極角進(jìn)行分類，與圖中四條車道線所在直線的位置進(jìn)行匹配，匹配步驟如下：
[0118] (1)以直線極角Θ為依據(jù)分別匹配四條車道線。
[0119] (2)匹配順序?yàn)閮?nèi)車道線一、內(nèi)車道線二、外車道線一、外車道線二。
[0120] (3)在中線某一側(cè)無法匹配到車道線的情況下，置內(nèi)車道線為該側(cè)通過消失點(diǎn)的 水平線。
[0121] (4)在中線一側(cè)存在內(nèi)車道線但無外車道線的情況下。
[0122] (5)中線的每一側(cè)最多匹配兩條車道線，刪除多余未被匹配的車道線。
[0123] 以所得的直線模板為基礎(chǔ)進(jìn)行下述步驟的車道標(biāo)識(shí)線擬合。
[0124] 步驟4,車道標(biāo)識(shí)線擬合。
[0125] 步驟4. 1 :車道標(biāo)識(shí)線區(qū)域生長(zhǎng)。
[0126] 經(jīng)過模板匹配后，四條直線分別粗略標(biāo)定了四條車道線的大體位置，以該模板為 基礎(chǔ)建立車道標(biāo)識(shí)線ROI區(qū)域，并利用該ROI區(qū)域搜尋車道線標(biāo)識(shí)點(diǎn)。
[0127] 在攝像頭捕捉的車道圖像中，由于投影變換，車道標(biāo)識(shí)線線在圖像下方呈現(xiàn)大體 直線的特征，利用這一特征分近視景區(qū)與遠(yuǎn)視景區(qū)建立標(biāo)識(shí)線感興趣區(qū)，在近視景區(qū)根據(jù) 步驟3. 4所得直線建立一個(gè)以直線為中心的矩形ROI區(qū)域；在遠(yuǎn)視景區(qū)采用區(qū)域生長(zhǎng)的方 法以多個(gè)矩形ROI迭代的方法根據(jù)車道線實(shí)際形狀組成感興趣區(qū)。如圖6。
[0128] 其中，近視景區(qū)ROI以模板為基礎(chǔ)得到，遠(yuǎn)視景區(qū)ROI與遠(yuǎn)視景區(qū)特征點(diǎn)一起以遞 歸方法得出。
[0129] 步驟4. 2 :車道標(biāo)識(shí)線特征點(diǎn)提取。
[0130] 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。
[0131] 其中，道路實(shí)際寬度為DlanJl 3米，設(shè)車道標(biāo)識(shí)線ROI寬度D rai- δ Dlane，比例系數(shù) δ取0. 25。定義近視景區(qū)ROI區(qū)域?yàn)榫匦?，以步驟3所得4條（或小于4條）直線模板為 ROI中軸，Drai為半徑建立矩形區(qū)域，定義為ROI。。在遠(yuǎn)視景區(qū)，第I (1彡1)個(gè)ROI區(qū)域及 其特征點(diǎn)迭代求解過程如下：
[0132] (1)取ROIt i區(qū)域內(nèi)所求的y值最小的車道線點(diǎn)P (x，y)作為第t個(gè)區(qū)域的種子點(diǎn) St;
[0133] (2)以St為種子點(diǎn)，D lane/2為半徑得到ROIt:
[0134] (3)在ROIt內(nèi)以坐標(biāo)軸y的負(fù)方向進(jìn)行逐行掃描，在第y。行掃描出多個(gè)邊緣點(diǎn) Γ ι(χι，y。)，Γ2(χ2, y。)，…，Γζ(χζ，y。)，（z 彡 1)時(shí)取
，在第 y 行無 邊緣點(diǎn)的情況下刪除Py(X，y);
[0135] (4)處理第t+1個(gè)區(qū)域。
[0136] 步驟4. 3 :最小二乘法（LS)擬合車道線。
[0137] 經(jīng)上述步驟后得到對(duì)應(yīng)四條車道標(biāo)識(shí)線的特征點(diǎn)集合，對(duì)這四個(gè)特征點(diǎn)集分別以 三次曲線模型擬合車道線，模型如下：
[0138]
[0139] 構(gòu)造曲線
[0140] y = f (χ) + ε 0 (22)
[0141] 其中誤差為ε，誤差平方和
[0143] 取極值求解得 CN 105160309 A 兄明書 9/10 頁
[0144]
[0145] 其中，D為所擬合曲線的特征點(diǎn)數(shù)目。
[0146] 經(jīng)擬合后的四條曲線車道標(biāo)識(shí)線信息送至上位機(jī)進(jìn)行決策以執(zhí)行底層局部路徑 規(guī)劃，此外曲線信息在輸出顯示模塊與相機(jī)輸入圖像疊加于車載顯示模塊輸出顯示。圖6 為采用基于圖像形態(tài)學(xué)分割及區(qū)域生長(zhǎng)的三車道檢測(cè)方法所識(shí)別的車道線的輸出顯示結(jié) 果。
