一种车道线追踪方法及系统技术方案

本发明专利技术公开了一种车道线追踪方法及系统，属于图像处理技术领域。该方法包括：获取车辆前方视频帧图像；根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对帧图像进行横向边缘检测，得到边缘图；根据前一帧获取的车道线的位置和边缘图获取当前帧的车道线；根据当前帧的车道线的位置，计算并输出当前车辆相对追踪车道的横向位置。采用本发明专利技术，使得车道边缘检测在不同光照、天气条件、不同的车道类型下均有良好的检测效果，从而提高车道线追踪的精确度。

【技术实现步骤摘要】
一种车道线追踪方法及系统
本专利技术涉及图像处理
，尤其涉及一种车道线追踪方法及系统。
技术介绍
车道偏离预警系统，是一种通过报警的方式辅助驾驶员减少汽车因车道偏离而发生交通事故的系统。目前，车道偏离预警系统的实现方式都是基于计算机视觉的方法实现，首先在采集的道路视频图像中识别车道线，再根据车辆位置与车道线的关系判断是否发出偏离预警。然而，传统的卷积核(如:Sobel, Canny, Roberts等算子)，在多种车道类型,特别是车道存在污物、阴影，或破损，或路面有反光等干扰时，无法得到良好的检测效果，导致车道线检测精确度较低。
技术实现思路
有鉴于此，本专利技术要解决的技术问题是提供一种车道线检测精确度较高的车道线追踪方法及系统。本专利技术解决上述技术问题所采用的技术方案如下:根据本专利技术的一个方面，提供的一种车道线追踪方法包括:获取车辆前方视频帧图像；根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对帧图像进行横向边缘检测，得到边缘图；根据前一帧获取的车道线的位置和边缘图获取当前帧的车道线；根据当前帧的车道线的位置，计算并输出当前车辆相对追踪车道的横向位置。优选地，事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核包括:获取训练车道的样本视频图像集；对样本视频图像进行边缘检测，得到样本边缘图；对样本边缘图进行人工筛选，并进行归一化处理；对样本归一化的像素点值展开得到的向量IXw进行聚类；将各个聚类中心点的向量变换为对应的IXw的矩阵作为卷积核；其中，I为长，W为宽。优选地，根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对帧图像进行横向边缘检测，得到边缘图包括:获取帧图像的灰度图；分别使用所有边缘卷积核与灰度图进行卷积；取所有卷积核在该像素点卷积的最大值作为该点的数值；将每一个像素点的数值归一化，得到边缘图。优选地，根据前一帧获取的车道线的位置和边缘图获取当前帧的车道线包括:根据前一帧获取的车道线的位置，在边缘图中确定当前帧的左、右初始车道线检测区域；将左、右初始车道线检测区域分别划分为至少两个小检测区域；根据每个小检测区域的边缘图数值和每个小检测区域的像素点的总数，确定精确车道线检测区域；从精确车道线检测区域中获取当前帧的车道线。优选地，初始车道线检测区域为前一帧获取的车道线的两端点分别在上边和下边上的平行四边形；小检测区域为将初始车道线检测区域的上边和下边分别分割为N个小线段，将上边的小线段分别与下边的小线段相连形成NXN个面积相等的平行四边形，其中，N大于2。优选地，从精确车道线检测区域中获取当前帧的车道线包括:将确定为精确车道线检测区域的小检测区域的上下边的中线作为当前帧的车道线的边缘线。优选地,上述方法还包括:当检测到当前帧的车道线位于车辆前方图像的中间区域时，扩大每个小检测区域，中间区域的宽度小于等于车辆前方图像宽度的1/2 ；当检测到车道宽度突变或者连续超过预设的帧数找不到车道线后，重新确定左、右初始车道线检测区域。根据本专利技术的另一个方面，提供的一种车道线追踪系统包括:视频采集模块，用于获取车辆前方视频帧图像；边缘检测模块，用于根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对视频帧图像进行横向边缘检测，得到边缘图；车道线获取模块，用于根据前一帧获取的车道线的位置和边缘图获取当前帧的车道线；横向位置输出模块，用于根据当前帧的车道线的位置，计算并输出当前车辆相对追踪车道的横向位置。优选的，上述系统还包括学习模块，用于事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核；学习模块包括:样本图像获取单元，用于获取训练车道的样本视频图像集；样本边缘检测单元，用于对样本视频图像进行边缘检测，得到样本边缘图；归一化单元，用于对样本边缘图进行人工筛选，并进行归一化处理；聚类单元，用于对样本归一化的像素点值展开得到的向量IXw进行聚类，其中，I为长，w为宽；变换单元，用于将各个聚类中心点的向量变换为对应的IXw的矩阵作为卷积核。优选的,边缘检测模块包括:灰度图获取单元，用于获取帧图像的灰度图；卷积单元，用于分别使用所有边缘卷积核与灰度图进行卷积；数值获取单元，用于取所有卷积核在该像素点卷积的最大值作为该点的数值；归一化单元，用于将每一个像素点的数值归一化，得到边缘图。与现有技术相比，本专利技术的车道线追踪方法及系统，通过对半自动化标定得到的车道边缘图像进行非监督学习，获取不同光照条件、天气条件、以及不同的车道线类型(包括清晰及破损程度)下的多个边缘卷积核。再利用多个边缘卷积核对图像进行卷积，取多个卷积核的最大值作为边缘检测的结果。使得车道边缘检测在不同光照、天气条件、不同的车道类型下均有良好的检测效果，从而提高车道线追踪的精确度。【附图说明】图1为本专利技术实施例提供的车道线追踪方法流程图；图2为本专利技术实施例提供的车道线识别系统组成示意图；图3为本专利技术优选实施例提供的边缘检测方法的流程图；图4为本专利技术优选实施例提供车道线获取方法的流程图；图5为本专利技术优选实施例提供的初始左车道线检测区域的示意图；图6为本专利技术优选实施例提供的初始左车道线检测区域的划分示意图；图7为本专利技术优选实施例提供的车道线追踪方法的流程图；图8为本专利技术优选实施例提供的卷积核训练方法的流程图；图9为本专利技术实施例提供的车道线追踪系统的模块结构图；图10为本专利技术优选实施例提供的车道线获取模块的模块结构图。图11为本专利技术优选实施例提供的车道线追踪系统的模块结构图。图12为本专利技术优选实施例提供的学习模块的模块结构图。【具体实施方式】为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一如图1所示，本专利技术实施例提供的车道线追踪方法包括:S101、获取车辆前方视频帧图像。具体地，本步骤SlOl可以通过视频采集设备，如通过一个或更多的摄像头采集车辆前方图像作为输入。请参阅图2，车辆101在当前的车道上行走，车辆的速度可以是任意的。车道线102和103分别代表左边和右边的车道线，视频采集设备104被安装在车辆101上，能获取车辆前方的景象。视频采集设备104包括至少一个摄像头，并附有或可连接上显示屏。为了确保视频采集设备104的可视区域包括车道标记102和103，视频采集设备104要尽量安装在车辆中间的位置。其中一种安装的方法是将其固定在挡风玻璃的顶部中间。在本步骤SlOl之前，还包括安装设定步骤，其目的是调整摄像头，使它水平安装在车辆的中间。具体地，在显示屏上显示一条横线和两条呈八字的对称斜线，调整摄像头位置和角度使横线和前方远处的地平线重叠，并且斜线在近区的车道线附近位置。将八字对称斜线作为初始帧的车道线进行存储，左边斜线为左车道线，右边斜线为右车道线，左右车道线分开存储。虽然算法有自适应的机制，能把些微设置误差的影响排除，但此设定还是会对位置计算有决定性的影响，故此安装以准确为上。此安装设定步骤在摄像头位置有变化后才需要进行，如果位置没有变化则可忽略。S102、根据事先采用半本文档来自技高网...

