[发明专利]一种基于多特征融合及多态均值的车道线定位方法

说明书

技术领域

本发明属于数字图像处理技术领域，涉及计算机视觉和模式识别领域，应用于高级驾驶员辅助技术。

技术背景

伴随机器视觉的发展，驾驶员辅助驾驶技术受到越来越多的关注，车辆偏离车道极易发生车辆碰撞从而造成交通事故，车道线检测技术能够帮助驾驶员及时准确的把握路况信息，一旦有偏离车道的情况出现，可以及时提醒驾驶员车道出现偏离，及时调整方向盘，避免事故的发生，当然车道线技术也可以应用的汽车自动驾驶，当前许多大公司包括google都在大力发展汽车自动驾驶技术，但是这个技术的关键也就在车道线检测上，只有识别出了车道线，汽车才能按照车道线行驶，从而能够避开障碍物等,当前对于车道线的检测主要有以下5种检测方法：

1.将H-MAXIMA变换和霍夫变换相结合，在感兴趣区域中寻找车道线，从而实现对车道线的检测，这种方法对于突变的车道线有较好的效果。

2.将车道线检测技术融合了阈值化的车道偏离，这种方法能有效的提取出不同颜色的车道标线，并对驾驶员及时预警。

3.将基于边缘的车道线检测技术用FPGA实现，对然后检测时间，检测精度和硬件资源消耗进行综合优化。

4.将Principle Component Analysis(PCA，主成分分析)降维和k-means的车道线检测以及Mean-Shift跟踪算法结合实现车道线的检测，但是此方法在车道标线污损时，效果不佳。

5.基于加权投票的车道线检测算法，这种方法对于光照变化、车道线颜色变化及道路结构变化有较好的适应性。也是当前的一个热门研究方向。

由于场景光照变化，道路情况复杂，车道线污损等实际情况，车道线的准确定位一直未得到有效解决。

发明内容

本发明所要解决的技术问题是，提供一种能快速、准确定位车道线的方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于多特征融合及多态均值的车道线定位方法，包括以下步骤：

步骤1、转换色彩空间：将摄像头采集的原始图像转换为灰度图像和HSI图像；

步骤2、车道线区域初步划分：

对于灰度图像的处理：在车辆正前方的区域取局部区域作为道路样本，计算区域内像素的均值m和标准差σ，若标准差σ小于预设阈值，则将该标准差σ作为道路灰度分布的依据；再计算灰度图像中各像素点与均值m之差的绝对值τ₁；

对HSI图像的处理：计算HSI图像中各像素点与由先验知识得到的白色或黄色区域中心的距离τ₂；

计算各像素点融合特征λ：

λ=α1(1-e-β1τ1)+α2e-β2τ2]]>

式中，α₁,α₂∈[0,1]分别为灰度通道和HSI通道的权重；β₁,β₂∈(0,∞)为通道的调整系数；

当像素点融合特征λ大于车道线判定阈值，则将该像素点划分至车道线区域，否则将该像素点划分至非车道线区域；对所有像素点划分完毕后，再进行闭操作，得到车道线区域初步划分图像；

步骤3、车道线精确提取

以车道线区域初步划分图像取设定高度范围内的每一行的中间像素点为起始位置分别向左、右两边搜素左侧车道线端点、右侧车道线端点；