本发明专利技术涉及复杂路况下的车道线特征点提取方法与装置，方法包括：用车载设备获得道路的灰度图像；根据道路图像对车道线特征点提取的重要程度将灰度图像划分为不考虑区域和感兴趣区域（ROI）；对感兴趣区域（ROI）进行平滑滤波处理；对平滑滤波处理后的感兴趣区域（ROI）利用基于结构张量场水平集外在曲率进行二值化处理，提取车道线的特征点。本发明专利技术能够解决现有方法对车道线存在光照变化、阴影遮挡、破损或污迹覆盖等复杂路况下，车道线特征点提取鲁棒性低的问题。
【技术实现步骤摘要】
本专利技术属于汽车智能辅助驾驶系统
，涉及复杂路况下的车道线特征点提取方法，特别是一种基于结构张量场水平集外在曲率的特征点提取法。
技术介绍
近年来，随着我国经济的快速发展，客货运量的增加，我国公路建设路程迅猛增长，特别是高速公路的快速发展，大大缓解了我国经济发展给交通运输业带来的压力。但是随着公路建设路程的增长、汽车保有量的增加、车流量的加大以及行车速度的提高，道路交通事故呈逐年恶化的态势，特别是特大恶性交通事故频繁发生，给人们的生命财产和国民、经济造成了巨大的损失。例如，2009年，中国汽车保有量约占世界汽车保有量的百分之三，但交通事故死亡人数却占世界的百分之十六。据公安部交通管理局通报，2009年，全国共发生道路交通事故238351起，造成67759人死亡、275125人受伤，直接财产损失9. I亿元。因此研究车道偏离预警系统，辅助驾驶员在单调驾驶环境中保持车辆在车道内行驶，已经成为国内外的研究重点。在安全辅助驾驶系统中，车道线的正确检测是该系统正常工作的基本前提和关键技术。检测过程分为两步首先，对车道线的特征点进行提取，然后基于假定的车道线模型对提取出的特征点进行拟合。由此可知车道线特征点提取是对车道线进行正确检测至关重要的一步。国内外研究人员已经提出了很多基于视觉的车道线检测算法，其中大部分算法都是基于车道线的边缘特征。例如，利用边缘检测提取特征点再用Hough变换或其改进算法来匹配直线车道线模型，采用二次曲线、双曲线和样条曲线车道模型并通过对特征点拟合获得车道线参数以及运用方向可调滤波器提出特征点并通过特征点来拟合组合车道模型。然而当光照变化、阴影遮挡车道线、车道线破损、污迹覆盖车道线等情况存在使道路图像变得复杂时，车道线边缘与路面的对比度降低，此时基于边缘的方法和很难确定一个合适的阈值来滤除噪声边缘而仅保留车道线边缘信息，故在此情况下，此类方法很难进行正确的特征点提取。
技术实现思路
本专利技术的目的是提供一种复杂路况的车道线特征点提取方法，以解决现有方法对车道线存在光照变化、阴影遮挡、破损或污迹覆盖等复杂路况下，车道线特征点提取鲁棒性低的问题。另外，本专利技术还提供了一种基于上述特征点提取方法的提取装置。为实现上述目的，本专利技术的特征点提取方法方案是一种复杂路况下的车道线特征点提取方法，步骤如下(I)用车载设备获得道路的灰度图像；(2)根据道路图像对车道线特征点提取的重要程度将灰度图像划分为不考虑区域和感兴趣区域(ROI)；(3)对感兴趣区域(ROI)进行平滑滤波处理；(4)对平滑滤波处理后的感兴趣区域(R0I)，利用基于结构张量场水平集外在曲率进行二值化处理，提取车道线的特征点。步骤(I)中，通过车载视觉系统将采集到的彩色道路图像转换为灰度图像。步骤(2)中，根据道路图像对特征点提取的重要程度将图像划分为3个区域左车道线存在区域、右车道线存在区域和不考虑区域，其中，左车道线存在区域和右车道线存在区域一起构成感兴趣区域(R0I)，设道路图像ROI为f(u，V)，其中u代表行V代表列，定义感兴趣区域(ROI)的左上角为坐标原点。步骤(3)中，采用二维各向异性高斯滤波器G(u，V，ou, ov)对ROI进行平滑滤波处理，滤波结果为F (U，V)，其中 「 n、II if u2 V2 ')]G(u,v,cra,(Jv) = --exp<- + ^- ^ 2 w, , [a； JJo u从车道消失线位置到底部按照下式依次增加au =^7Z—IT —+ C05Jc = o, I, 2,, Umax UVanish IV max vanish )umax对应于u的最大值，Uvanish对应于车道在道路图像中消失线的u坐标，O v、c。