[发明专利]一种基于环视图像的车道线检测方法

说明书

本发明公开了一种能够应对复杂路况的车道线检测方法，该方法包括：在360度环视图像下，取较为显著的颜色和形状作为目标特征实现对车道线的检测；基于车道线的颜色特征，实现路况图像的背景分割。其次，基于车道线的形状特征，提出一种具有较强针对性的模板匹配算法，提取出车道线的边缘候选点；为准确定位车道线的位置，基于度量相似度对候选点聚类分簇，再以RANSAC算法对车道线进行直线拟合。最终，高效而准确地提取出车道线。本发明检测车道线具有效率高、稳健性强、实时性高的优点。

技术领域

本发明涉及图像处理和智能驾驶领域，特别涉及一种基于环视图像的车道线检测方法及系统。

背景技术

安全是围绕汽车的永恒主题。随着公路交通特别是高速公路交通的飞速发展，恶性交通事故呈不断上升趋势，死于交通事故人数逐年增多，直接导致的经济损失数额庞大，交通安全和车辆行驶安全已经成为社会的热点和人们关注的焦点。

相关调查显示，交通事故的发生除了少数由道路本身、恶劣天气引起，更多的是驾驶员人为因素造成，交通事故统计分析指出，美国及一些欧洲国家因驾驶员原因造成的事故高达80％～90％，主要的成因有疲劳驾驶、注意力不集中、车道偏离等，其中车道偏离引起的交通事故比例达到30％。与以安全带和安全气囊为主的事故发生后的被动保护措施相比，在事故发生前预警规避的主动安全技术对于解决汽车交通安全问题起着更为重要的作用。因此，开发出一种车道偏离预警系统能够有效减少因车道偏离引起的交通事故。

车道线检测是基于安装在车辆上的摄像头实时采集道路图像，再利用基于图像处理的手段对道路车道线进行准确的检测。开发出一种适用场景广泛的、实时的、鲁棒性高的车道线检测是实现车道偏离预警系统中最为基础、重要的一环。

目前存在的车道线检测算法主要是基于视觉特征检测车道线。利用车道线几何、边缘、颜色和梯度等特征，再结合感兴趣区域，提取和分析当前获取的道路信息，从而将车道线从道路背景中分割出来；还有一些是基于数学几何模型拟合车道线，车道线大多为直线或曲线，因此可以基于某种数学几何模型，如直线、双曲线、抛物线等，再以最小二乘、Snake样条等拟合方法来确定车道线。然而，大多算法对于先验知识有较大的依赖。例如，一些算法依赖人为设定的感兴趣区域，而一旦感兴趣区域设置错误，算法将会完全失效。还有一些算法依赖于检测消失点，而消失点的检测本身就存在很大的不确定性。

发明内容

为解决现有技术问题，本发明的目的是提供一种基于环视图像的车道线检测方法，其能够精确地、实时地检测出复杂路况下的车道标识线。

本申请技术方案如下。

一种基于环视图像的车道线检测方法，包括如下步骤：

步骤1，利用安装于车身四周的摄像头采集路况图像，基于纹理映射实现四路路况图像的拼接，得到具有360度俯视效果的图像作为环视图像；

步骤2，基于车道线的颜色特征实现道路背景分割：以车道线的颜色特征为依据，实现车道线与路面背景的分割；颜色特征是车道线最为显著的特征之一。因此，本发明以车道线的颜色特征为依据，实现车道线与路面背景的分割。

步骤3，建立车道线形状特征的匹配模板，基于模板匹配提取候选点：在环视图像中，车道线呈矩形或条形，且横向宽度一致，车道线具有类矩阵的形状特征；

步骤4，基于相似度对候选点聚类：为实现车道线的提取，本发明基于候选点之间的相似度对候选点进行聚类；基于候选点之间的横坐标相似度对候选点聚类，聚类得到的每一个簇视为同一条车道线中的点。

步骤5，基于随机抽样一致算法拟合出车道线：在环视图像中，车道线视为直线，而直线模型更易于拟合，能够一定程度上提高算法效率。因此本发明选取直线模型作为车道线模型。

步骤1具体包括以下步骤：