[发明专利]基于激光点云与影像数据融合的车道线提取方法

权利要求书

1.一种基于激光点云与影像数据的车道线提取方法，其特征在于，包括如下步骤：

步骤1，对原始激光点云进行预处理，提取道路面点云，对原始影像进行预处理，原始影像预处理包括图像分割、图像去噪和图像增强，去除噪声和光照的影响；

步骤2，从步骤1中提取出的道路面点云中提取道路边界的点云，利用车道线与道路边界的距离是一定的原理，确定车道线的点云位置；具体实现如下，

首先定义扫描行上所有点的梯度为|△z|/|△x|，其中△z和△x分别表示激光坐标系下当前点与后一点的z差值和x差值，对梯度设定阈值，将大于该阈值且为非地面点的点保留下来，得到粗略的道路边界点云集合Q；

然后计算当前点与前一点的x坐标差值|△x1|，如果|△x1|小于点间距/2，将当前点放置同一集合类S1内，否则将当前点放于新建一集合类S2内，若当前点已有多个集合类S，则计算当前点与所有集合类S中首点的最小值|△x|_min，如果|△x|_min小于点间距/2，将当前点放置|△x|_min所对应的集合S_min内，否则将当前点放于新建一集合内；对集合Q中的所有点进行相同的操作，最终得到n个集合类S1～Sn，统计每个集合类的点数PTs＿Num，若PTs＿Num＜5，则将该集合类的所有点从集合Q中剔除；对保留下来的集合类进行一次管道滤波，从而得到最终的道路边界点云；

步骤3，对步骤2处理之后得到车道线点云与预处理之后的影像进行配准，粗略确定影像上的车道线大致位置；

步骤4，在步骤3确定的影像区域内进行精确的车道线检测，实现方式如下

(1)步骤3确定的影像区域内进行Kirsch算法边缘检测，提取出影像中的边缘信息；

(2)采用基于HIS颜色空间的彩色图像分割算法对影像进行阈值分割，将提取边缘结果和阈值分割结果进行融合，得到最终二值化道路图像；

(3)采用Hough变换对二值化道路图像进行直线检测，确定车道线的精确位置；

(4)判断车道线的类别，即车道线的虚实属性；

(5)利用HIS颜色空间的彩色图像分割算法判断车道线的颜色属性，所述(4)和(5)的顺序不分先后。

2.如权利要求1所述的一种基于激光点云与影像数据的车道线提取方法，其特征在于：所述步骤3的实现方式如下，

步骤3.1，利用张正友的平面标记法对单台面阵CCD相机进行标定；

步骤3.2，将激光点云坐标系转换到惯性坐标系，具体转化如下，

其中，[X2,Y2,Z2]^T为激光点云坐标系下的点坐标，[X3,Y3,Z3]^T为惯性坐标系下的点坐标，R₂₃和C₂₃分别为上述两坐标系相互转换的旋转矩阵和平移变量；

步骤3.3，将惯性坐标系转换到WGS-84坐标系，具体转化如下，

其中，[X3,Y3,Z3]^T为惯性坐标系下的点坐标，[X4,Y4,Z4]^T为WGS-84坐标系下的点坐标，R₃₄和C₃₄分别为上述两坐标系相互转换的旋转矩阵和平移变量；

步骤3.4，再将WGS-84坐标系转化到惯性坐标系，具体转换如下，

其中，[X3,Y3,Z3]^T为惯性坐标系下的点坐标，[X4,Y4,Z4]^T为WGS-84坐标系下的点坐标；R₄₃和C₄₃分别为上述两坐标系相互转换的旋转矩阵和平移变量；

步骤3.5，将惯性坐标系转化到CCD相机所在的相机坐标系，具体转换如下，

其中，[X1,Y1,Z1]^T为像空间辅助坐标系下的点坐标；[X3,Y3,Z3]^T为惯性坐标系下的点坐标；R₃₁和C₃₁分别为上述两坐标系相互转换的旋转矩阵和平移变量；

通过以上变换，车道线点云都有对应的三维坐标，从而粗略确定影像上的车道线大致位置。

3.如权利要求2所述的一种基于激光点云与影像数据的车道线提取方法，其特征在于：所述步骤4中判断车道线的类别的实现方式如下，

根据获取的车道线的精确位置，在影像的y方向建立统计直方图，统计y方向上产生的边缘对：表示单线特征，其中Ns表示单线在统计图中的分段数，W_s，j为相应单线的长度，表示双线特征,Nd表示双线在统计图中的分段数，W_d，j表示相应双线y轴尺度，得出如下特征量，

其中，W是指所有线段的y值的总和；判断车道线类别的规则如下，

根据上述特征量的取值判断出车道线的类别。