一种基于图像视觉的车道线检测方法技术

本发明专利技术公开了一种基于图像视觉的车道线检测方法，包括：采集待检测图像，并对待检测图像进行预处理；基于车道线几何特征和灰度差异进行车道线特征提取，筛选出车道线区域；对所述车道线区域进行采样，采用随机抽样一致算法对采集数据进行直线拟合，计算出车道线参数。实施本发明专利技术提供的基于图像视觉的车道线检测方法，可以有效地滤除图像中非车道线区域的干扰，大大降低运算量，提高车道线参数的精确度和提取速度，增强系统的鲁棒性，准确高。

【技术实现步骤摘要】

本专利技术涉及智能驾驶
，尤其涉及一种基于图像视觉的车道线检测方法。
技术介绍
随着公路交通的飞速发展，交通安全越来越受到人们的广泛关注，因此智能车辆的研究成为世界各国学者们关注的热点，其中车道偏离预警系统是高级辅助驾驶系统的一种，该系统可以在探测到车辆出现非主动偏离当前车道时，向驾驶员发出警告信息，以提醒驾驶员及时矫正，很大限度的减少交通事故的发生。在车道偏离预警系统中，车道线检测是其中的关键技术。通常的车道线检测方法分为两步：(1)车道线特征提取，(2)车道线几何模型的建立与匹配，其中车道线特征提取的精度直接影响下一步车道线几何模型的拟合与匹配，因此车道线特征提取是最为关键的步骤。车道线特征提取的目的是最大限度地保留可能的车道区域，并滤除掉可能的非车道区域。传统的区域分割主要采用阈值分割、Sobel算子或Canny算子来实现，其中针对亮度环境复杂的情形，自适应阈值或大津法都无法有效的进行分割；而通用的Sobel和Canny差分算子在实现边缘分割时，仅仅依靠邻域模板，没有考虑车道线的宽度、方向等几何特征，不仅增强了车道线信息，同时其它无用信息如车辆、行人、车道标识也被增强，从而可能导致车道线信息被淹没。在车道线几何模型拟合与匹配时，Hough变换(哈夫变换)也是广泛应用的方法之一，该方法鲁棒性强，但需要大量的计算量和存储空间，速度较慢。因此，如何设计高效准确的车道线特征提取和几何模型拟合与匹配算法是目前仍然需要解决的问题。
技术实现思路
本专利技术所要解决的技术问题是，提供一种基于图像视觉的车道线检测技术方案，克服在车道线特征提取中，利用传统边缘检测方法而产生的边缘过度分割或者边缘相应不强，而使车道线边缘信息淹没在车道标识、车辆、行人等干扰信息等缺陷，有效地滤除图像中非车道线区域的干扰，降低运算量，提高车道线参数的精确度和提取速度，增强系统的鲁棒性。为解决以上技术问题，本专利技术实施例提供一种基于图像视觉的车道线检测方法，包括：采集待检测图像，并对待检测图像进行预处理；基于车道线几何特征和灰度差异进行车道线特征提取，筛选出车道线区域；对所述车道线区域进行采样，采用随机抽样一致算法对采集数据进行直线拟合，计算出车道线参数。在一种可实现的方式中，所述对待检测图像进行预处理，包括：在所述待检测图像上设定ROI区域；所述ROI区域包含车辆前方与道路消失水平面之间的道路图像；对ROI区域的图像进行灰度化处理；对灰度图像进行中值滤波处理，去除图像采集与传输过程中的噪声。优选地，所述基于车道线几何特征和灰度差异进行车道线特征提取，筛选出车道线区域，具体包括：根据车道线的宽度约束关系与灰度差异对所述ROI区域的车道线进行标记，并对标记后的ROI区域进行图像二值化处理；对图像二值化处理后的车道线区域的连通性进行分析，并根据车道线区域的几何特征对车道线进行筛选，获得目标的车道线区域；所述几何特征包括车道线的方向、长度、宽度和连通域面积。进一步地，所述根据车道线的宽度约束关系与灰度差异对所述ROI区域的车道线进行标记，并对标记后的ROI区域进行图像二值化处理，具体包括：从ROI区域首行开始遍历ROI图像，分别计算出车道线的宽度、两边区域的灰度值、中间区域的灰度值以及两边区域的灰度差之和；当车道线的两边区域的灰度值均小于中间区域的灰度值，并且车道线宽度以及两边区域的灰度差之和在指定阈值范围内时，对ROI区域内的车道线进行标记；对标记后的ROI区域进行图像二值化处理。进一步地，所述对图像二值化处理后的车道线区域的连通性进行分析，并根据车道线区域的几何特征对车道线进行筛选，获得目标的车道线区域，具体包括：对图像二值化处理后的ROI区域进行扫描，查找出所有被标记的车道线的连通区域并计算每个连通区域的面积；依次计算出所有连通区域的最小外包络矩形的形状描述子及其几何特征；根据对目标的车道线区域的几何特征的约束值，对ROI区域的车道线进行筛选，保留符合约束范围的车道线区域。优选地，对所述车道线区域进行采样，采用随机抽样一致算法对采集数据进行直线拟合，计算出车道线参数，包括：以ROI区域的中心点为起始点，分别从左右两个方向进行车道线所属点集进行扫描；对扫描获得的点集，采用随机抽样一致算法进行直线拟合，提取出ROI区域内的车道线参数。优选地，所述以ROI区域的中心点为起始点，分别从左右两个方向进行车道线所属点集进行扫描，包括：扫描以ROI区域的图像中心点所在的横坐标为起点；每行向左扫描到的第一个灰度值为255的坐标作为左车道线待拟合点集，并结束该行扫描；每行向右扫描到的第一个灰度值为255的坐标作为右车道线待拟合点集，并结束该行扫描；其中，图像二值化后的ROI区域图像的车道线区域的所有坐标灰度值均为255，非车道线区域的所有坐标灰度值均为0。优选地，所述对扫描获得的点集，采用随机抽样一致算法进行直线拟合，提取出ROI区域内的车道线参数，包括：将扫描获得的车道线区域的所有点集构成集合P，在集合P中随机抽取2个特征点构成集合S，并用S初始化车道线直线模型y＝krx+br，其中，kr、br分别为根据随机抽取的2个特征点对直线模型进行初始化得到的斜率和截距；计算余集Sc中的点与车道线直线模型y＝krx+br的距离d；集合Sc是集合S在集合P中的余集；将距离d小于阈值容限di余集Sc中相应的点构成集合Q，集合Q与集合S构成内点集S*；若内点集S*中的点的个数大于最小内点数量t，则利用内点集S*中的点和采用最小二乘法对所述车道线直线模型y＝krx+br进行更新，并存储该模型参数；若所述车道线直线模型y＝krx+br已经更新，或者，内点集S*中的点的个数不大于最小内点数量t，则在集合P中重新随机抽取2个特征点构成集合S对车道线直线模型y＝krx+br进行初始化，重复以上步骤进行多次抽样；在完成多次抽样后，选取内点个数最多的内点集S*的特征点计算出的车道线参数作为最终的车道线参数。本专利技术实施例提供的基于图像视觉的车道线检测方法，根据预设的车道线宽度与灰度差分阈值实现车道线区域的初始提取，最大限度地保持了车道线区域；对图像中所有的连通域进行分析，结合车道线的几何特征进一步对车道线区域进行筛选，可以有效地滤除图像中非车道线区域的干扰，完成车道线特征的提取，为车道线参数的准确提取奠定了基础；由于本专利技术综合考虑了车道线的灰度特征和几何特征，因此无论是白天还是夜晚都能对车道线边缘进行准确分割。因此，本专利技术提供的技术方案大大降低了运算量，提高了计算速度，准确高，鲁棒性强。附图说明图1是本专利技术提供的基于图像视觉的车道线检测方法的一个实施例的步骤流程图。图2是本专利技术提供的对ROI区域进行标记和二值化处理的一种实施例的步骤流程图。图3是本专利技术提供的对图像二值化处理后的车道线区域的连通性进行分析和筛选的一个实施例的步骤流程图。图4是本专利技术提供的对图像二值化处理后的车道线区域的连通性进行分析和筛选的结果示意图。图5是本专利技术提供的采用随机抽样一致算法获得车道线参数的一个实施例的步骤流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。参见图1，是本专利技术提供的基于图像视觉的车道线检测方法的一个实施例的步骤流程图。本实施例提供的基本文档来自技高网...

