[发明专利]一种基于脊状图与改进顺序RANSAC的车道线检测与车辆定位方法

说明书

本发明公开了一种基于脊状图与改进顺序RANSAC的车道线检测与车辆定位方法，属于道路上的车道线检测领域。本发明从提高车道线检测准确度及抗干扰角度出发，提出了基于脊状图与改进顺序RANSAC模型拟合的车道线检测与车辆定位方法。本发明在脊状图的基础上，提出了一种有效的噪声滤波机制，并在模型拟合的过程中去除摄像机俯仰角的变化，使得模型拟合不依赖于预先确定的俯仰角，而是根据拟合的模型计算得到俯仰角。针对车道线一侧消失的问题提出了一种改进的顺序RANSAC算法，使得只存在一边车道线的情况下也可以进行车辆的定位。

技术领域

本发明属于道路上的车道线检测领域。结合改进的脊状图与一种噪声滤波机制对车道线进行建模，涉及一种改进的顺序随机抽样一致性算法的车道线检测及车辆定位的方法。

背景技术

近年来，由于汽车保有量与使用率的增加，交通事故的发生呈现逐年上升的趋势。其中汽车作为交通道路中的主要参与者，保证汽车的行车安全是智能车辆研究领域的重要课题。随着先进驾驶辅助系统(Advanced Driver Assistance Systems，ADAS)的有效应用，智能车辆在辅助驾驶及触险报警等方面的功能已经日趋完善。如何快速、准确的检测出城市道路中的车道线，有效提升驾驶系统的鲁棒性及安全性，为后续的车道保持、车辆避障与路径规划提供可靠保障是智能车辆自主驾驶技术亟需解决的问题。

智能车辆车道线检测技术属于机器视觉研究领域，目前的检测机制从提升系统鲁棒性和实时性的角度出发，主要围绕车道线的多种特征检测如边缘和颜色、使用SVM和级联分类器的机器学习的检测方法、直线拟合与参数曲线拟合等检测方法进行了研究。但是上述工作在阴影的出现、线画得不均匀分布、破旧的车道线等方面难以进行良好的车道线特征提取与拟合，进而影响检测结果的准确率、误检率和漏检率。

在车道线检测这个问题上，在模型拟合过程中，根据给定的摄像机高度和俯仰角采用了RANSAC来匹配左右两条车道线，但是该方法基于固定的阈值，在某些情况下会导致滤波不当的问题，并且该算法在只存在一条车道线的情况下无法正常运行，而且此模型的精度对摄像机的各种角度很敏感等等，这里引入了一种自适应的阈值方法和改进的顺序RANSAC算法，加入了一种融合机制，使得车道线的检测更加准确。

发明内容

本发明的目的是提供一种准确且快速的车道线检测和车辆定位方法。

本发明采用如下的技术方案：

从提高车道线检测准确度及抗干扰角度出发，提出了基于脊状图与改进顺序RANSAC模型拟合的车道线检测与车辆定位方法。本发明在脊状图的基础上，提出了一种有效的噪声滤波机制，并在模型拟合的过程中去除摄像机俯仰角的变化，使得模型拟合不依赖于预先确定的俯仰角，而是根据拟合的模型计算得到俯仰角。针对车道线一侧消失的问题提出了一种改进的顺序RANSAC算法，使得只存在一边车道线的情况下也可以进行车辆的定位。

本发明采用的技术方案为一种基于脊状图与改进顺序RANSAC的车道线检测与车辆定位方法，该方法包括如下步骤：

步骤一：计算脊形值；

步骤二：根据得到的脊形值对传统的恒定阈值方法进行优化，根据脊形值的灰度级图像作直方图，根据直方图横纵坐标设置阈值；

步骤三：根据设置的阈值对图像进行阈值化，然后根据在阈值化图像中提取出车道线中轴像素，进行部分像素的桥接，移除部分异常像素组；

步骤四：构建车道线模型，简化车道线模型为双曲线模型；

步骤五：引入改进的顺序RANSAC方法，同时根据车道线模型和像素组进行车道线模型拟合；

步骤六：根据双边车道线模型进行模型配对，通过选取最多支持数据点的组合进行模型的最终确定；

步骤七：根据确定的车道线模型来进行车辆定位信息的计算。