[0147] 以如下平臺(tái)驗(yàn)證專利算法有效性：Intel CORE? 15-2450M CPU 2. 50GHz，內(nèi)存 4. 00GB。借助Visio studio 2008及OpenCV平臺(tái)對(duì)5段連續(xù)的視頻進(jìn)行實(shí)驗(yàn)，以圖像為單 位統(tǒng)計(jì)，樣本共計(jì)4854張，圖像大小為640*480。本文算法成功率為95. 7%。平均運(yùn)行時(shí)間 為21. lms，滿足應(yīng)用的實(shí)時(shí)性要求。其中圖像形態(tài)學(xué)預(yù)處理I. lms，車道線識(shí)別共計(jì)9. 8ms， 邊側(cè)車道判定0. 3ms其余為傳統(tǒng)濾波預(yù)處理、Canny算法及顯示等耗時(shí)。
[0148] 對(duì)比于傳統(tǒng)的基于灰度值的圖像預(yù)處理方法，在實(shí)驗(yàn)中單獨(dú)驗(yàn)證了本文的圖像形 態(tài)學(xué)車道標(biāo)識(shí)線分割算法：在傳統(tǒng)的"灰度化-二值化"圖像預(yù)處理環(huán)節(jié)中加入本專利中的 變內(nèi)核圖像形態(tài)學(xué)車道標(biāo)識(shí)線分割算法作為實(shí)驗(yàn)組，以傳統(tǒng)的"灰度化-二值化"預(yù)處理作 為參照組，并抽取實(shí)驗(yàn)組中的隨機(jī)80張圖像進(jìn)行同樣方法的車道檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表 1所示：
[0149] 表1 :車道標(biāo)識(shí)線分割算法性能對(duì)比
[0151] 其中，含基于圖像形態(tài)學(xué)車道標(biāo)識(shí)線分割算法的車道線檢測(cè)有效避免了傳統(tǒng)算法 中絕大多數(shù)由于環(huán)境或路面其他車輛干擾而產(chǎn)生的誤檢。
【主權(quán)項(xiàng)】
1.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： 步驟1，圖像預(yù)處理； 步驟1. 1 :圖像灰度化； 采用加權(quán)平均法，如式（1)，對(duì)攝像頭采集的原始圖像進(jìn)行灰度化處理； PGray= 0· 299 X P Red+0. 587 X PGreen+0. 144 X PBlue (I) 其中，Pcray為像素點(diǎn)灰度值；P w、P&_、PBi%分別為彩色圖中像素點(diǎn)的紅、綠、藍(lán)分量； 步驟1. 2 :圖像濾波； 采用雙邊濾波器對(duì)步驟1. 1得到的灰度圖像進(jìn)行濾波； 步驟1. 3 :感興趣區(qū)選定； 根據(jù)視頻連貫性，在視頻初始圖像幀不設(shè)定感興趣區(qū)域，在之后的第i幀圖像中，根據(jù) i-Ι幀車道標(biāo)識(shí)線的消失點(diǎn)位置設(shè)定感興趣區(qū)上部邊緣；為保證道路截取的完整性，實(shí)驗(yàn) 中對(duì)消失點(diǎn)向y軸負(fù)方向取35像素的余量；感興趣區(qū)為矩形，左右及下部邊緣與圖像邊緣 一致；其中，Τ_ (1)為第i幀感興趣區(qū)上部邊緣位置，Y1 i表示第i-Ι幀消失點(diǎn)y值；下述步 驟均在該ROI區(qū)域內(nèi)進(jìn)行； 步驟2,車道標(biāo)識(shí)線分割； 步驟2.1:圖像形態(tài)學(xué)變換； 在上述灰度圖像感興趣區(qū)中進(jìn)行圖像形態(tài)學(xué)變換，如式（3); T(f) = f-(f 〇b) (3) 式中f為原圖像數(shù)據(jù)，b為圖像形態(tài)學(xué)內(nèi)核，符號(hào)" "表示以內(nèi)核對(duì)原圖做開運(yùn) 算；.其中開運(yùn)算分解為腐蝕運(yùn)算和膨脹運(yùn)算兩種圖像形態(tài)學(xué)運(yùn)算；其中符號(hào)"Θ"表示以內(nèi)核對(duì)原圖做腐蝕運(yùn)算，符號(hào)"發(fā)"表示以內(nèi)核對(duì)原圖