The invention belongs to the field of image processing, and a fast lane detection method based on morphological transformation and adaptive threshold, which solves the problems of low reliability, low speed and slow speed of the existing lane detection algorithm. First, take the lower part of the image, which contains part of the lane as the perceptual area. Secondly, color perceptual region is transformed into gray perceptual region. Then, through the adaptive threshold segmentation method based on the Gauss distribution model, the threshold is calculated and the threshold image is segmented to obtain the two valued image. Then, the morphological transformation is performed. First, the expansion of the two value graph is performed, then the etching operation is performed. Finally, the edge of the two images is reduced to obtain the edge information of the image. Finally, the improved probability Hof transform is used to fit the lane. The invention obtains a high reliability and high speed lane detection method, which greatly reduces detection time to 0.016s, and has great significance for real-time application.
【技术实现步骤摘要】
一种基于形态学变换和自适应阈值的快速车道线检测方法
本专利技术属于图像处理领域,涉及一种基于形态学变换和自适应阈值的快速车道线检测方法。
技术介绍
目前常用的车道线检测技术是利用道路线的识别来实现道路的检测,采用直线或曲线的道路模型,这种方法具有简单实用,能适应高速公路结构化环境的特点,而且具有较快的图像处理速度和较好的实时性。在经过图像预处理将车道线分割出来之后,需要将车道线在图像中的直线方程拟合出来,目前常用的拟合方法有最小二乘法和霍夫变换。运用最小二乘法进行拟合,其优点就是它的速度非常快,只要遍历一次就可以计算拟合曲线,但是它对噪声非常敏感,而且在对离散的点进行拟合时,首先必须知道那些点的一些情况,是采用直线,还是二次曲线或者更高次的曲线。霍夫变换是利用点线的对偶性来实现的,直线y=k0x+q0是由点A=(x1,y1)和点B=(x2,y2)定义的,通过A的所有直线由q=-x1k+y1直线表示的,其中q和k是在图像空间中的参数,由此可见图像空间中的点可以通过参数空间中的直线来表示,类似地通过B点的直线可以表示为q=-x2k+y2。可以看出C=(k0,q0)就是直线方程y=k0x+q0的参数。通过霍夫变换求出参数时需要三次循环,这样对于大量数据或者对实时性要求很强的系统来说基本上是不可取的。最小二乘法拟合直线速度快但是对噪声敏感,霍夫变换可靠性高但是速度慢。
技术实现思路
本专利技术为了克服现有技术的不足,得到一种高可靠性和高速度的车道线检测方法,提出了一种基于形态学变换和自适应阈值的快速车道线检测方法,该方法通过高斯模型分布的自适应阈值分割方法和形态学变换 ...
【技术保护点】
一种基于形态学变换和自适应阈值的快速车道线检测方法,其特征在于,包括如下步骤:第一步,取图像下部包含车道线的部分作为感性区域;第二步,将彩色感性区域变换为灰度感性区域;第三步,利用自适应阈值分割方法把灰度感性区域内的车道线和非车道线分割开,得到二值图像;第四步,对二值图像进行形态学变换,即采用结构元素SE对二值图像进行如下处理:先对二值图像进行膨胀操作,然后进行腐蚀操作,再将前后两次操作得到的两幅图像做差,得到图像的边缘信息,将其放入边缘点集S(I)中;第五步,将S(I)分为左右两个部分LS(I)和RS(I),其中,左车道线在LS(I)区域内,右车道线在RS(I)区域内;将LS(I)区域和RS(I)区域内的车道线上的像素点按列置入集合S;并行处理左右两部分区域的信息,其中一个部分区域的信息处理具体流程如下:(1)分割参数空间,为每个区间设计累加器acc(ρ,θ),其初始值为零;(2)依次从S中提取一个像素点,并将此点从S中删除,在各个ρ值下计算相应的θ值,对应的累加器acc(ρ,θ)加1;再检测集合S是否为空,是则算法结束,否则进行下一步操作;(3)判断更新后的累加器的值是否大于或等于 ...
【技术特征摘要】
1.一种基于形态学变换和自适应阈值的快速车道线检测方法,其特征在于,包括如下步骤:第一步,取图像下部包含车道线的部分作为感性区域;第二步,将彩色感性区域变换为灰度感性区域;第三步,利用自适应阈值分割方法把灰度感性区域内的车道线和非车道线分割开,得到二值图像;第四步,对二值图像进行形态学变换,即采用结构元素SE对二值图像进行如下处理:先对二值图像进行膨胀操作,然后进行腐蚀操作,再将前后两次操作得到的两幅图像做差,得到图像的边缘信息,将其放入边缘点集S(I)中;第五步,将S(I)分为左右两个部分LS(I)和RS(I),其中,左车道线在LS(I)区域内,右车道线在RS(I)区域内;将LS(I)区域和RS(I)区域内的车道线上的像素点按列置入集合S;并行处理左右两部分区域的信息,其中一个部分区域的信息处理具体流程如下:(1)分割参数空间,为每个区间设计累加器acc(ρ,θ),其初始值为零;(2)依次从S中提取一个像素点,并将此点从S中删除,在各个ρ值下计算相应的θ值,对应的累加器acc(ρ,θ)加1;再检测集合S是否为空,是则算法结束,否则进行下一步操作;(3)判断更新后的累加器的值是否大于或等于阈值thr,是则进行下一步,否则回到步骤(2);(4)由更新后的累加器对应的参数确定一条直线,即为检测到的车道线。2.根据权利要求1所述的一种基于形态学变换和自适应阈值的快速车道线检测方法,其特征在于,所述的第二步,将彩色感性区域变换为...
【专利技术属性】
技术研发人员:高振国,张开岭,张传敬,陈丹杰,潘永菊,郑延景,潘伟,
申请(专利权)人:深圳市美好幸福生活安全系统有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。