[发明专利]一种基于Bézier曲线的车道线重构方法

说明书

技术领域

本发明属于智能车辆安全辅助驾驶领域，涉及一种基于Bézier曲线的车道线重构方法。

背景技术

纵观汽车发展的历史，对安全性问题的研究始终是重中之重。尤其是近年来，如何提高交通安全已经成为急需解决的社会性问题。汽车安全研究热点已经从以碰撞安全为核心的被动安全发展到以预防碰撞为核心的主动安全，很多国家和国际汽车电子公司早已启动了多项研究计划来寻找提高安全性、减少事故的新技术。于是，智能车辆(Intelligent Vehicle)的概念应运而生，成为了智能交通系统(Intelligent Transportation System)的关键技术之一。而车辆安全辅助驾驶作为智能车辆研究领域的一个重要分支在近一二十年也得到迅速的发展。

计算机视觉作为车辆安全辅助驾驶系统获得行驶环境信息最有效的感知方式在近些年得到了广泛研究。它是将单个或多个摄像头安装在车体上，通过图像采集模块获得车辆周围环境图像，然后经过智能图像处理模块为后续决策模块提供所需信息。其中，车道线识别对于安全辅助驾驶至关重要，是车道保持、车道偏离预警及自主导航等技术的基础之一，而车道线的重构不仅是在图像中识别出车道线位置，还用具体数学模型准确拟合出车道线，以便为后续决策模块提供道路曲率等重要参数支持。

车辆的行驶环境一般比较复杂，为应对光照变化、道路阴影、车道线间断以及障碍物等噪声干扰，车道线识别应具有较强适应性，而现有的基于边缘提取的车道标识线识别方法，由于对图像进行了全局二值化处理造成道路位置信息丢失，从而使其对于一些复杂环境的识别难以适应，而且普遍需要对图像进行预处理，降低了实时性；而单纯利用提取局部高像素值点的车道标识线识别方法在光线变化及路面存在其他标志时准确性较低。从道路的弯曲程度看，在结构化道路中，车辆可能行驶于直道，小弯道或者大弯道，现有的局部直线提取、Hough变换以及模板匹配等方法无法满足弯道识别的需求；已提出的分段直线拟合及抛物线模型拟合一定程度上实现了弯道的重构，但对于大弯道准确性不高；已有的基于高次曲线或者多曲线模型结合的拟合方法虽然准确性较强，可计算量大，难以满足实时性要求。

发明内容

本发明针对车道线重构中对复杂环境适应性和弯道拟合准确性及实时性问题，提出了一种基于Bézier曲线的车道线重构方法。

本发明提供的一种基于Bézier曲线的车道线重构方法，包括下列处理步骤：

步骤101：等待图片输入，建立图像坐标系，设定最大图像处理区域；

输入的是安装在车辆前挡风玻璃上摄像头采集的灰度图像，图像尺寸为320像素×240像素，深度为8bit，坐标系以图像左下角点为坐标原点，水平向右x为正，垂直向上y为正；

步骤102：在搜索区域内，分别利用灰度特征和梯度特征1，搜索左车道线和右车道线起始点所在的块，若搜索到，采用最大类间方差法对块进行二值化处理，得到块中车道线的外侧边缘线上的最低点，也就是当前段左、右车道线的局部起始点；若左车道线和右车道线起始点的所在块均未搜索到，则转步骤101读取下一幅图片。所述起始点表示的是整幅图像中左、右车道线外侧边缘线最低点。

采用梯度特征1搜索左侧车道线时，搜索像素作为左侧最低点像素，扩展得到n×n的块，n为像素个数，取3、5或9，并设第i（1≤i<n）行中从左到右的第1个至第n-i个像素点位于道路上，块中剩余像素点位于车道线上，根据式（1）确定梯度特征值；采用梯度特征1搜索右侧车道线时，搜索像素作为右侧最低点像素，扩展得到n×n的块，n为像素个数，取3、5或9，并设第i（1≤i<n）行中从右到左的第1个至第n-i个像素点位于道路上，块中剩余像素点位于车道线上，根据式（1）确定梯度特征值；当y∈[0,45]时，n取9，当y∈(45,90]时，n取5；y∈(90,150]时，n取3；块大小的单位为像素；像素个数n定义为块的大小。

T＝M₁-M₂   （1）

其中，T表示梯度特征值，M₁表示车道线上的像素点和搜索像素点的灰度均值；M₂表示道路上的像素点的灰度均值。

步骤103：设置下一个包含有车道线外侧边缘线块的搜索范围，在范围内搜索梯度特征1值最大的块，如果搜索到的块的灰度特征值大于灰度特征阈值且梯度特征1值大于梯度特征1阈值，则得到一个包含有车道线外侧边缘线的块，进入步骤104，否则，进入步骤105；