[发明专利]一种行道线参数实时提取方法

说明书

本发明属于行道线检测技术领域，具体涉及一种行道线参数实时提取方法。本发明方法首先通过对原始图像做逆透视变换得到IPM图像将原始图像像素数量缩小；然后对IPM图像再次做bar filter滤波将图像再次缩小；然后逐行处理响应值，根据响应值的大小以及是否为极大值点，挑选出左右侧极值点集中的极大值点，最后根据响应值及极大值点的原始坐标做带权直线拟合，获得行道线参数。该方法能够大幅度减少用来拟合直线所需要的样本点的数量，参数统计运算的点的数量只有传统方法的几十分之一，极大地提高了算法的实时性。

技术领域

本发明属于行道线检测技术领域，具体涉及一种行道线参数实时提取方法。

背景技术

随着汽车的不断普及，交通安全成为人类面对的重大问题，行道线的识别是图像处理和交通智能化领域的一个重要分支，近些年得到了长足的发展。目前针对行道线识别常用的方法是采用1个常用摄像头、LVDS传输同轴线，然后通过获取摄像头到地面的距离，汽车轮距，摄像头到保险杆的距离，摄像头与汽车中心的偏离距离，计算出图像中地平线到天空的像素范围，汽车引擎盖到图像底部的像素范围，以3米为车道宽度，计算出1.5到2个车道的像素范围，然后裁剪掉上述部分的图像，对剩余的图像进行缩放，然后对缩放后的每一个像素做遍历性的hough变换。

不过上述方法存在以下两个问题：

1、通过裁剪与缩放后，剩余的图像像素数量仍然较多，缩放后的图像约为原图像的0.25*0.8*0.6大小；

2、传统对裁剪及缩放后的图像中的每一个像素做遍历性的hough变换，造成运算量相对较高，不利于实时提取行道线参数。

发明内容

针对目前对图像的裁剪与缩放后，剩余图像像素数量仍然较多，且后期需要对裁剪和缩放后的图像中每一个像素做遍历性的hough变换，运算量较大且不利于实时提取行道线参数的缺陷和问题，本发明提供一种能够大幅度减少运算量，提高算法实时性的行道线参数实时提取方法。

本发明解决其技术问题所采用的方案是：一种行道线参数实时提取方法，包括以下步骤：

步骤一、获取图像的原始图像坐标(x_raw,y_raw,z_raw)，对原始图像做逆透视变换，得到经过逆透视变换后的IPM图像坐标；

步骤二、截取IPM图像的下半部分进行卷积变换，得到一个N*M的矩阵的卷积核barfilter，其中N＝l_w+2floor(0.6l_w),M＝floor(0.6l_w)

式中：l_w表示逆透视变换后图像中的行道线宽度；barfilter(i,j)为卷积核。

步骤三、将卷积变换后的输出图像分为左右两侧，逐行计算卷积图像左、右两侧灰度值的数值微分，得到微分图，

dif(i,j)＝0.5(respons(i,j+1)-respons(i,j-1))

式中：dif(i,j)为输出的微分图，respons(i,j)为IPM图像使用bar filter卷积以后的输出图；

步骤四、对微分图进行逐行扫描，根据极值点邻域内的微分值是否异号确定极值点的位置，若dif(i,j)*dif(i,j+1)0，则说明该点为极值点；然后进一步判断极值点的性质，若respons(i,j)th2，th2为正数，则说明该点为极大值点；若respons(i,j)th1，th1为负数，则说明该极值点为极小值点，从而得到极值点分布图；

步骤五、判断极值点的横坐标是否大于0.5*W，W为卷积后图像的宽度；若横坐标小于0.5*W，将该极值点放入左侧极值点集中；若横坐标大于0.5*W，将该极值点放入右侧极值点集中；