[发明专利]一种车道检测方法

说明书

本发明提供了一种车道检测方法，包括获取车辆前方视图影像；截取某一帧图像的车前部分区域，命名为Roi1；对Roi1预处理；对Roi1做Hough变换；获取直线和中线；将首尾相近的直线连接成单条线条；对每条线条单独计分；遍历CL集，对能够与L集中的线条组成车道线的线条加分，从而筛选出更多的线条成为车道线；取L集中的一条车道线L，检测车道线L的内点，根据内点拟合多项式P，在下一帧图像中，使用跟踪算法跟踪多项式P，预测车道线等实现步骤。本发明识别准确度率高，识别速度快，能够识别弯道，能够过滤地面标志噪音。

技术领域

本发明涉及车辆主动安全系统领域，具体涉及一种车道检测方法。

背景技术

目前车道检测主要用于智能车的开发，大多用在智能车的视觉导航系统或车道偏离报警系统上，由于道路环境的复杂性，大多数车道检测技术的研究就是基于结构化道路。结构化道路一般指高速公路和部分结构化较好的公路。这些公路上的车道线和道路边界清晰，车道线一般为连续直线、曲线或短划线。结构化道路的车道位置和形状主要依靠检测车道标线和车道边界来获得，这是因为在实际情况中，道路上的车道线容易被磨损，导致检测困难，因此需要同时检测车道标线和车道边界才能准确确定车道的位置。

现阶段车道识别的方法主要有两种，图像特征法和模型匹配法。图像特征法的基本思想是利用道路边界或标线与房屋、草地等其他背景在图像特征上的差异进行道路检测，这些特征包括形状、灰度、纹理、颜色、对比度和不连续性等，主要的计算集中于图像处理，以及如何进行特征值的感知分类，但光照变化、阴影遮挡、噪声、道路边界或者标志线不连续等因素都影响检测的结果。另外，图像特征提供的许多局部极值仅仅为最优解决方案，车道特征的正确理解还要依赖于车道模型等高层知识。模型匹配法的基本思想是根据道路的先验知识，利用二维或三维的曲线进行道路建模，结合视觉模型和图像特征估计出车道模型参数。常见的二维车道模型有直线、样条曲线和抛物线等形式。模型匹配法中经常用来检测直路车道的方法是Hough变化法。Hough变化可以检测直线和连接处在同一直线上的点，可以用来检测满足解析式(x，y)＝0形式的各种曲线，它的主要优点是利用了图像全局特性，因而受噪声和边界间断的影响较小，鲁棒性强。

申请号为CN201310534595.4的中国专利公开了一种实时车道线检测方法，具体为通过当前帧消失点位置来确定感兴趣区域，去掉没有车道线的上半部分图像，缩短了每帧图像的处理时间。在感兴趣区域从内向外，分为两方向进行边缘点扫描，每次检测到的都是车道上距车辆最近的车道线的内侧，除了其他边缘点的干扰，不会因为车道线宽度而产生抖动，并且由于从消失点位置将图片分为两半检测车道线，避免了对全图检测时，检测到的两条直线都在消失点一侧的情况，提高了检测的准确性。另外，该专利方法用Hough变换车道线检测时，仅取与水平线一定夹角范围内的直线，提高了检测的准度，节省了计算不在范围内直线Hough权值的时间。虽然该专利能快速准确稳定地实现对高速公路上及路况较好的郊区公路车道线检测，但在遇到弯道的情况下，无法确定消失点，即算法失效。

申请号为CN201410475019.1的中国专利公开了一种车道线检测方法，包括以下步骤：首先将预处理后的图像横向分为K个边缘图像块，且底端的边缘图像块与整幅图像的高度比例为[1/4，1/3]，在所确定的消失线下方确定两对以上离消失线最近的直线对作为当前边缘图像块的候选直线对；再基于分别计算各候选直线对的权值，对存在候选直线对的边缘图像块，取最大权值的直线对为当前边缘图像块的唯一车道线段对；最后基于各边缘图像块的车道线段对的端点，输出当前帧图像的车道线。该专利用于车道线检测，其对初始化参数不敏感，检测的鲁棒性高，并且在光照较暗、车道线缺失以及有阴影等恶劣条件下均能得到良好的检测效果，但该专利只能用于检测直线。

因此，在本领域中，急需一种能够处理弯道情况的且检测效果良好、识别速度快且准确度高的车道检测方法。

发明内容

本发明所要解决的技术问题是提供一种识别准确度率高，识别速度快，能够识别弯道，能够过滤地面标志噪音的车道检测方法。