[发明专利]用于车道偏离预警系统的车道线检测方法

权利要求书

1.一种用于车道偏离预警系统的车道线检测方法，其特征在于依次按如下步骤进行：

a. 相机按照设定频率自动采集一帧图像，计数器S1加1；

b. 对所采集的每帧图像进行预处理；

c. 对当前车道线进行检测；

d. 检测到车道线，则计数器S2加1；否则，计数器S2清零，同时确定检测特征区域并计算特征值，根据特征值调节相机参数；

e. 判断计数器S2是否大于阈值TA2；是，则进入车道线跟踪状态，计数器S2清零；否则，计数器S2清零，同时确定检测特征区域并计算特征值，根据特征值调节相机参数；

f. 判断是否跟踪到车道线；是，则计数器S3加1；否则，计数器S3清零，同时确定跟踪特征区域并计算特征值，根据特征值调节相机参数；

g. 判断计数器S3是否大于阈值TA3；是，计数器S3清零并输出预警处理信号；否则，计数器S3清零，同时确定跟踪特征区域并计算特征值，根据特征值调节相机参数；

所述确定检测特征区域具体步骤如下：将所采集的图像划分为上左、上右、下左及下右四个矩形区域并确定JA、JB和JC三个特征区域，所述区域JA为位于图像下左及下右中央的正方形区域，其边长为图像高度的四分之一；所述区域JB是一个宽度为W1个像素、倾角为J1度的矩形区域与图像下左区域重叠的多边形区域；所述区域JC是一个宽度为W1个像素、倾角为180-J1度的矩形区域与图像下右区域重叠的多边形区域；

所述确定跟踪特征区域的具体步骤如下：将所采集的图像划分为上左、上右、下左及下右四个矩形区域并确定JA、JB和JC三个特征区域，所述区域JA为位于图像下左及下右中央的正方形区域，其边长为图像高度的四分之一；由六个特征点P1、P2、P3、P4、P5、P6确定的两个动态特征区域JB、JC：所述特征点P1为上一帧图像检测到的左、右车道线交叉点P0向左平移W2个像素；所述特征点P2为上一帧图像检测到的左、右车道线交叉点向右平移W2个像素；所述特征点P3为上一帧图像检测到的左侧车道线向左平移W2个像素与图像左侧边缘的交点；所述特征点P4为上一帧图像检测到的左侧车道线向右平移W2个像素与图像底部边缘的交点；所述特征点P5为上一帧图像检测到的右侧车道线向左平移W2个像素与图像底部边缘的交点；所述特征点P6为上一帧图像检测到的右侧车道线向右平移W2个像素与图像右侧边缘的交点；特征点P1、特征点P2、特征点P3和特征点P4形成的封闭区域为特征区域JB；由特征点P1、特征点P2、特征点P5和特征点P6形成的封闭区域为特征区域JC；

所述计算特征值是分别统计每个特征区域的灰度均值作为该特征区域的特征值；

所述根据特征值调节相机参数的具体步骤如下：

设相机最小灰度值为TB1、相机最大灰度值为TB2；

如果特征区域JA、JB和JC的特征值均小于指定阈值TB1，增加摄像机亮度和增益，直至特征区域JB和JC特征值的最小值大于指定阈值TB1；

如果特征区域JA、JB和JC的特征值均大于指定阈值TB2，减小摄像机亮度和增益，直至特征区域JB和JC特征值的最大值小于指定阈值TB2；

如果特征区域JA的特征值大于指定阈值TB2且特征区域JB和JC的特征值的最大值小于指定阈值TB1，增加摄像机亮度和增益，直至特征区域JB和JC特征值的最小值大于指定阈值TB1；

如果特征区域JA的特征值小于指定阈值TB1且特征区域JB和JC的特征值的最小值大于指定阈值TB2，减小摄像机亮度和增益，直至特征区域JB和JC特征值的最大值小于指定阈值TB2；

否则，不调节相机内部参数。

2.根据权利要求1所述的用于车道偏离预警系统的车道线检测方法，其特征在于所述b步骤如下：采用自适应阈值分割方法确定的分割阈值T3对图像进行二值化处理，将图像中灰度值大于该阈值的点赋值为255，即在图像中呈现白色的点；而将小于该阈值T3的点赋值为0，即在图像中呈现黑色的点；最后再对二值化图像中的孤立点进行过滤。

3.根据权利要求2所述的用于车道偏离预警系统的车道线检测方法，其特征在于所述c步骤是利用改进Hough变换方法进行当前车道线检测，具体步骤如下：

c1车道线种子点的选取及归类

c11设定一个二维数组Seeds[g*r]，此数组表示种子点的横坐标，其中g表示种子点组数，即最多车道线条数；r表示扫描行数，将数组初始化为0；

c12 自下而上，自左向右对图像进行扫描，当扫描到白点时，设其坐标为(xj, yj)，继续扫描，并开始进行计数，直到扫描到像素值为0的点，设此时统计白点个数为s，取其中间像素为种子点

当yj<W4时，则对yj之前的所有车道线组数内的Seeds值与该种子点的横坐标值进行比较，若小于阈值T4，则将该种子点归类到此车道线数组下，若大于阈值T4，则将其归类到新的车道线数组中；当yj>W4时，则对yj之前的前W4行车道线数组内的Seeds值与该种子点的横坐标值进行比较，归类原理同上；

设该种子点所归类的车道线数组为gi，则需要保留车道线数组数据(Seeds[gi* yj], yj)，然后从所扫描到的0像素点开始，继续向下扫描，直至完成当前行扫描；

c13 继续向上扫描，直至完成所有种子点的选取和归类；

c2 对各组种子点进行Hough变换

c21 将(ρ, θ)参数空间量化，建立一个二维累加数组A（n1,m1）；

c22 初始化二维数组，然后对种子点进行Hough变换，让每个点遍历θ轴上所有值，并计算其对应的ρ值，将其对应的数组元素值加1；

c23 比较数组元素值的大小，最大值所对应的(ρi, θj)就是所要求取得直线所对应的参数；

C3 利用一定的约束提取当前车道线

确定左侧车道线和右侧车道线出现的角度范围，左侧车道线的角度θl∈(π/2, π)，右侧车道线的角度θr∈(0, π/2)，车道线离开图像中心线越远，左侧θl值越小，右侧θr值越大，根据(ρi, θj)，分别求取(0, π/2)内的最小值和(π/2, π)内的最大值，然后再根据各(ρ, θ)值计算相应的斜率和截距，求取的直线即为当前车道线。