[发明专利]一种仿真机器人Android平台的车道偏离预警方法

权利要求书

1.一种仿真机器人Android平台的车道偏离预警方法，其特征是:本预警方法包括五步，第一步初始化参数列表，第二步基于梯度方向的车道线检测，第三步更新参数列表，第四步基于行扫描线的车道线检测，第五步偏离预警方法。

2.根据权利要求1所述的一种仿真机器人Android平台的车道偏离预警方法，其特征是:所述的第一步初始化参数列表是车道偏离预警系统中安装是在后视镜的位置，摄像头是通过倾斜角度来拍摄路面，获取到的图像的路面信息；设输入图像的像素宽为W，高为H，初始化参数中，检测宽度的范围[W/5，4*W/5]，高度的范围[H/3，7*H/8]；消失点坐标为(W/2，H/2)，远视场线纵坐标为y1＝H/2+d，近视场线纵坐标为y3＝7*H/8-d，其中d为可调阈值，经验范围为[20，50]；中视场线的纵坐标为y2＝(y3+2*y2)/3。

3.根据权利要求1所述的一种仿真机器人Android平台的车道偏离预警方法，其特征是:所述的第二步基于梯度方向的车道线检测是车道线检测V1，

(a)特征提取V1，

车道线边缘特性可用一阶或二阶导数来度量，一阶导数可用梯度▽G表示:

并且▽G有幅值和方向F(x,y)＝g_y/g_x；

正负边缘线类型判别：首先排除近似水平的梯度角度的边缘像素，接着在取出边缘梯度图像上一行像素，由左至右顺序判断像素梯度值，将梯度方向偏向图像右侧的像素判为上升边缘；正负边缘候选对判别：对于每一个正边缘，在右侧一个有效范围内(实验中对应合理的线宽)存在着一个负边缘，并且正边缘梯度方向角度与负边缘的梯度方向角度相差满足角度阈值，则认为这两个边缘构成一个正负边缘候选对；

邻域判别：对于每一个正负边缘候选对，如果正边缘的左侧邻域平均灰度值大于T_i,lane，则认为正边缘的背景符合；如果负边缘的右侧邻域平均灰度值大于T_i,lane，则认为负边缘的背景符合；如果正负边缘候选对同时满足背景符合，则认为正负边缘候选对通过领域判别；

(b)模型拟合V1，

将特征按图像位置纵向进行排序，从排序列表中选择一个未使用的像素作为种子点，区域生长算法将用于生成一个区域；递归的，该像素的那些未使用的邻域像素都被用于测试，而角度跟区域角度之间的误差在22.5之间的像素将被加入该区域中；每次添加一个新的像素到该区域，区域角度就被更新一次；如此持续进行，直到没有任何像素可以添加到矩形区域中。

4.根据权利要求1所述的一种仿真机器人Android平台的车道偏离预警方法，其特征是:所述的第三步更新参数列表是车道线检测V1后，当满足直线数量大于2条后，统计满足两条直线交点位置V_i(x,y)在消失点P(x,y)附近的直线存入到g_vps集合，即

5.根据权利要求1所述的一种仿真机器人Android平台的车道偏离预警方法，其特征是:所述的第四步基于行扫描线的车道线检测是车道线检测V2相比车道线检测V1增加了车道线滤波模块，进行了优化；

提取选择了一种基于行扫描的快速提取方法；车道线的正边缘e_p和负边缘e_v满足以下条件，

并且平均灰度值参数拟合使用直线模型，拟合算法采用最小二乘法。

6.根据权利要求1所述的一种仿真机器人Android平台的车道偏离预警方法，其特征是:所述的第五步偏离预警方法是基于车辆在车道的当前位置的横向偏离进行警告；当车辆接近或保持在车道边缘附近时给出预警；车辆在车道中的当前位置是由车道线检测算法实时获得；x表示车辆中心与车道中心的距离，假设车辆与车道平行，车辆宽度为P，车道宽度为W，则当前车辆前轮相对于左右车道边缘位置如下：