[发明专利]一种基于双目视觉的实时车辆压线行为检测方法

说明书

本发明公开了一种基于双目视觉的实时车辆压线行为检测方法，包括步骤：S1、图像流采集；S2、逆透视变换；S3、车道线特征提取；利用Sobel算子得到图像中车道线边缘的梯度方向及其梯度大小，给车道线边缘的梯度方向及其大小设定一定的阈值，提取出车道线的边缘特征；S4、组合过滤；S5、对图像进行直方图统计；S6、车道线识别；对感兴趣区域内提取到的车道线特征点进行hough变换，准确识别出道路图像中的车道线边缘的位置；S7、压线行为检测；根据摄像头与检测到的左右车道线间的横向距离来判断车辆是否发生压线行为。本发明的检测方法可以快速判断车辆是否有压线行为，起到驾驶监控和指导作用。

技术领域

本发明涉及视觉检测技术领域，特别是涉及一种基于双目视觉的实时车辆压线行为检测方法。

背景技术

近年来，由于无线传感器网络的发展，先进辅助驾驶系统ADAS成为车辆主动安全系统中最核心的功能之一。ADAS系统的核心是对道路场景的分析，且对算法的实时性提出了较高的要求。在该领域中，车载视觉已被广泛使用。相对于激光雷达等主动型传感器，车载视觉这种被动型传感器对环境具有非侵入性、高分辨率、低功耗、低成本和易集成等特点。

车辆压线行为检测技术是满足强劲的需求和低成本产品的最好的选择。一些成功的视觉应用程序已经完全可以应用于半自治的驾驶技术中。

发明内容

本发明的目的是提供一种基于双目视觉的实时车辆压线行为检测方法，在满足实时性的前提下，能够对车辆的是否发生压线行为进行实时的监测。

为了解决上述技术问题，本发明提供一种基于双目视觉的实时车辆压线行为检测方法，包括步骤：

S1、图像流采集；通过摄像头采集车辆两侧的图像流；

S2、逆透视变换；消除图像的透视形变；

S3、车道线特征提取；利用Sobel算子得到图像中车道线边缘的梯度方向及其梯度大小，给车道线边缘的梯度方向及其大小设定一定的阈值，提取出车道线的边缘特征；

S4、组合过滤；设置不同的阈值，检测车道线边缘特征的提取效果，确定精准阈值；

S5、对图像进行直方图统计，利用统计直方图中的峰值分别确定出车道线的感兴趣区域在道路图像中的位置；

S6、车道线识别；对感兴趣区域内提取到的车道线特征点进行hough变换，准确识别出道路图像中的车道线边缘的位置；

S7、压线行为检测；根据摄像头与检测到的左右车道线间的横向距离来判断车辆是否发生压线行为。

作为优选方案，所述步骤S1中还包括摄像头标定；从世界坐标系换到图像坐标系。

作为优选方案，所述Sobel算子包括横向矩阵G_x的边缘检测的图像灰度值和纵向矩阵G_y的边缘检测的图像灰度值；以A代表原始图像，其公式为：

梯度方向：梯度大小：

本发明具有以下有益效果：

本发明的基于双目视觉的实时车辆压线行为检测方法可通过摄像头采集车辆两侧的图像流，根据处理得到图像流内车道线的边缘，检测车道线的边缘与摄像头的距离，判断车辆是否压到检测车道线，起到对车辆的是否发生压线行为进行实时的监测，提醒驾驶员正确驾驶，降低驾驶员的驾驶难度。

附图说明

图1是本发明实施例提供的基于双目视觉的实时车辆压线行为检测方法的流程图。

具体实施方式