[发明专利]基于偏振成像的车道线检测方法及其装置

说明书

本发明提供一种基于偏振成像的车道线检测方法及其装置，其包括以下步骤：初始化变量；获取图像，判断图像是否是雾天模式，是就对图像进行去雾处理；不是就对图像进行眩光处理；然后对图像中的感兴趣区域进行逆透视变换，得到仿射变换矩阵和俯视图像；对俯视图像进行边缘检测；判断是否已经启动了车道线跟踪流程，如果是则执行车道线跟踪流程，不是则判断是否满足启动车道线跟踪流程条件，如果是则执行车道线跟踪流程，不是则对边缘图进行窗口滑动；根据左、右车道线像素，建立二次曲线车道线模型，识别出图像中的车道线。本申请还提供了一种实现此方法的装置。本申请提出了新的车道线跟踪算法，使得在保证识别效果的前提下更快速。

技术领域

本发明涉及智能交通领域，具体而言，本发明涉及一种基于偏振成像的车道线检测方法及其装置。

背景技术

车道线检测技术是指从实时获取的行车图像中检测出前方道路交通虚实标线的技术。利用车道线检测技术，可以防止汽车偏离车道，例如行车过程中车辆发生偏移或具有偏移趋势时给驾驶员发出警示信息，提醒驾驶员采取措施，使其修正行车方向，从而减少车道偏离事故的发生。因此，车道线检测对于行车安全具有重要意义。

现有的车道线检测方法存在以下问题：

(1)依赖于良好的光照环境。在大雾、眩光极端行车条件下，普通车载摄像头成像不清或大面积曝光，路面信息极其模糊甚至丢失，导致传统的检测方法无法正确识别车道线。虽然目前存在针对上述极端行车条件的图像处理方法，但是在现有的这些方法中，基于普通图像的处理方法计算过程复杂，难以满足实时性要求；基于偏振图像的处理方法需要人为调节参数，难以满足自适应性要求。

(2)大多依赖于良好的路面条件。对于道路中车道线有损坏的情况，基于霍夫变换的直线检测算法的识别率急剧下降。同时，基于卡尔曼滤波的车道线跟踪算法需要获取车速和车辆角速度等车辆状态信息，涉及到与其他车载传感器的标定问题。

发明内容

本发明所要解决的技术问题在于，提供一种针对浓雾、眩光环境，保证准确率和自适应性的车道线检测方法及装置。

为解决上述技术问题，本发明提供一种基于偏振成像的车道线检测方法及装置，所述方法包括：

步骤1，初始化变量，至少包括本轮中待处理的图像序号N，是否启动了车道线跟踪流程标识track，启动车道线跟踪流程后已跟踪图像的个数round，最大跟踪图像个数M；

步骤2，获取偏振相机拍摄到的一张图像，N＝N+1；判断第N帧图像是否是雾天模式，是则执行步骤3，否则执行步骤4；

步骤3，雾天模式下，对图像采用基于大气光偏振角和导向滤波的去雾方法进行去雾处理，并设定感兴趣区域，将去雾图像L作为步骤5的输入图像，然后直接执行步骤5；

步骤4，眩光模式下，选取三个角度的偏振图像中感兴趣区域内平均光强最小的图像作为步骤5的输入图像，然后执行步骤5；

步骤5，对经过步骤3或步骤4处理后的图像中的感兴趣区域采取逆透视变换，得到仿射变换矩阵和俯视图像；

步骤6，对俯视图像进行边缘检测，得到边缘图，遍历边缘图中所有灰度值不为零的像素点，记录其坐标{x_i，y_j}到集合A中，i，j都为正整数，对边缘图进行归一化得到归一化边缘图，再对归一化边缘图进行水平投影；

步骤7，判断是否已经启动了车道线跟踪流程，如果是则直接执行步骤9，不是则执行步骤8；

步骤8，判断是否满足启动车道线跟踪流程条件，如果是则执行步骤9，不是则执行步骤10；

步骤9，车道线跟踪流程