[发明专利]一种基于时域模糊和卡尔曼滤波器的车道线检测方法

说明书

技术领域

本发明涉及视频图像处理技术领域，特别是一种基于时域模糊和卡尔曼滤波器的车道线检测方法。

背景技术

车道线的准确检测是智能车辆实现自主导航和一些安全辅助驾驶系统(如车道偏离预警系统等)正常工作的基本前提。通过摄像头的标定数据，计算出车辆与车道线的相对位置，达到车道预警的目的。车道线检测的关键在于如何提取车道线的特征，以及使用何种模型来拟合出车道线。然而，由于道路所处的环境受到天气、光照和道路情况等多种因素的影响，复度低的检测算法难以找到适应环境变化的特征和精准地拟合车道线，而复杂度高的检测算法通常无法保证系统的实时性，难以应用于高速行驶的车辆。

国内外研究人员提出了很多基于视觉的车道线检测方法，现在主要有如下这些车道线检测算法：传统Hough变换检测车道线的方法。霍夫变换是最常用和最流行的算法，先用Canny算子或可调滤波器进行边缘检测预处理，然后对图像做二值化处理，取边缘点做霍夫变换检测直线；当道路不弯曲时，霍夫变换的检测效果好，当道路弯曲时，常用样条拟合或双曲线拟合的方法检测车道线。彩色分割方法：RGB颜色空间转换到YCbCr、HSI或是自定义的色彩空间，像素的亮度分量和色度分量分别被建模处理。阴影和动态照明的影响在色彩空间中的大大减弱了，车道线的颜色信息加强。这种方法是在像素级别上操作，对光照的变化很敏感。

经对现有技术的检索发现，论文《A Novel Lane detection system with efficient ground truth generation》Intelligent Transportation Systems,2012 IEEE Transactions on.该论文公开了一种车道线检测与跟踪的方法，首先对车道图像进行逆透视变换，得到车道线的俯视图，边缘检测得到离散特征点利用RANSAC对离散特征点进行直线拟合，最后用卡尔曼滤波器进行跟踪平滑。该识别方法中，随机抽样一致算法进行车道线拟合由于对每一离散点每一次迭代都要进行最小二乘法运算，计算量大；由于虚车道线的得分较低，这一步的拟合可能会造成虚车道线的漏检。

中国发明专利“一种车道线的检测方法”申请号201410065412.3，公布号为CN103839264 A。该发明专利公开了一种车道线检测方法，首先利用自适应阈值边缘提取算法提取道路图像中的边缘信息，使用引入了边缘梯度方向约束的累积概率霍夫变换从边缘图像中快速检测直线，接着在连续帧间利用检测到的直线通过迭代计算的方法估计消失点的准确位置，利用消失点滤除非车道线像素点，利用跟踪门确定预选直线。该识别方法可以利用消失点一定程度上避免路面非车道线标志的干扰，但是没有考虑车道线的类型，对于虚车道线，消失点的位置估计不准确，容易造成虚车道线的漏检，不能区分车道线是暂时消失还是永久消失。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于时域模糊和卡尔曼滤波器的车道线检测方法，通过引入时域模糊处理与卡尔曼预测相结合的检测跟踪方法达到车道线的实时检测与跟踪，同时用RBF算法检测车道线的颜色。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于时域模糊和卡尔曼滤波器的车道线检测方法，包括以下步骤：

步骤一、采集车辆前方路况的原始图像；

步骤二、将步骤一得到的原始图像经过时域模糊处理，根据公式(1)，得到均值图像；

其中，AverageImage为均值图像，I(n)为第n帧图像，i是帧偏移索引，N为预先设定均值图像的数量，1<N<5，且N为整数,n为处理的图像数量且为大于3的整数，I(n-i)为第n-i帧图像；

步骤三、将步骤二得到的均值图像经过逆透视变换得到逆透视图；

步骤四、利用二维分离的高斯核对步骤二得到的逆透视图进行滤波阈值化处理，得到含有离散边缘像素点的灰度图像；

步骤五、采用霍夫变换和随机抽样一致算法对步骤四中灰度图像中的离散的边缘像素点进行分区域直线拟合,检测出车道线。

作为本发明的一种基于时域模糊和卡尔曼滤波器的车道线检测方法的进一步优化的方案，所述步骤五之后还包括步骤六和步骤七，具体如下：

步骤六、初始化卡尔曼滤波器；