[发明专利]一种适用于复杂条件下的车道线视觉检测方法

说明书

本发明提供一种适用于复杂条件下的车道线视觉检测方法，该方法将摄像头获取的三通道彩色图像转化为灰度图像，通过逆透视变换将道路区域的透视图像转换为鸟瞰图。逆透视变换在基于计算机视觉的车道线检测方法中被广泛使用，其优点在于车道线的透视效应在鸟瞰图中会被消除，从而更加有利于车道线的搜索和检测。将鸟瞰图中检测到的轮廓线段进行分类，线段重新生成，筛选和延伸，从而实现过滤噪声，拟合车道线的目的；该方法中，直线模型和衔接点动态变化的直线—抛物线模型使本算法不仅适用于直道和弯道，而且也适用于车道宽度渐变的道路。

技术领域

本发明涉及智能交通领域，尤其涉及一种适用于复杂条件下的车道线视觉检测方法。

背景技术

利用单目视觉的车道线检测技术主要是利用车道线的视觉线索对其特征进行提取，以达到对车道线检测的目的。综合来看，现有的车道线检测方法多数是利用单个视觉线索来提取车道线特征，如：消失点的特征，车道线的方向特征和车道线颜色相对于路面颜色呈现暗-亮-暗的颜色特征，车道线的形状和位置特征等。文献1：Umar Ozgunalp,NaimDahnoun,“ROBUST LANE DETECTION&TRACKING BASED ON NOVEL FEATURE EXTRACTION ANDLANE CATEGORIZATION，”in:Proceedings of the IEEE International Conference onAcoustics Speech Signal Processing,2014,pp.8129-8133.利用车道线与路面颜色呈现暗-亮-暗的特征对道路图片进行对称阈值滤波以提取车道线标志。文献2：Young-Woo Seoand Raj,“Utilizing Instantaneous Driving Direction for Enhancing Lane-MarkingDetection,”in:2014IEEE on Intelligent Vehicles Symposium(IV),pp.170-175.将消失点和图像底部中点的连线视为车辆的瞬时行驶方向，利用此方向信息过滤了多余的噪声杂质。这些利用单个视觉线索的车道线检测技术在车道线标志清晰的路况下检测效果较好，然而，在复杂的城市路况或车道线破损严重的郊区，仅仅只靠单个视觉线索提取车道线特征难以满足较高的准确度要求。

近年来，有不少学者将多视觉线索利用于车道线特征的提取。然而，这些基于多视觉线索的车道线检测方法也存在部分场景高误检情况。文献3：Zhixiong Nan,Ping Wei,Linhai Xu,Nanning Zheng,“Efficient Lane Boundary Detection with Spatial-Temporal Knowledge Filtering，”Sensors,16(8),2016.利用车道线的位置信息和消失点特征过滤多余的噪声线段，然而，在路面出现裂缝，并且当其方向与车道线方向平行时，该方法容易产生误检。文献4：[1]J.Son,H.Yoo,S.Kim,K.Sohn,“Real-time illuminationinvariant lane detection for lane departure warning system,”Expert Systemswith Applications,42(2015)1816-1824.利用消失点特征和车道线的颜色特征相互融合的方法提取车道线，然而该方法无法在车道线模糊或光线较弱等条件下检测出车道线。

发明内容

本发明旨在克服目前车道检测方法中的缺陷，即：在复杂路况下实现车道线检测，该方法对破损的车道线和阴影干扰等情况均能表现出较好的稳定性。

本发明的技术方案是提供了一种适用于复杂条件下的车道线视觉检测方法，具体包括如下步骤：

步骤1、将摄像头采集到的真彩色图像灰度化，灰度图将作为整个车道线检测系统的输入；在灰度图中的道路区域将进行逆透视变换操作，然后检测变换生成的鸟瞰图中的轮廓线段，所述轮廓线段将作为后续的处理单元；