理
[0038] 由于拍摄角度、距离、遮挡等外界因素的干扰，W及手工标定特征点存在一定误 差，在所获得的训练集中的PDM模型可能会出现在不同的位置、具有不同的大小和旋转角 度，因此手工标定点获取车道线PDM模型，包含了很多冗余信息，故必须对其进行归一化处 理，即对齐。
[0039]本发明采取普鲁克分析方法（ProcrustesAnalysis,PA)，把一系列的特征点分布 模型通过适当的平移、旋转、缩放变换，在不改变特征点分布模型的整体形状的基础之上对 齐到同一个框架下。
[0040] 对齐的过程需要对每个样本Xi计算的参数有四个；缩放变量S旋转角度变量 轴的平移分量TXi，Y轴的平移分量Ty,。对Xi做放大倍数为Si和旋转角度为0i的 旋转变换，用公式可表示为：
[0041]
C3)
[0042] 样本集Xi向XW对齐的过程就是通过求S1、0i、TXi、Tyi使得两者之间的普氏距离 最小的过程。
[0043]
(4)
[0044] 其中W是关于训练集的一个权重矩阵，马二01)权1]-口X。Ty。. . .，Tx。TyJ 了
[0045] 3、形状统计分析与模型的建立
[0046] 在统计分析阶段就是要分析该种形状间的变化，建立起包含形变模式的形状 模型。此时，外形轮廓向量维数为化，本发明采用主元分析法（PrincipalComponent analysis,PCA)进行降维处理具体步骤为；
[0047] 1)计算样本集中N个形状的平均形状
[004引
[0049] 2)计算样本集的协方差矩阵Sew
[0050]
(6)
[005U 3)求得Sew的前t个特征值A和对应的特征向量P，记做A= [A。A2,...入J， P=任1，P2. . .Pt)。特征值的选择依据如下式所示：
[0052] (7)
[005引4)所得到的PDM模型为
[0054]
(8)
[005引其中b=化。b2, . . .，bt)嘴前t个模态的权重矢量，取值范围为3^< ^ 。
[0056] P矩阵的列向量是正交的，并且有；
[0057] b=pi\X-J) (9)
[0058] 由此可知，PDM模型由两部分组成，第一部分是标记点组成的轮廓的平均值，即平 均轮廓；第二部分是标记点变化的主要模态，表示标记点相对于平均轮廓的整体变化趋势。 [00则 4、轮廓匹配
[0060] 建模结束后，便可利用生成的点分布模型在图像中定位和匹配目标轮廓。本发明 采取基于轮廓灰度的匹配法调整改变轮廓形状，使之逐渐向待分割目标逼近。
[0061] 捜索匹配的迭代过程如下：
[0062] 1)将平均形状支放置在新的图像附近进行初始化。
[0063] 2)统计样本集中同一位置所有标记点Profile邻域的局部灰度向量集，计算马氏 距离，选取马氏距离最小的点为当前位置的最佳备选点。
[0064] 局部灰度向量集为；PDM中W所有特征点为中屯、提取的一部分像素灰度所组成的 个向量集，记为q，一般假设q满足高斯分布。
[0065] Profile邻域的定义为；标记点处法线方向上W标记点为中屯、的一定长度范围。 [006引马氏距离为：
[0067] = (q-q)i Co、',灿-q) * i〇)
[006引如利用公式做所求得的ASM模型向量，向上一步得到的最佳备选点组成的形状 向量对齐。
[0069] 检查新旧形状向量是否有显著的变化，若变化量符合事先设定的最小阔值，则我 们可W宣布捜索提取特征点完成.否则W新的形状向量位置作为当前位置，重新设定有关 参数，重复上述步骤。
【主权项】
1. 一种基于ASM的车道线检测方法，其特征在于，具体按下述步骤进行： 步骤一，对采集的一幅车辆前方图像划分感兴趣区域； 步骤二，图像预处理：对划分感兴趣区域后的图像灰度化，再采用3X3的滑动窗口进 行中值滤波，保留细节，去除干扰噪声； 步骤三，在预处理后的图像的两条车道线上标定特征点，建立一个由特征点分布模型 组成的训练集； 步骤四，对步骤三建立的训练集进行归一化处理，获得一个对齐形状； 步骤五，通过主成分分析运算捕捉对齐形状的统计信息，建立ASM模型； 步骤六，实时采集车辆前方待检测图像，并根据步骤一和步骤二的方法对实时采集的 车辆前方待检测图像划分感兴趣区域和图像预处理，最后利用建立的ASM模型在预处理后 的实时采集的车辆前方待检测图像中搜索与ASM模型匹配信息，完成车道线检测。2. 根据权利要求1所述的一种基于ASM的车道线检测方法，其特征在于，步骤一中，采 用隔行水平均值投影的感兴趣区域划分方法，利用亮度特征动态寻找图像中路面与背景的 分界线。3. 根据权利要求1所述的一种基于ASM的车道线检测方法，其特征在于，步骤四中，利 用普鲁克分析方法对训练集进行归一化处理。4. 根据权利要求1所述的一种基于ASM的车道线检测方法，其特征在于，步骤六中，在 预处理后的实时采集的车辆前方待检测图像中，定位和匹配ASM模型中车道线轮廓，建立 局部灰度模型来搜索特征点中的最佳匹配位置，再调整参数模型，以实现对预处理后的实 时采集的车辆前方待检测图像车道线的检测。
【专利摘要】本发明公开了一种基于ASM的车道线检测方法，包括如下步骤：对采集的一幅车辆前方图像划分感兴趣区域；图像预处理：对划分感兴趣区域后的图像灰度化，再采用3×3的滑动窗口进行中值滤波，保留细节，去除干扰噪声；在预处理后的图像的两条车道线上标定特征点，建立一个由特征点分布模型组成的训练集；对步骤三建立的训练集进行归一化处理，获得一个对齐形状；通过主成分分析运算捕捉对齐形状的统计信息，建立ASM模型；实时采集车辆前方待检测图像，并根据步骤一和步骤二的方法对实时采集的车辆前方待检测图像划分感兴趣区域和图像预处理，最后利用建立的ASM模型在预处理后的实时采集的车辆前方待检测图像中搜索与ASM模型匹配信息，完成车道线检测。
【IPC分类】G06K9/00
【公开号】CN104966050
【申请号】CN201510296517
【发明人】张绍阳, 王卫星, 田昊, 侯旭阳
【申请人】长安大学
【公开日】2015年10月7日
【申请日】2015年6月2日...