[发明专利]车道线检测方法及装置、车道线检测终端、存储介质

说明书

本发明揭示了一种车道线检测方法及装置、车道线检测终端、计算机可读存储介质，涉及辅助驾驶技术领域，该方案包括：获取包含车道线的路面图像，将路面图像划分为多个子模块；根据子模块中特征像素点的像素值，计算子模块的特征值；从多个子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，路面图像中除前景区域外的其他区域作为背景区域；对前景区域进行二值化处理，背景区域的像素值置零，得到路面图像的二值化图像；在二值化图像中提取代表车道线的直线。该方案可以得到前景像素明显的二值化图像，基于该二值化图像进行车道线的检测，由于受到背景像素干扰小，可以准确提取到车道线，进而可以提高车道线偏离预警的准确性。

技术领域

本发明涉及辅助驾驶技术领域，特别涉及一种车道线检测方法及装置、车道线检测终端、计算机可读存储介质。

背景技术

车道偏离预警系统是汽车辅助驾驶的一个重要研究内容，该系统通常利用摄像机拍摄汽车前方图像，并且根据图像内容获取车道信息。当车辆与车道的相对位置发生偏移时，能够及时向驾驶员预警，从而避免事故发生。

车道偏离预警系统最重要的一个步骤就是车道线检测，车道线检测中通常将摄像机拍摄的车辆前方的灰度图二值化，并采用hough(霍夫)变换方法检测二值化图像中的直线。具体通过将二值图像中的每一个像素点投影到极坐标空间中，形成hough矩阵，并根据hough矩阵中每个坐标(ρ，θ)的投票数搜索局部极大值，得到极大值对应的二值化图像中的直线。

由于实际道路场景复杂，在光照条件下，道路像素反射不均匀，而且道路两旁常常有阴影分布，道路本身的灰度变化较大，在二值化过程中会出现前景车道线像素过多或检测不到前景车道线像素的情况。例如，如图1所示，图像左侧左车道阴影干扰严重，图像中部光照不均，道路本身灰度变化较大，这种情况对二值化造成极大干扰。对灰度图像采用目前广泛使用的全局阈值二值化方法(如大津法)和局部阈值二值化方法(如Sauvola算法)分别处理，结果如图2和图3所示。全局阈值二值化方法效果很差，整个道路都被标记成前景特征像素(即灰度值为255)，局部阈值二值化方法虽然有一定的改善，前景车道线像素能够提取出来，但是背景道路像素仍然干扰严重，给后续的hough变换带来极大的干扰和计算量。

综上，由于实际道路场景复杂，对于夜间或强光照射下的道路灰度图像，车道线所在区域与其他区域的对比度较低，车道线的像素值与其他区域的像素值较为接近，此时不论采用全局阈值二值化方法(如大津法)或局部阈值二值化方法(如Sauvola法)，所得到的二值化图像中车道线像素点受到背景像素点的干扰严重，进而难以通过霍夫变换准确提取到车道线。

发明内容

为了解决相关技术中存在的对于夜间或强光照射下的道路灰度图像，由于车道线所在区域与其他区域的对比度较低，现有二值化方法所得到的二值化图像中车道线像素点受到背景像素点的干扰严重，进而难以通过霍夫变换准确提取到车道线的问题，本发明提供了一种车道线检测方法。

一方面，本发明提供了一种车道线检测方法，所述方法包括：

获取包含车道线的路面图像，将所述路面图像划分为多个子模块；

根据所述子模块中特征像素点的像素值，计算所述子模块的特征值；

从多个所述子模块中筛选出特征值高于阈值的子模块，筛选出的子模块作为前景区域，所述路面图像中除前景区域外的其他区域作为背景区域；

对所述前景区域进行二值化处理，背景区域的像素值置零，得到所述路面图像的二值化图像；

在所述二值化图像中提取代表车道线的直线。

进一步的，所述根据所述子模块中特征像素点的像素值，计算所述子模块的特征值，包括：

根据所述子模块中像素点的像素值，确定所述子模块中的特征像素点；