【技术保护点】
一种车道线追踪方法，其特征在于，该方法包括：获取车辆前方视频帧图像；根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对帧图像进行横向边缘检测，得到边缘图；根据前一帧获取的车道线的位置和所述边缘图获取当前帧的车道线；根据所述当前帧的车道线的位置，计算并输出当前车辆相对追踪车道的横向位置。

【技术特征摘要】
1.一种车道线追踪方法，其特征在于，该方法包括: 获取车辆前方视频帧图像； 根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对帧图像进行横向边缘检测，得到边缘图； 根据前一帧获取的车道线的位置和所述边缘图获取当前帧的车道线； 根据所述当前帧的车道线的位置，计算并输出当前车辆相对追踪车道的横向位置。2.根据权利要求1所述的车道线追踪方法，其特征在于，事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核包括: 获取训练车道的样本视频图像集； 对所述样本视频图像进行边缘检测，得到样本边缘图； 对所述样本边缘图进行人工筛选，并进行归一化处理； 对样本归一化的像素点值展开得到的向量IXw进行聚类； 将各个聚类中心点的向量变换为对应的IXw的矩阵作为卷积核； 其中，I为长，W为宽。3.根据权利要求1所述的车道线追踪方法，其特征在于，所述根据事先采用半自动化标定车道边缘图像进行非监督学习得到的至少两个边缘卷积核，对帧图像进行横向边缘检测，得到边缘图包括: 获取所述帧图像的灰度图； 分别使用所有边缘卷积核与所述灰度图进行卷积； 取所有卷积核在该像素点卷积的最大值作为该点的数值； 将每一个像素点的数值归一化，得到边缘图。4.根据权利要求1所述的车道线追踪方法，其特征在于，所述根据前一帧获取的车道线的位置和所述边缘图获取当前帧的车道线包括: 根据前一帧获取的车道线的位置，在所述边缘图中确定当前帧的左、右初始车道线检测区域； 将所述左、右初始车道线检测区域分别划分为至少两个小检测区域； 根据每个小检测区域的边缘图数值和每个小检测区域的像素点的总数，确定精确车道线检测区域； 从所述精确车道线检测区域中获取当前帧的车道线。5.根据权利要求4所述的车道线追踪方法，其特征在于， 所述初始车道线检测区域为前一帧获取的车道线的两端点分别在上边和下边上的平行四边形； 所述小检测区域为将所述初始车道线检测区域的上边和下边分别分割为N个小线段，将所述上边的小线段分别与所述下边的小线段相连形成NXN个面积相等的平行四边形，其中，...

【专利技术属性】
技术研发人员：覃剑钊，胡景强，丁宁，阎镜予，黄卜夫，
申请(专利权)人：智慧城市系统服务中国有限公司，
类型：发明
国别省市：广东;44