基于OpenCV的车道线检测方法技术

本发明专利技术揭示了一种基于OpenCV的车道线检测方法，包括如下步骤：S1、对由车载摄像头获得的原始的车道线图像进行预处理，获得预处理后的车道线图像；S2、采用Canny对车道线图像进行边缘提取处理，获得边缘提取后的车道线图像；S3、使用改进的Hough变换方式，对车道线图像进行Hough变换、完成车道线检测。本发明专利技术以OpenCV为基础，很好地完成了对道路中虚线与实现的检测识别，大幅度改善了现有各类检测方法在实时性和准确性方面的不足，有效地实现了车辆行驶环境下对于车道线的实时检测与准确识别。

【技术实现步骤摘要】
基于OpenCV的车道线检测方法
本专利技术涉及一种车道线检测方法，具体而言，涉及一种基于OpenCV的车道线检测方法，属于人工智能

技术介绍
随着全世界范围内车辆保有率的不断增加、汽车行业的不断发展，当前各大城市的交通压力急剧增加，交通安全日益成为全球关注的热点问题。在这样的时代背景下，高级驾驶辅助系统（ADAS）应运而生并得到了各界的广泛关注。具体而言，ADAS主要利用各类传感器获取车辆内、外的信息，并经过各种计算和处理，最后通过报警让驾驶者察觉可能将要发生的危险，以减少交通事故发生率。但是在现有的技术水平下、受到图像识别处理水平的限制，各类ADAS在进行车道线检测时常常会出现问题，难以具备长时间、长距离稳定运行的性能，因此限制了该类系统在特定环境下应用的可能性。近年来，国内外出现了很多关于车道线检测方法的研究，这些研究主要分为基于特征和基于模型两种。其中，葛平淑等人提出通过调节CCD的亮度、增益和曝光时间来增加车道线与道路的对比度，然后对图像继续进行种子点的选取归类，再对种子点进行Hough变换，最后通过角度约束提取车道线；马莹等人提出采用投影变换方法，将原图像转换为俯视图，然后采用圆曲线车道模型及基于密度的Hough变换进行车道识别；毕书浩等人提出在识别路面感兴趣区域时，采用基于模糊聚类的边界跟踪检测算法，实现对车道线的识别。但是通过实践，技术人员发现，上述各类方法的实时性和准确率均较低，并不能够成为被业界所广泛认可的车道线检测方法。综上所述，如何在现有技术的基础上提出一种全新的车道线检测方法，以克服现有技术中的各种不足，也就成为了本领域内技术人员亟待解决的问题。
技术实现思路
鉴于现有技术存在上述缺陷，本专利技术的目的是提出一种基于OpenCV的车道线检测方法，具体如下。一种基于OpenCV的车道线检测方法，包括如下步骤：S1、图像预处理，对由车载摄像头获得的原始的车道线图像进行预处理，获得预处理后的车道线图像；S2、图像边缘提取，采用Canny对预处理后的车道线图像进行边缘提取处理，获得边缘提取后的车道线图像；S3、Hough变换处理，使用改进的Hough变换方式，对边缘提取后的车道线图像进行Hough变换、完成车道线检测。优选地，S1所述图像预处理，包括如下步骤：S11、图像ROI提取，采用OpenCV中的cvSetImageROI函数对车载摄像头所拍摄的图片进行感兴趣区域的剪裁选取；S12、图像灰度化处理，对彩色三通道RGB的原始的车道线图像进行转化，建立亮度H与R、G、B三个颜色的对应，以H亮度值表达出图像中每个像素点的灰度值，并采用OpenCV中的cvCvtColor函数完成对整个原始的车道线图像的灰度处理，获得单通道HSV的车道线图像；S13、图像降噪与阈值分割，采用OpenCV中的medianBlur_SortNet函数消除车道线图像中的噪声，采用OTSU算法对车道线图像进行阈值分割，获得预处理后的车道线图像。优选地，S2所述图像边缘提取，包括如下步骤：S21、图像平滑处理，使用高斯滤波器平滑图像、对车道线图像进行加权平均，图像中任意一个像素点的值均由其自身及邻域内其他像素点的值经加权平均后获得，计算公式为，，其中，为概率，为高斯半径值，；S22、确定梯度幅值和方向，使用soble算子、结合车道线图像进行水平和垂直方向的边缘检测计算，得到对应图像的梯度幅值和梯度方向；S23、图像边缘量化，沿着梯度方向对梯度幅值进行非极大值抑制，完成对图像的边缘量化；S24、边缘细化，选取车道线图像上的任意一个像素点，将其领域中心与沿梯度方向上的相邻两个像素点进行比较，若该像素点的中心像素为最大值则保留，否则将该像素点的中心像素置0；S25、边缘连接，使用双阈值算法检测和连接边缘，选取两个系数作为阈值，其中一个为高阈值TH、另外一个为低阈值TL，取TH=0.2、TL=0.1，将小于阈值的像素点标记为0并抛弃；将大于阈值的点标记为1。优选地，S22所述确定梯度幅值和方向，包括如下步骤：S221、使用soble算子、结合车道线图像进行卷积计算，利用soble水平和垂直算子与输入图像卷积计算dx、dy，计算公式为，，，，，其中，为Soble水平算子，为Soble垂直算子；S222、进一步计算得到对应图像的梯度幅值，计算公式为，；S223、依据梯度幅值确定得到对应图像的梯度方向，梯度方向的角度表达式为，。优选地，S23所述图像边缘量化，量化标准如下：图像的水平边缘量化，量化标准为，θM∈[0,22.5)∪(-22.5·0)∪(157.5,180]∪(-180,157.5]；图像的135°边缘量化，量化标准为，θM∈[22.5,67.5)∪[-157.5,-112.5)；图像的垂直边缘量化，量化标准为，θM∈[67.5,112.5]∪[-112.5,-67.5]；图像的45°边缘量化，量化标准为，θM∈[112.5,157.5]∪[-67.5,-22.5]。优选地，S3所述Hough变换处理中，所述改进的Hough变换方式为：在二值分布图中上随机地选择边缘点进行Hough变换。优选地，S3所述Hough变换处理，包括如下步骤：S31、从已经过边缘提取后的车道线图像中随机的选择边缘点，若该边缘点已被标注为某条直线上的点，则在剩余的边缘点中再随机抽取一个，直至所有边缘点抽取完毕；S32、对所抽取到的边缘点进行Hough变换，随后进行累加和计算；S33、选取累加结果为最大的点，若结果高于所设定的高阈值TH，则进行下一步，否则返回S31；S34、以S33中所选出的点作为出发点，沿直线位移的方向，找出直线的两个端点，随后计算线段长度，若长度大于所设定的高阈值TH，则认为该线段为车道线，随后返回S31。本专利技术的优点主要体现在以下几个方面：本专利技术所提出的一种基于OpenCV的车道线检测方法，以OpenCV为基础，很好地完成了对道路中虚线与实现的检测识别，大幅度改善了现有各类检测方法在实时性和准确性方面的不足，有效地实现了车辆行驶环境下对于车道线的实时检测与准确识别，满足了公路日益增长的智能识别需求，为提高公路管理效率、保障城市交通的通畅运行奠定了坚实的基础。此外，本专利技术也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内与车道线检测相关的其他技术方案中，具有十分广阔的应用前景。以下便结合实施例附图，对本专利技术的具体实施方式作进一步的详述，以使本专利技术技术方案更易于理解、掌握。附图说明图1为本专利技术方法的流程示意图；图2是ROI选取前后车道线图像的对比示意图；图3是处理后的车道线图像的示意图；本文档来自技高网...

