基于DBSCAN算法的车道线检测方法、系统及设备技术方案

本发明专利技术公开了基于DBSCAN算法的车道线检测方法、系统及设备，其方法包括：对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像；对待测RGB图像进行边缘提取与二值化，得到第一二值图像；将待测RGB图像转换为Lab图像，再对Lab图像进行边缘提取与二值化，得到第二二值图像；将第一二值图像和第二二值图像进行融合，得到待测二值图像；结合DBSCAN算法和滑动窗口技术对待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集；对若干个边缘像素点集进行曲线拟合，得到对应的若干个车道线。本发明专利技术在实现车道线检测任务时无需提前获知车辆周边的车道线数量，同时可以提高检测准确性。时可以提高检测准确性。时可以提高检测准确性。

【技术实现步骤摘要】
基于DBSCAN算法的车道线检测方法、系统及设备


[0001]本专利技术涉及计算机
，具体是涉及基于DBSCAN算法的车道线检测方法、系统及设备。

技术介绍

[0002]车道线检测作为自动驾驶感知领域中的一个基础问题，对驾驶安全性起到关键作用，现有的车道线检测方法通常采用传统图像处理手段或者搭建神经网络深度学习模型进行预测来实现。其中，采用传统图像处理手段具体表现为：先对RGB图像进行灰度化处理后再利用Canny算法执行边缘提取，接着对边缘图像中的感兴趣区域进行选择后再利用霍夫变换算法执行车道线识别，但是这一实施过程需要提前获知车辆周边的车道线数量。关于搭建神经网络深度学习模型进行预测这一实施手段，由于模型训练通常采用国外的KITTI数据集来实现，导致最终训练得到的预测模型对国内道路环境的适用效果较差，对车道线识别的准确性还有待提高。

