[发明专利]一种基于EDLines线特征及概率模型的车道线检测方法

说明书

本发明公开了一种基于EDLines线特征及概率模型的车道线检测方法，该车道线检测方法采用EDLines算法提取线段，估计灭点并用灭点筛选近场线段；然后建立线段关系图，根据线段关系图进行深度优先遍历和路径检验，生成车道线的候选路径；然后根据路径斜率及路径相对位置关系确定候选车道线；最后利用最小二乘法计算车道线参数，根据概率模型计算车道线组合为左右车道线的概率，根据此概率确定车道线。本发明基于EDLines线特征检测线段，并利用概率模型确定车道线，可以在嵌入式设备和移动设备上实时实现。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于EDLines线特征及概率模型的车道线检测方法。

背景技术

人们的生活水平不断提高，经济得到发展。汽车逐渐成为家家户户的一种主要的代步工具。汽车的持有量也在增加，而且高速公路的建设使得人们驾车更加便捷。然而随着公路上行驶的车辆增加，伴随而来的交通事故问题也不能忽视。由相关的调查数据显示，交通事故的主要起因是驾驶员本身的问题导致的，而车道偏离是一个主要原因。

车道偏离预警系统是以车道线检测为基础，车道线检测对实时性有一定要求。基于深度学习的车道线检测算法计算复杂度较高。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于EDLines线特征及概率模型的车道线检测方法，提高车道线检测的实时性。

本发明的目的可以通过采取如下技术方案达到：

一种基于EDLines线特征及概率模型的车道线检测方法，所述车道线检测方法包括以下步骤：

S1、图像灰度化，利用EDLines算法，从灰度图像中检测线段，将得到的线段集合记为AllLines，其中，EDLines算法在连接锚点时，只连接水平梯度方向一致的锚点；

S2、灭点估计，结合灭点和车道线特点筛选当前车道线近场部分的候选线段，将得到的线段集合记为ProposalLines；

S3、建立线段关系图，将AllLines中的所有线段根据起点的纵坐标大小，由小到大排列，根据该排列顺序依次建立关系，每条线段只和其上方线段终点纵坐标小于当前线段起点纵坐标的线段建立关系，同时采用动态规划方法计算以当前线段进行深度优先遍历的最长路径长度；根据两条线段的夹角、两条线段相对两端点的中点到两线段的距离以及两条线段的锚点水平梯度方向是否一致来判断是否有关系；

S4、路径深度优先遍历和检验，将ProposalLines中的线段根据终点的纵坐标大小，从大到小排序，依次取ProposalLines中的一条线段作为初始线段，对初始线段进行一次遍历，从ProposalLines中的一条线段出发，最后只保留长度最长的有效路径，其中，一次遍历是根据线段关系图进行深度优先遍历和检验，直到找不到下一条有关系的线段，一次遍历结束时得到从初始线段出发的一条路径，这条路径的拟合平均误差不大于指定阈值；

S5、车道线筛选，根据路径初始线段斜率将路径划分为左、右两个车道线边缘集合，在同一个车道线边缘集合筛选两条路径，两条路径的初始线段与图像底边的交点距离在指定阈值范围内，左右两条路径中线段的锚点水平梯度分别大于等于0、小于等于0，满足条件的两条路径有可能为同属于一条车道线的左、右两条边缘，共同组成一条车道线，无法匹配的单条路径则独自构成一条车道线；其中，线段斜率定义为导数A＝du/dv，u、v分别为图像平面的横坐标和纵坐标，du、dv分别为横坐标变化值和纵坐标变化值；

S6、计算车道线概率确定左右车道线，根据路径所属车道线边缘集合将车道线划分为左、右两个车道线集合，通过最小二乘法拟合车道线参数，根据车道线参数计算任意一对左、右车道线组合为当前车道的左右车道线的概率，取概率最大的车道线组合为当前车道左右车道线，重复步骤S6中确定当前车道左右车道线的计算过程，依次检测当前车道左侧车道和右侧车道的其它车道线。

进一步地，所述步骤S2过程如下：