基于车道线历史帧的识别方法

文档序号:8381331阅读:558来源:国知局
基于车道线历史帧的识别方法
【技术领域】
[0001] 本发明涉及一种车道线的识别方法,尤其是一种基于车道线历史帧的识别方法。
【背景技术】
[0002] 随着国家经济的快速发展,我国各类公路里程的不断建设、完工,汽车的保有量也 同步得到了不断的递增,从而使交通事故也呈现出了增加的态势。为降低交通事故,人们 试图在汽车上安装各种安全装置,如中国发明专利CN102592114B于2013年7月31日公 告的一种复杂路况的车道线特征提取、识别方法。该专利记载的方法首先将彩色道路图像 转换为灰度图像并进行中值滤波处理;然后,对滤波后的图像进行感兴趣区域的划分,并应 用对称局部阈值分割法在感兴趣区域内对道路图像进行二值化处理,从而提取车道线特征 信息;最后,基于提取出的车道线特征点分布规律,采用去相关随机抽样一致性(RANSAC) 法一一先选取特征点集合,再用最小二乘法拟合直线对左、右车道线分别进行并行识别。此 专利虽可快速、有效地检测出车道线,却也存在着欠缺之处,首先,由于相机成像原理的影 响,车道线在图像中呈现出的是近宽远窄,而采用对称局部阈值分割法进行二值化处理时, 其C值却是由正常情况下测定的完好车道线的像素宽度计算得来的,这与车辆在行驶过程 中,车道线的像素宽度由其所在位置和方向是不断变化的实际不符,从而导致二值化的效 果受c值的负面影响较大;其次,采用去相关RANSAC法正确识别车道线的前提是二值化处 理后车道线特征点必须是最多,如果二值化后干扰线的特征点大于车道线的个数时,就会 出现误识别,在车道线附近文字或者干扰线比较多的情况下就很难识别出正确的左右车道 线;最后,未对车道线存在做任何限制,如果左或者右感兴趣区域内本来就没有车道线,但 却存在一条干扰线,此时就会出现误识别。