技术实现思路

[0003]本专利技术提供基于DBSCAN算法的车道线检测方法、系统及设备，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0004]第一方面，提供一种基于DBSCAN算法的车道线检测方法，所述方法包括：
[0005]对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像；
[0006]对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像；
[0007]将所述待测RGB图像转换为Lab图像，再对所述Lab图像进行边缘提取与二值化，得到第二二值图像；
[0008]将所述第一二值图像和所述第二二值图像进行融合，得到待测二值图像；
[0009]结合DBSCAN算法和滑动窗口技术对所述待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集；
[0010]对所述若干个边缘像素点集进行曲线拟合，得到对应的若干个车道线。
[0011]在一些实施例中，对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像包括：
[0012]对原始RGB图像进行下采样和去畸变处理，得到第一RGB图像；
[0013]对所述第一RGB图像进行逆透视变换处理，得到待测RGB图像。
[0014]在一些实施例中，对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像包括：
[0015]根据所述待测RGB图像中的每个像素点所对应的通道分量值，对每个像素点进行灰度化，得到灰度图像；
[0016]利用Sobel算子对所述灰度图像进行X轴方向上的边缘提取，得到第一梯度图像；
[0017]将所述第一梯度图像中的所有边缘像素点的值设置为1，以及将所述第一梯度图
像中的所有非边缘像素点的值设置为0，得到第一二值图像。
[0018]在一些实施例中，对所述Lab图像进行边缘提取与二值化，得到第二二值图像包括：
[0019]从所述Lab图像中提取出b通道图像，利用Sobel算子对所述b通道图像进行边缘提取，得到第二梯度图像；
[0020]将所述第二梯度图像中的所有边缘像素点的值设置为1，以及将所述第二梯度图像中的所有非边缘像素点的值设置为0，得到第二二值图像。
[0021]在一些实施例中，将所述第一二值图像和所述第二二值图像进行融合，得到待测二值图像包括：
[0022]将所述第一二值图像中的每个像素点与所述第二二值图像中与其位置相对应的像素点进行或运算，得到待测二值图像。
[0023]在一些实施例中，结合DBSCAN算法和滑动窗口技术对所述待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集包括：
[0024]利用DBSCAN算法对所述待测二值图像上的所有边缘像素点进行聚类，得到多个初始边缘像素点簇；
[0025]对所述多个初始边缘像素点簇进行后处理，得到若干个边缘像素点簇；
[0026]根据所述若干个边缘像素点簇，确定对应的若干个滑动窗口以及每一个滑动窗口在所述待测二值图像上与其进行边沿相接时的初始位置；
[0027]利用所述若干个滑动窗口在所述待测二值图像上各自进行遍历搜索，得到对应的若干个边缘像素点集。
[0028]在一些实施例中，利用每一个滑动窗口在所述待测二值图像上进行遍历搜索，得到对应的边缘像素点集包括：
[0029]步骤1、采集滑动窗口在初始位置时所覆盖的所有边缘像素点，形成初始边缘像素点子集；
[0030]步骤2、采集所述滑动窗口在第i次平移之后所覆盖的所有边缘像素点，形成第i个边缘像素点子集；
[0031]步骤3、判断i≤N是否成立，N为既定移动次数；若是，则将所述初始边缘像素点子集和N个边缘像素点子集进行融合得到边缘像素点集；若否，则根据第i个边缘像素点子集中的所有边缘像素点在X轴方向上的平均值和所述滑动窗口的既定高度，将所述滑动窗口在所述待测二值图像上进行第i+1次平移，再将i+1赋值给i之后返回步骤2；
[0032]其中，步骤2是从i＝1开始执行的。
[0033]第二方面，提供一种基于DBSCAN算法的车道线检测系统，所述系统包括：
[0034]预处理模块，用于对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像；
[0035]第一提取模块，用于对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像；
[0036]第二提取模块，用于将所述待测RGB图像转换为Lab图像，再对所述Lab图像进行边缘提取与二值化，得到第二二值图像；
[0037]融合模块，用于将所述第一二值图像和所述第二二值图像进行融合，得到待测二
值图像；
[0038]搜索模块，用于结合DBSCAN算法和滑动窗口技术对所述待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集；
[0039]拟合模块，用于对所述若干个边缘像素点集进行曲线拟合，得到对应的若干个车道线。
[0040]第三方面，提供一种计算机设备，包括：
[0041]至少一个存储器；
[0042]至少一个处理器；
[0043]所述存储器存储有计算机程序，处理器执行所述计算机程序如第一方面所述的基于DBSCAN算法的车道线检测方法。
[0044]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于DBSCAN算法的车道线检测方法。
[0045]本专利技术至少具有以下有益效果：首先利用对不同表示格式下的两类二值图像进行融合，再引入DBSCAN算法以及滑动窗口技术对融合后的二值图像执行聚类搜索处理，最后利用曲线拟合方式对搜索得到的若干个边缘像素点集各自进行数据关联性分析处理以获取到对应的若干个车道线，整个实施过程中并不需要依赖于车辆周边的车道线数量这一先验知识，可以适用于任何道路环境下的车道线检测任务，在确保检测实时性的基础上可以同时提高检测准确性。
附图说明
[0046]附图用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DBSCAN算法的车道线检测方法，其特征在于，所述方法包括：对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像；对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像；将所述待测RGB图像转换为Lab图像，再对所述Lab图像进行边缘提取与二值化，得到第二二值图像；将所述第一二值图像和所述第二二值图像进行融合，得到待测二值图像；结合DBSCAN算法和滑动窗口技术对所述待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集；对所述若干个边缘像素点集进行曲线拟合，得到对应的若干个车道线。2.根据权利要求1所述的基于DBSCAN算法的车道线检测方法，其特征在于，对获取到的车辆周边道路的原始RGB图像进行预处理，得到待测RGB图像包括：对原始RGB图像进行下采样和去畸变处理，得到第一RGB图像；对所述第一RGB图像进行逆透视变换处理，得到待测RGB图像。3.根据权利要求1所述的基于DBSCAN算法的车道线检测方法，其特征在于，对所述待测RGB图像进行边缘提取与二值化，得到第一二值图像包括：根据所述待测RGB图像中的每个像素点所对应的通道分量值，对每个像素点进行灰度化，得到灰度图像；利用Sobel算子对所述灰度图像进行X轴方向上的边缘提取，得到第一梯度图像；将所述第一梯度图像中的所有边缘像素点的值设置为1，以及将所述第一梯度图像中的所有非边缘像素点的值设置为0，得到第一二值图像。4.根据权利要求1所述的基于DBSCAN算法的车道线检测方法，其特征在于，对所述Lab图像进行边缘提取与二值化，得到第二二值图像包括：从所述Lab图像中提取出b通道图像，利用Sobel算子对所述b通道图像进行边缘提取，得到第二梯度图像；将所述第二梯度图像中的所有边缘像素点的值设置为1，以及将所述第二梯度图像中的所有非边缘像素点的值设置为0，得到第二二值图像。5.根据权利要求1所述的基于DBSCAN算法的车道线检测方法，其特征在于，将所述第一二值图像和所述第二二值图像进行融合，得到待测二值图像包括：将所述第一二值图像中的每个像素点与所述第二二值图像中与其位置相对应的像素点进行或运算，得到待测二值图像。6.根据权利要求1所述的基于DBSCAN算法的车道线检测方法，其特征在于，结合DBSCAN算法和滑动窗口技术对所述待测二值图像上的所有像素点进行聚类搜索，得到若干个边缘像素点集包括：利用DBS...

【专利技术属性】
技术研发人员：尹智帅，全昕，卢炽华，颜伏伍，聂琳真，何志伟，梁洋，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：