[发明专利]基于梯度约束的统计霍夫变换车道检测方法

说明书

技术领域

本发明涉及车道检测领域，具体说的是基于梯度约束的统计霍夫变换车道检测方法。

背景技术

随着汽车数量的增长，高速公路事故率激增，其中大部分是由于驾驶员对周围环境的忽视或视觉干扰造成的。基于视觉的车道检测是实现汽车安全辅助驾驶的关键技术，可用于车道偏离报警、自适应巡航控制以及自动驾驶等诸多方面^[1]。国内外已经做了很多关于车道检测的研究^[2-9]。我国公路技术标准规定，高速公路最小平曲线半径为650m，取车道线曲率半径650m,车辆前方距视平面40m以内的车道图像都可以近似为直线，该近似在大多数情况下都能成立。在不同光照条件、车道不连续等的情况下，高速公路环境下车道检测依然存在问题。

文献[5]和文献[9]通过标准霍夫变换（Hough transform, HT）检测近视野的直线车道。虽然标准霍夫变换方法简便，且在不连续的车道线上有良好的结果，但它必须作用于边缘图像，边缘检测结果的好坏直接影响最终的检测结果，即使有良好的边缘图像，个数有限的边缘点也会引起标准霍夫变换中参数直方图稀疏，给最终寻找参数峰值带来困扰^[2]。而统计霍夫变换(Statistical Hough transform, SHT)不同于标准霍夫变换，它是一种基于多核密度函数的变换，不依赖边缘检测结果，在不同的观测空间下，得到不同的车道参数概率密度函数^[2]。由于车道在道路中有明显的边缘，也即道路和车道线间存在很大梯度，故基于视觉的车道检测通常采用梯度信息作为车道的特征。

参考文献：

[1]    Aharon Bar Hillel,Ronen Lerner,Danlevi,Guy Raz.Recent progress in road and lane detection:a survey[J].Machine Vision and Application,2014,25:727-745.

[2]    Rozenn Dahyot.Statistical hough transform[J].IEEE Transactions on pattern analysis and machine intelligence,2009,31(8):1502-1509.

[3]    .combining statistical hough transform and particle filiter for rubust lane detection and tracking[C].//Proc.IEEE Intelligent Vehicles Symposinm University of California.San Diego:IEEE,2010,993-997.

[4] I.arkeli.Stochastic lane shape estimation using local image descriptors[J].IEEE Transactions on intelligent transportation systems, 2013,14(1):13-21.

[5]    H.Yoo,U.Yang,K.Sohn,Gradient-enhancing conversion for illumination-robust lane detection[J].IEEE Transactions on intelligent transportation systems,2013,14(3),1083-1094.

[6]    R.Gopalan，T.Hong，M.Shneier.A learning approach towards detection and tracking of lane markings[J].IEEE Transactions on intelligent transportation systems,2012,13 (3):1088-1098.

[7]    Z.Kim.Robust lane detection and tracking in challenging scenarios[J].IEEE Transactions on intelligent transportation systems.,2008,9(1):16-26.