[发明专利]一种自适应的道路鸟瞰图变换方法和道路车道检测方法

说明书

本发明公布了一种自适应的道路鸟瞰图变换方法和道路车道检测方法，包括道路边界特征提取、道路边界分割提取、道路边界点提取、道路边界模型建模和匹配、通过自适应鸟瞰图变换得到鸟瞰图变换矩阵，将道路图像灰度图映射为鸟瞰图。道路车道检测方法还包括先进行车道标记过滤和特征提取和车道标记位置估计，再通过所述车道标记位置，在道路场景图像中提取得到车道标记的位置。本发明方法具备更好的健壮性，能够处理含有大量阴影干扰的路面；避免了现有方法中固定变换参数存在的问题，能够自动地调节系统参数，从而更加准确地提取车道标记线的位置。

技术领域

本发明涉及机器视觉领域，尤其涉及一种自适应的道路鸟瞰图变换方法和基于该方法对道路车道进行检测的方法。

背景技术

智能车辆感知可以拯救人类生命，减少经济损失，其中道路检测是智能车辆感知不可或缺的一部分。汽车主动安全技术使得汽车能够积极主动地检测事故，解决了传统汽车安全只能在事发后被动地减轻事故伤害的缺陷。汽车主动安全关键技术之一是环境感知，旨在通过分析传感器采集的数据得到周围的信息。驾驶中最基本的任务是跟随道路，因此道路检测在车辆感知中扮演着重要的角色，对交通安全问题有重大研究意义。绝大多数道路都有白色或者黄色的车道线标志，与深色的道路有很好的视觉区分性。通常采用挂载在车前窗的摄像头采集道路图像，从一幅驾驶员视角的道路图片中定位车道标记，从而完成道路检测的任务。

针对目标检测问题，通常的实现方法一般包括自底而上或者自顶向下两种方法。其中，自底而上的方法先从图像中一级一级地提取特征，然后用提取出的最高层特征去匹配对象模型，这类方法从特征出发，因此也称为基于特征的方法。另一种方法与之相反，从上层模型出发，用预定义的模型去匹配图像特征，因此也叫做基于模型的方法。车道线检测通常也划分为基于特征的和基于模型的两类方法。基于模型的方法关注高层特征，具有较高的鲁棒性，但有限的预定义模型往往很难准确匹配多样的道路模型，如道路模型选用几个离散的曲率值去匹配图像时，准确性受到约束，且不能匹配复杂的路况如S型的弯道。另一方面，对于基于特征的方法，由于图像特征的多变性，很难找到一种普适性的特征检测算法过滤掉各种可能出现的噪声。常见的检测算法基于颜色、边缘、亮度等特征。当道路图像被严重的阴影覆盖时，阴影围成的区域也具备这些特征，仅凭底层特征筛选车道线像素是十分困难的。

具体地，典型的基于特征的方法采用车道标记线像素相对于周边的路面像素较亮的特征，由于存在透视效应，即各行的车道标记线宽度不同，所以通常对图像中的各行独立地进行处理。在图像中的每一行用一个以“暗-亮-暗”渐变的模板去匹配各个像素点，匹配度越高就说明该像素点越可能是车道标记像素，匹配度反映了该点为车道标记的概率。由于透视图具有远小近大的特征，从近到远各行的模板宽度也要进行调整。