[发明专利]车道线检测方法、装置以及计算机可读存储介质

说明书

本发明公开了一种车道线检测方法，包括：对实时采集的图像进行预处理；对预处理后的图像采用形态学顶冒运算消除车道线上的干扰信息；对车道线上的干扰信息消除后的图像进行二值化处理，得到初步车道线连通区域；根据初步车道线连通区域的方向，将初步车道线连通区域分为初步左车道线连通区域和初步右车道线连通区域，并分别对初步左车道线连通区域和初步右车道线连通区域采用RANSAC进行直线拟合；对RANSAC分类后的最优左车道线连通区域和/或最优右车道线连通区域分别进行边界提取，并对提取的边界进行B样条曲线插值拟合车道线处理，得到最终左车道线和/或最终右车道线。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种车道线检测方法、装置以及计算机可读存储介质。

背景技术

随着社会经济的发展，车辆越来越成为大众必不可少的交通工具，行车安全问题也越发重要。目前，许多车辆中都安装有驾驶辅助系统。其中，有些驾驶辅助系统可以通过检测道路上的车道线为车辆提供行驶车道信息。例如，作为高级驾驶员辅助系统(AdvancedDriver Assistant System，简称ADAS)的重要组成部分，车辆偏离预警系统(LaneDeparture Warning System，简称LDWS)可以通过检测车辆所在的车道信息，在车辆偏离车道时向驾驶员发起警告提示，以保证行驶安全。

车道偏离预警系统的关键在于系统能够准确的识别出车道线边缘。车道线检测的难点在于检测系统能够适应天气环境的变化，即检测系统在光照不均匀、雨水、车道线被杂物覆盖等恶劣环境下仍具有较高的识别准确率。在实际行车环境中，受天气、不均匀光照、阴影以及杂物遮挡等因数的影响，车道线边缘并不是总是清晰可见的，这些质量较差的车道线给系统准确识别带来了一定的干扰。目前，车道偏离预警系统大致可分为基于传感器和基于视觉的。基于传感器的系统采用雷达、红外激光或者GPS，根据GPS定位车辆的位置信息来判断车辆是否偏离车道。但是，GPS系统无法准确的定位车道线边缘，尤其是当车辆进入隧道，GPS定位车道线将失效。

基于视觉的车辆偏离预警系统采用摄像头拍摄车辆前方视屏画面，采用机器视觉的方法对摄像头画面实时处理，识别出当前视频帧中的车道线。基于视觉的车道线检测一般有基于模型和基于特征的检测方法。专利号CN201710220811.6公开了基于K-means聚类方法进行车道线检测，对Hough变换的坐标系进行K-means聚类提取出车道线。此方法对于结构化道路的车道线检测可以很好的适应，但是对于非结构化道路，比如城市磨损车道线、被阴影遮挡车道线、被白色车辆遮挡的车道线等非理想道路的车道线检测，检测结果的准确度将大大降低。

本发明人在实施本发明的过程中发现，现有技术中存在以下技术问题：现有的基于Hough变换的车道线检测方法，根据Hough变换的结果进行车道线直线拟合操作。对于非结构化道路，比如磨损、阴影、杂物覆盖、弯曲等车道线，传统的阈值分割很容易把车道线划分为背景，从而丢失车道线信息。例如，一条完整的车道线由于光照不均匀，图像二值化的时候部分车道线丢失，更严重地，虚线车道线的一段完全丢失。因此现有技术在图像预处理阶段就丢失了车道线信息。另外，现有技术由于使用直线代替曲线，对于较长的曲线，Hough变换拟合的直线会有较大的检测误差。可见，对于非结构化道路，现有技术的车道线检测方法效果并不理想。

发明内容

本发明实施例提供一种车道线检测方法、装置以及计算机可读存储介质，能有效解决非结构化道路车道线检测误差较大的问题，提高了车道偏离预警系统的可靠性。

本发明一实施例提供一种车道线检测方法方法，包括步骤：

S1、对实时采集的图像进行预处理；

S2、对预处理后的图像采用形态学顶冒运算消除车道线上的干扰信息；

S3、对车道线上的干扰信息消除后的图像进行二值化处理，对二值化处理处理后的图像进行连通区域标记，并对标记后的连通区域进行初步筛选，得到初步车道线连通区域；