【发明内容】

[0003] 本发明要解决的技术问题为克服现有技术中的欠缺之处,提供一种具有较高识别 率的基于车道线历史帧的识别方法。
[0004] 为解决本发明的技术问题,所采用的技术方案为:基于车道线历史帧的识别方法 包括道路图像的采集和预处理,以及直线的提取,特别是完成步骤如下:
[0005] 步骤1,先对采集到的道路图像进行高斯滤波预处理,再对其进行逆投影变换为鸟 瞰图;
[0006] 步骤2,先对鸟瞰图使用自适应阈值二值法进行二值化处理,再对其进行霍夫变换 以提取直线;
[0007] 步骤3,基于每条直线Lx的线角度Lx. Θ、线距离Lx. P、线票数Lx. V和线起始点距 离Lx. S,其中的X = 1,2,……N,以及上一识别周期得到的车道线的间距和位置,确定霍夫 变换结果中的何直线为车道线,具体过程为,
[0008] 步骤3. 1,先判断Lx. Θ >设定角度或者Lx. Θ〈设定角度-120,若是则保留,否则 删除,再对保留下来的直线进行Lx. S从小到大自左至右的排序,得到Lx. S排序表,接着,先 查询Lx. S排序表中Lx. S-Ljh. S的值,此时的X = 2, 3,……N,若Lx. S-Ljh. S〈设定距离,则 比较Lx. V和Ljh. V,并保留V值大的直线,再以保留下来的直线为准向右查询,若Lx. S-Ljh. S多设定距离,则保留直线Ljh,并继续从直线Lx开始向右查找,直至查到直线Ln结束,得到 有效直线序列;
[0009] 步骤3. 2,先从有效直线序列的直线L1开始依次向直线L N进行循环查找配对,配 对的条件为|L1+X. Θ-L1. θ I〈两条直线的Θ角差值&&(L1^S-L1. S) Xcosai. θ)>两条直 线的间距下限&&(L1+X. S-L1. S) Xcosai. Θ )〈两条直线的间距上限,若满足则保留此直线对 为左直线k和右直线L 1K,X的值加1再进行判断,X初始取值为1,当X取值为N时结束直 线L1的查找配对,再从有效直线序列的直线L 2开始依次向直线Ln进行循环查找配对,配对 条件同上,直至直线Lim与直线L n配对判断结束,得到由左直线LxJP右直线Lxk构成的M对 直线对序列,其中的X = 1,2,……Μ;
[0010] 步骤3. 3,先取出上一识别周期检测到的左车道直线Lm和右车道直线Lhk,若上一 识别周期未检测到,则取车辆位于车道正中间时测定的车道线数据为其上一识别周期检测 到的车道直线对,再按照I La. S-Lm. S I〈起始点距离对M对直线对中的左直线1^与左车道 直线Lm的起始点距离进行循环判断,或者按照I L XK. S-Lhk. S I〈起始点距离对M对直线对中 的右直线Lxk与右车道直线Lhk的起始点距离进行循环判断,若满足则取其为当前车道的直 线对,若不满足则删除该直线对,直至对M对直线对全部判断完,得到当前车道的直线对序 列;
[0011] 步骤 3. 4,先按照 I (Lhk. S-Lhl. S) X COS αΗ· Θ ) - (LXK. S-Lxl. S) X cos αχ· Θ ) I 从当 前车道的直线对序列中查找出其直线对间距最接近上一识别周期直线对间距的直线对,再 按照I (La. S-Lm. S)-(LXK. S-Lm. S) I〈起始点变化值的差值来判断其左右边直线起始点变 化规律是否一致,若是则确定其为当前车道直线对并结束本识别周期,否则删除该直线对, 并判断下一个直线对间距最接近上一识别周期直线对间距的直线对是否满足I (La. S-Lm. S)-(LXK. S-Lm. S) I〈起始点变化值的差值,直至完成对当前车道的直线对序列的判断;
[0012] 步骤3. 5,先按照I LXK. S-Lm. S I〈间距从M对直线对序列中查找出左直线La,得到 左直线La序列,再按照I (LXK. S-La. S)-(Lhk. S-Lm. S) I从左直线La序列中查找出最小的左 直线LxJg,由|LXK. Θ-Lm. Θ I〈角度来确定其是否为当前车道的左直线Ly若是则得到当 前车道的左直线U并结束本识别周期,
[0013] 否则,先按照|La. S-Lm. S|〈间距从M对直线对序列中查找出右直线Lxk,得到右直 线Lxk序列,再按照I (LXK. S-La. S)-(Lhk. S-Lm. S) I从右直线Lxk序列中查找出最小的右直线 Lxk后,由|LXK. Θ-Lm. Θ I〈角度来确定其是否为当前车道的右直线Lk,若是则得到当前车道 的右直线Lk并结束本识别周期,否则本识别周期未检测到车道线,结束本识别周期。
[0014] 作为基于车道线历史帧的识别方法的进一步改进:
[0015] 优选地,高斯滤波为3X3的高斯滤波。
[0016] 优选地,鸟瞰图的转换过程为,先以车辆车头中心点正前方为原点(0,0)、X轴为 车辆的横向距离、Y轴为车辆的前方距离、单位为dm,建立车辆的世界坐标系,再通过3 X 3 的变换矩阵将像素坐标系下的像素坐标变换为世界坐标系下的坐标,最后将像素坐标系下 的像素值赋值到车辆的世界坐标系对应的坐标位置。
[0017] 优选地,车辆的世界坐标系为以车辆车头中心点正前方5m处为原点(0,0)、X轴的 取值范围为± 5m、Y轴的取值范围为35m。
[0018] 优选地,对鸟瞰图使用自适应阈值二值法进行二值化处理的过程为,先对图像做 模板为
【主权项】
1. 一种基于车道线历史帧的识别方法,包括道路图像的采集和预处理,以及直线的提 取,其特征在于完成步骤如下: 步骤1,先对采集到的道路图像进行高斯滤波预处理
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1