以及C1均为依赖于道路图像的参数。步骤(4)中，利用结构张量场水平集外在曲率方法进行二值化处理的具体过程如下I)为了凸显车道线方向，分别计算F(u，v)的横向一阶差分梯度Wv和纵向一阶差分梯度Wu F(u +1，v)--1，V) W1112二 ; m;. F(u, V +1) - F(w, V -1) L2_2)对wv和Wu进行归一化,得到归一化梯度向量w' (u, V): 「，]「< ,w rw (W，V)= =k J ^ _ r _其中，r = (U，V) + W12 (ii, v)；3)构造F (u, V)的结构张量S (u, v) a 二 G("，v,ctJ*(w ')2b]其中，< 力=G(w，V，a;) * (w；wv；)b cc = GO,v，(J0)*(Wv)2 If w2+v2l式中，h 0。为其标准差，符号*表示卷积；4)计算 S (u, v)的特征值 X I (u, V)和 X 2 (u, V),其中权利要求1.一种复杂路况下的车道线特征点提取方法，其特征在于，步骤如下 (1)用车载设备获得道路的灰度图像； (2)根据道路图像对车道线特征点提取的重要程度将灰度图像划分为不考虑区域和感兴趣区域(ROI)； (3)对感兴趣区域(ROI)进行平滑滤波处理； (4)对平滑滤波处理后的感兴趣区域(R0I)，利用基于结构张量场水平集外在曲率进行二值化处理，提取车道线的特征点。2.根据权利要求I所述的复杂路况下的车道线特征点提取方法，其特征在于，步骤(I) 中，通过车载视觉系统将采集到的彩色道路图像转换为灰度图像。3.根据权利要求2所述的复杂路况下的车道线特征点提取方法，其特征在于，步骤(2)中，根据道路图像对特征点提取的重要程度将图像划分为3个区域左车道线存在区域、右车道线存在区域和不考虑区域，其中，左车道线存在区域和右车道线存在区域一起构成感兴趣区域(ROI )，设道路图像ROI为f (u，V)，其中u代表行V代表列，定义感兴趣区域(ROI)的左上角为坐标原点。4.根据权利要求3所述的一种复杂路况下的车道线特征点提取方法，其特征在于，步骤(3)中，采用二维各向异性高斯滤波器G(u，V，O u, O v)对ROI进行平滑滤波处理，滤波结果为F(u，V)，其中5.根据权利要求4所述的一种复杂路况下的车道线特征点提取方法，其特征在于，步骤(4)中，利用结构张量场水平集外在曲率方法进行二值化处理的具体过程如下 1)为了凸显车道线方向，分别计算F(u，v)的横向一阶差分梯度wv和纵向一阶差分梯度wU :6.一种复杂路况下的车道线特征点提取装置，其特征在于，包括 利用车载设备获得道路的灰度图像的采集模块； 根据道路图像对车道线特征点提取的重要程度将灰度图像划分为不考虑区域和感兴趣区域(ROI)的划分模块； 对感兴趣区域(ROI)进行平滑滤波处理的滤波模块；对进行平滑滤波处理后的感兴趣区域(R0I)，利用基于结构张量场水平集外在曲率进行二值化处理，提取车道线的特征点的计算提取模块。7.根据权利要求6所述的复杂路况下的车道线特征点提取装置，其特征在于，所述采集模块通过车载视觉系统将采集到的彩色道路图像转换为灰度图像。8.根据权利要求7所述的复杂路况下的车道线特征点提取装置，其特征在于，所述划分模块根据道路图像对特征点提取的重要程度将图像划分为3个区域左车道线存在区域、右车道线存在区域和不考虑区域，其中，左车道线存本文档来自技高网...
【技术保护点】
一种复杂路况下的车道线特征点提取方法，其特征在于，步骤如下：（1）用车载设备获得道路的灰度图像；（2）根据道路图像对车道线特征点提取的重要程度将灰度图像划分为不考虑区域和感兴趣区域（ROI）；（3）对感兴趣区域（ROI）进行平滑滤波处理；（4）对平滑滤波处理后的感兴趣区域（ROI），利用基于结构张量场水平集外在曲率进行二值化处理，提取车道线的特征点。
【技术特征摘要】
【专利技术属性】
技术研发人员：樊超，狄帅，徐朝辉，傅洪亮，杨铁军，王珂，孙崇峰，徐静波，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：
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。