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

本发明专利技术属于图像处理领域，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，解决现有车道线检测算法可靠性能低和速度慢的问题。首先，取图像下部包含车道线的部分作为感性区域。其次，将彩色感性区域变换为灰度感性区域。然后，通过基于高斯分布模型的自适应阈值分割方法，计算出阈值，对灰度图进行阈值分割，就可以得到二值图像。然后，进行形态学变换，先对二值图进行膨胀操作，然后进行腐蚀操作，最后两幅图像做差，便得到图像的边缘信息。最后，采用改进的概率霍夫变换对车道线进行拟合。本发明专利技术得到一种高可靠性和高速度的车道线检测方法，使检测时间大大减少到0.016s，这对实时应用具有很大的意义。

A fast lane detection method based on morphological transform and adaptive threshold

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对图像进行预处理，之后对概率霍夫变换进行改进，使其更接近实际使用，同时令直线拟合具有高可靠性和高速度性。本专利技术的技术方案为：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，包括以下步骤：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，用于简化图像数据，保持图像的基本形状并去除不相干的结构。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，利用改进的概率霍夫变换对车道线进行拟合，即将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，该阈值thr按经验值设定，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。上述的第二步，将彩色感性区域变换为灰度感性区域的具体操作为：将为RGB模型的彩色原始图像，转换到HSI色彩空间，再根据I通道进行灰度化；RGB到HSI色彩空间的转换关系如下，其中，上述第三步中的自适应阈值分割方法，为基于高斯分布模型的自适应阈值分割方法，由于在感性区域，道路部分占了较大的比例，所以令道路的灰度信息服从高斯分布，取灰度感性区域中的路面窗口，并计算其均值和方差σ,根据公式(4)计算出分割阈值th，然后对灰度图进行阈值分割，得到二值图像。上述第四步中所述的二值图像进行形态学变换，采用3×3像素的结构元素SE对二值图像进行处理，其中，结构元素SE为本专利技术的有益效果为：该方法区别于已有方法的特色在于，根据道路的灰度信息服从高斯分布，计算出窗口内的均值和方差，从而求出分割阈值，得到二值图像；利用结构元素对二值图像进行膨胀、腐蚀操作，将膨胀图和腐蚀图做差，就可以得到图像的外轮廓，而且有效的去除了原图中零散的噪声点，为概率霍夫变换减少了计算量；通过点集录取的方式对概率霍夫变换进行改进，提高了直线拟合的可靠性和速度。该方法的车道线检测结果更可靠，同时该方法使时间大大减少到0.016s，这对实时应用具有很大的意义。附图说明图1是本专利技术方法的流程示意图。图2是灰度化图。图3是路面窗口。图4是二值图像。图5是膨胀操作效果图。图6是腐蚀操作效果图。图7是膨胀图和腐蚀图的差。图8是检测效果图。具体实施方式下面结合附图对本专利技术的实施方式进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实验平台为win10，仿真库为opencv1.0，道路环境为京沪高速公路部分路段。首先对图像进行预处理，取图像的下1/3部分作为感性区域(AOI)；由于道路线正常情况下为白色，因此可以剔除图像中的彩色信息，提取灰度图像，得到灰度图如图2所示。接下来对灰度图进行阈值分割，选择AOI区域内160×80的路面窗口统计其均值和方差，如图3所示。通过上面提到的自适应阈值计算方法，可以获得比较理想的阈值，从而对图像进行二值分割，如图4所示。为了减少随机霍夫变换点集的数量，采用3*3的结构元素对二值图像进行形态学变换，图5为膨胀效果图，图6为腐蚀膨胀图，将它们两个做差，就可以得到图像的外轮廓，如图7所示，而且有效的去除了原图中零散的噪声点，为概率霍夫变换减少了计算量。经过图像预处理以后，得到图7，按改进的概率霍夫变换方法，将AOI区域中值为255的像素点按序放入集合S，然后对集合S中的像素点进行概率霍夫变换，得到最终的当前车道线，如图8所示。通过计时器测得最终获得检测车道线的时间为0.016s。本文档来自技高网...

【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。...

【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