【技术保护点】
1.一种基于OpenCV的车道线检测方法，其特征在于，包括如下步骤：/nS1、图像预处理，对由车载摄像头获得的原始的车道线图像进行预处理，获得预处理后的车道线图像；/nS2、图像边缘提取，采用Canny对预处理后的车道线图像进行边缘提取处理，获得边缘提取后的车道线图像；/nS3、Hough变换处理，使用改进的Hough变换方式，对边缘提取后的车道线图像进行Hough变换、完成车道线检测。/n

【技术特征摘要】
1.一种基于OpenCV的车道线检测方法，其特征在于，包括如下步骤：
S1、图像预处理，对由车载摄像头获得的原始的车道线图像进行预处理，获得预处理后的车道线图像；
S2、图像边缘提取，采用Canny对预处理后的车道线图像进行边缘提取处理，获得边缘提取后的车道线图像；
S3、Hough变换处理，使用改进的Hough变换方式，对边缘提取后的车道线图像进行Hough变换、完成车道线检测。


2.根据权利要求1所述的基于OpenCV的车道线检测方法，其特征在于，S1所述图像预处理，包括如下步骤：
S11、图像ROI提取，采用OpenCV中的cvSetImageROI函数对车载摄像头所拍摄的图片进行感兴趣区域的剪裁选取；
S12、图像灰度化处理，对彩色三通道RGB的原始的车道线图像进行转化，建立亮度H与R、G、B三个颜色的对应，以H亮度值表达出图像中每个像素点的灰度值，并采用OpenCV中的cvCvtColor函数完成对整个原始的车道线图像的灰度处理，获得单通道HSV的车道线图像；
S13、图像降噪与阈值分割，采用OpenCV中的medianBlur_SortNet函数消除车道线图像中的噪声，采用OTSU算法对车道线图像进行阈值分割，获得预处理后的车道线图像。


3.根据权利要求1所述的基于OpenCV的车道线检测方法，其特征在于，S2所述图像边缘提取，包括如下步骤：
S21、图像平滑处理，使用高斯滤波器平滑图像、对车道线图像进行加权平均，图像中任意一个像素点的值均由其自身及邻域内其他像素点的值经加权平均后获得，计算公式为，

，
其中，为概率，为高斯半径值，；
S22、确定梯度幅值和方向，使用soble算子、结合车道线图像进行水平和垂直方向的边缘检测计算，得到对应图像的梯度幅值和梯度方向；
S23、图像边缘量化，沿着梯度方向对梯度幅值进行非极大值抑制，完成对图像的边缘量化；
S24、边缘细化，选取车道线图像上的任意一个像素点，将其领域中心与沿梯度方向上的相邻两个像素点进行比较，若该像素点的中心像素为最大值则保留，否则将该像素点的中心像素置0；
S25、边缘连接，使用双阈值算法检测和连接边缘，选取两个系数作为阈值，其中一个为高阈值TH、另外一个为低阈值TL，取TH=0.2、TL=0.1，将小于阈值的像素点标记为0并抛弃；...

【专利技术属性】
技术研发人员：王凤石，
申请(专利权)人：苏州奥易克斯汽车电子有限公司，
类型：发明
国别省市：江苏;32