[发明专利]基于等距曲线模型的车道线检测方法

说明书

技术领域

发明涉及一种车道线检测方法，具体涉及一种基于等距曲线模型的车道线检测方法，属于图像处理技术领域。

背景技术

现今社会，汽车已经成为人类不可或缺的交通工具之一。随着汽车使用率的不断扩增，其安全问题日益突出，来自美国和中国交通部门的相关资料显示，汽车驾驶的过程中车辆因为偏离车道而产生的事故是交通事故的一个重要部分。另一个报告指出，近51%的交通事故与驾驶员没有意识到车辆偏离了本车道有很大关系。因此，需要一种可识别出车道位置的设备，在车辆快要偏离车道时给驾驶员预警信号。

作为未来智能交通系统（ITS）的重要部分，无人驾驶汽车将在人们的生活中起到越来越重要的作用。车道线检测系统作为无人车环境感知的重要部分，在结构化道路环境的感知中起到核心作用。随着无人车水平的不断进步，其智能化程度不断提高，其决策系统需要得到更多路面信息以做出更智能的决策，这对车道线检测系统提出了更高的要求，需要车道线检测系统能够提供能加全面的车道线信息，包括多条车道线的位置，形状，类型等。

目前，基于视觉的车道线检测技术大多限于单车道左右两侧车道线的检测，检测范围较小。而对车道线的形状，往往使用直线或特定曲线近似，如圆弧，抛物线等。当检测范围扩大后，近似在较复杂的路面上，特别是变曲率的弯道上，该种检测技术并不能很好的表示车道线的实际位置和形状，甚至影响识别率。另外，现有技术大多没有对车道线的类型进行识别，如实线和虚线。这些问题在一定程度上制约了车道线检测技术在无人车等对检测结果要求较高的领域的应用。

由此可见，先进的车道线检测系统在以上领域发挥着举足轻重的作用，而车道线检测算法则是检测系统的核心，决定了检测系统的性能，对提高有人驾驶车的安全性，无人驾驶车的智能性有着很高的应用价值。

发明内容

有鉴于此，本发明提供一种基于等距曲线模型的车道线检测方法，车道线识别范围大，且对每条车道线的种类都进行识别，实时性好，识别准确率高。

该方法的具体步骤为：

步骤一：对车载摄像机获得的车辆前方的全景图像进行逆投影变换，得到地面俯视图；

步骤二：对步骤一中得到的地面俯视图进行滤波及二值化预处理；

步骤三：对二值化预处理后的地面俯视图进行Hough变换，得到的Hough空间；所述Hough空间的横轴为θ，纵轴为r；

步骤四：采用下述步骤找到Hough空间中所有车道线在各个角度上的切线对应点：

（401）在Hough空间中找到亮度值最大的像素点作为全局最大值点A，令全局最大值点A所在车道线为主车道线；

（402）在Hough空间中找到与全局最大值点A在同一纵轴上，其它车道线的切线对应点，作为相应车道线的主切线对应点；

（403）在Hough空间内找到主车道线的所有切线对应点，形成切线对应点队列；所述主车道线的所有切线对应点为一串连通的亮点；

（404）判断切线对应点队列中像素点的个数是否大于设定值，若大于表明主车道线为曲线，进入步骤（405）；否则表明主车道线为直线，进入步骤六；

（405）将主车道线切线对应点队列中的所有切线对应点整体上下平移至步骤（402）中找到的每条车道线的主切线对应点处，得到Hough空间内相应车道线的所有切线对应点；

步骤五：依据Hough空间中每条车道线的所有切线对应点，计算出地面俯视图中相应车道线切线的切点坐标，将同一条车道线上的所有切点连接得到车道线；

步骤六：计算每条车道线在二值化后图像中亮线的平均长度值及方差：若亮线的平均长度值符合设定标准且方差小于设定值，则表面该车道线为虚线；否则为实线。

在所述步骤（402）中采用下述步骤找到与全局最大值点A在同一纵轴上，其它车道线的切线对应点：

（4021）在Hough空间中全局最大值点A所在纵轴上，找出设定范围内所有像素点中亮度值最大的像素点作为局部最大值点B；则主车道宽度即为全局最大值点A与局部最大值点B之间的距离H；

（4022）以线段|AB|为基准，将全局最大值点A所在纵轴划分为多条宽度为H的线段；然后以除全局最大值点A和局部最大值点B以外的每个等分点为中心，划分设定区域的矩形范围作为车道线候选区域；

（4023）找出每个车道线候选区域内亮度值最大的像素点，将其亮度值与设定的阈值比对，保留大于该阈值的像素点，作为相应车道线的主切线对应点。