[发明专利]一种基于灭点检测的宽度自适应车道线检测方法及系统

说明书

本发明涉及一种基于灭点检测的宽度自适应车道线检测方法及系统，包括车道线标识提取模块、车道线拟合模块和车道线追踪模块，在车道线标识提取模块内，首先对输入图片进行逐行扫描获取满足先验车道线宽度要求的左右边缘对特征，再将左右边缘对特征聚类以获得车道线标识，对车道线标识依据颜色、大小、位置进行筛选；在车道线拟合模块内，首先将车道线标识拟合为解析形式，再利用车道线投票得到灭点，然后利用灭点对拟合出的车道线进行筛选；在车道线追踪模块内，利用卡尔曼滤波实现车道线追踪，实现连续视频输入下的优化，并计算最优化宽度阈值，向车道线标识提取模块反馈该最优化宽度阈值，以获得更好的性能。本发明能实现宽度自适应，提高车道线检测的性能。

技术领域

本发明涉及一种智能汽车环境感知领域，特别是关于一种基于灭点检测的宽度自适应车道线检测方法及系统。

背景技术

在智能汽车系统中，车道线检测技术是结构化道路中环境感知的重要内容，是车道偏离预警、换道预警等驾驶辅助功能的基础。由于人工标识的车道线带有规则的边缘特征和颜色特征，这两种特征是基于图像的车道线检测技术的基础。由于车辆、路沿、阴影等也会产生边缘，现有基于边缘的车道线检测方法在复杂路况中将受到较为严重的干扰；而基于颜色特征的车道线检测方法则受到光照条件和反射率的影响，路面上的白色车辆等也会对其造成干扰。

为提高鲁棒性，一些研究运用透视关系，利用灭点对车道线进行过滤，这种方法立足于平行假设，将不平行于车道线的噪声滤除。但是独立的灭点检测模块往往是用图像边缘细节特征进行聚类或投票的方案，需要较多计算资源，因此在智能汽车上应用时受到实时性的限制。

发明内容

针对上述问题，本发明的目的是提供一种基于灭点检测的宽度自适应车道线检测方法及系统，其将边缘特征和颜色特征结合起来，并运用满足实时性要求的灭点检测算法以提高鲁棒性，利用卡尔曼滤波进行多车道线追踪，在此基础上，将车道线追踪结果提供的最优化宽度阈值反馈到特征提取的步骤，实现宽度自适应，进一步提高车道线检测的性能。

为实现上述目的，本发明采取以下技术方案：一种基于灭点检测的宽度自适应车道线检测方法，该方法基于一检测系统实现，以车载相机拍摄的连续图片作为输入，该检测系统包括车道线标识提取模块、车道线拟合模块和车道线追踪模块，其包括以下步骤：1)在车道线标识提取模块内，首先对输入图片进行逐行扫描获取满足先验车道线宽度要求的左右边缘对特征，再将左右边缘对特征聚类以获得车道线标识，对车道线标识依据颜色、大小、位置进行筛选；2)在车道线拟合模块内，首先将车道线标识拟合为解析形式，再利用车道线投票得到灭点，然后利用灭点对拟合出的车道线进行筛选；3)在车道线追踪模块内，利用卡尔曼滤波实现车道线追踪，实现连续视频输入下的优化，并计算最优化宽度阈值，向车道线标识提取模块反馈该最优化宽度阈值，以获得更好的性能。

进一步，所述步骤1)中，左右边缘对特征的获取方法包括以下步骤：1.1) 进行预处理：将输入图片中地平线以上部分去除；1.2)将输入图片转化为灰度图，利用车道线的高亮度，在灰度图上检测灰度跳变的位置，作为可能的车道线边缘特征；1.3)边缘提取结束后，逐行选取符合车道线宽度要求的边缘对特征，若某一左边缘与某一右边缘距离满足预先设定的宽度范围要求，则记其为边缘对；1.4) 将左右边缘对特征聚类以获得车道线标识；1.5)依据颜色、大小和位置对车道线标识进行筛选。

进一步，所述步骤1.2)中，灰度跳变的检测方法为：1.2.1)对图片进行逐行扫描，对每一个像素坐标(x,y)，计算该处平均灰度梯度；1.2.2)若某处平均灰度梯度为局部极值且大于预先设定的梯度阈值，则视其为边缘特征，根据梯度的正负区分左边缘和右边缘；1.2.3)梯度阈值与该处灰度值成比例设置。