[发明专利]一种车辆所在车道边界检测方法

说明书

技术领域

本发明属于智能车辆环境感知技术领域，涉及一种车道边界检测方法。

背景技术

智能交通系统中，车道检测技术是智能车辆环境感知技术的重要组成部分，主要应用于车辆智能巡航控制、车辆横向控制、车道偏离报警、车辆自主驾驶等。视觉是人类驾驶车辆使用最多的环境感知方式，绝大部分车辆都行驶在结构化道路上，而结构化道路的表现形式是面向人类视觉的，视觉感知是车道检测最有效和重要的技术手段之一。

在现有基于视觉的车道检测技术中，针对结构化道路的车道检测方法可概括为三个重要组成部分：定义车道模型、提取车道特征、以车道模型为约束根据提取的特征定位车道。在现有技术中定义的车道模型主要有直线、二次多项式、样条曲线、圆弧等，但这些模型都无法完全与实际的车道曲线对应起来，只能部分或近似地反映车道结构，因此利用它们无法精确检测各种形状的车道边界，即使检测到了车道也无法精确估算车辆在车道中的位置、方向以及车道平面的几何结构，如车道曲率、车道曲率的变化率等，而这些数据对车辆的自主驾驶、智能巡航的控制和决策是非常重要的。对于车道特征，现有技术主要利用了车道标线的边缘、梯度、路面的纹理、颜色等。其中梯度、纹理、颜色特征易受到阴影、光照、天气变化的影响，而车道标线边缘特征相对比较稳定，具有较好的抗干扰性。但是现有车道检测技术中，用于边缘提取的边缘阈值是固定的，而道路光照是变化的，车道标线边缘可能会因车道光线变化的影响而无法提取，从而无法检测到车道。对于提取的边缘，现有车道检测技术中通常利用分类、聚类、神经网络等方法对边缘点进行拟合来定位车道边界。由于在提取车道标线边缘的过程中有其它边缘也会被提取出来，因此在边缘点拟合前需要滤除干扰，否则会影响车道边界的精确定位，但是滤除干扰在一定程度上又会增加车道检测方法的复杂度，而在现有技术中还没有有效的方法解决这一问题。

另一方面，车辆在行驶过程中道路的状况是复杂和多变的，因此车道检测需要能够适应各种车道标线、道路光照以及复杂环境。这些复杂性和变化主要表现在三个方面。一是与车道标线表现形式有关的，如车道线形有直线、圆弧和回旋曲线等；车道标线的颜色有白色和黄色；车道标线的类型有单实线、双实线、虚线等。二是与道路光照有关的，如路边建筑物、树枝树叶以及其它车辆的阴影，不同天气和光照情况下车道标线的亮度，强烈阳光反射造成的眩光，车道标线因磨损而模糊不清等，这些会影响到车道标线的可见性。三是与道路状况有关的，如路面的破损和裂纹，路面材质的不同，道路上其它行驶车辆的遮挡等，这些会干扰车道标线的检测。在这些复杂和恶劣条件下的车道检测是非常困难的，而现有技术还无法完全解决。

经对现有技术文献的检索发现，Y.Zhou等发表于《Measurement Science&Technology》2006年17卷的论文“A robust lane detection and tracking method based on computer vision”，采用直线和圆弧车道的投影模型，利用像素点的梯度特征以及禁忌搜索算法搜索定位车道边界。该文献所描述的技术方法虽然能够对各种车道标线，在道路有阴影、路面破损和裂纹、车辆遮挡等情况下的进行车道检测，但还存在着不足之处。一是该技术方法仅能检测直线和圆弧形的车道边界，无法精确检测回旋曲线形的车道边界；二是该技术方法无法完全检测车道平面几何结构；三是该技术方法无法有效检测车道标线因磨损而模糊不清的车道边界；四是该技术方法无法适应傍晚光照情况下的车道边界检测。

发明内容

为了克服现有技术在复杂和恶劣条件下无法检测车道边界以及无法提供车道平面几何结构信息、车辆在车道中的位置和方向的不足，本发明提供一种车辆所在车道边界检测方法，该方法不仅能够在一般道路环境下检测车辆所在车道的边界，而且能够在复杂和恶劣道路环境下检测车辆所在车道边界，如道路有阴影、裂纹、车辆、阳光反射、光线昏暗、车道标线磨损等，并且能够测算出车道的几何结构参数值、车辆在车道中的位置和方向。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：根据像素梯度幅值自适应地对道路图像地平线以下的部分提取边缘点，并计算边缘方向；

步骤2：根据提取的边缘点、边缘方向以及车道边界投影模型，在车道边界投影模型的参数向量空间利用粒子群优化搜索定位车道边界；

步骤3：根据搜索到的车道边界投影模型参数值以及参数计算式计算车辆所在车道平面几何结构、车辆在车道中的位置和偏向角。

所述步骤1包括以下步骤：