【技术保护点】
一种基于图像视觉的车道线检测方法，其特征在于，包括：采集待检测图像，并对待检测图像进行预处理；基于车道线几何特征和灰度差异进行车道线特征提取，筛选出车道线区域；对所述车道线区域进行采样，采用随机抽样一致算法对采集数据进行直线拟合，计算出车道线参数。

【技术特征摘要】
1.一种基于图像视觉的车道线检测方法，其特征在于，包括：采集待检测图像，并对待检测图像进行预处理；基于车道线几何特征和灰度差异进行车道线特征提取，筛选出车道线区域；对所述车道线区域进行采样，采用随机抽样一致算法对采集数据进行直线拟合，计算出车道线参数。2.如权利要求1所述的基于图像视觉的车道线检测方法，其特征在于，所述对待检测图像进行预处理，包括：在所述待检测图像上设定ROI区域；所述ROI区域包含车辆前方与道路消失水平面之间的道路图像；对ROI区域的图像进行灰度化处理；对灰度图像进行中值滤波处理，去除图像采集与传输过程中的噪声。3.如权利要求2所述的基于图像视觉的车道线检测方法，其特征在于，所述基于车道线几何特征和灰度差异进行车道线特征提取，筛选出车道线区域，具体包括：根据车道线的宽度约束关系与灰度差异对所述ROI区域的车道线进行标记，并对标记后的ROI区域进行图像二值化处理；对图像二值化处理后的车道线区域的连通性进行分析，并根据车道线区域的几何特征对车道线进行筛选，获得目标的车道线区域；所述几何特征包括车道线的方向、长度、宽度和连通域面积。4.如权利要求3所述的基于图像视觉的车道线检测方法，其特征在于，所述根据车道线的宽度约束关系与灰度差异对所述ROI区域的车道线进行标记，并对标记后的ROI区域进行图像二值化处理，具体包括：从ROI区域首行开始遍历ROI图像，分别计算出车道线的宽度、两边区域的灰度值、中间区域的灰度值以及两边区域的灰度差之和；当车道线的两边区域的灰度值均小于中间区域的灰度值，并且车道线宽度以及两边区域的灰度差之和在指定阈值范围内时，对ROI区域内的车道线进行标记；对标记后的ROI区域进行图像二值化处理。5.如权利要求3所述的基于图像视觉的车道线检测方法，其特征在于，所述对图像二值化处理后的车道线区域的连通性进行分析，并根据车道线区域的几何特征对车道线进行筛选，获得目标的车道线区域，具体包括：对图像二值化处理后的ROI区域进行扫描，查找出所有被标记的车道线的连通区域并计算每个连通区域的面积；依次计算出所有连通区域的最小外包络矩形的形状描述子及其几何特征；根据对目标的车道线区域的几何特征的约束值，对...

【专利技术属性】
技术研发人员：张惊涛，徐焕东，
申请(专利权)人：惠州华阳通用电子有限公司，
类型：发明
国别省市：广东;44