[发明专利]一种基于ROI的强鲁棒性实时车道侦测算法

摘要

本发明提供了一种基于ROI的强鲁棒性实时车道侦测算法，为了实现弯道检测，将影像分离成上下两部分，并分别称为近景区域和远景区域，分别用Hough及双曲线对模型进行求解。在整张影像主要采用横向梯度算子进行过滤，以提高计算速度实现实时侦测的目的，并采用滑动ROI窗口策略对车道边界图进行梯度方向角的区域统计，剔除异常梯度方向角的边界噪音，以保证车道检测的正确率；在远景区域中采用的双曲线对模型中，主要承接近景模型中的参数作为初始参数，并最终通过搜索策略来最终确定K参数，实现弯道部分的检测。此算法在较为复杂的路况及环境中具有较好的鲁棒性能，能够实时的提供车道咨询信息。

主权项

一种基于ROI的强鲁棒性实时车道侦测算法，其特征在于：所述算法具体包括以下步骤：步骤一、首先侦测第一张影像以提取初始自适应阈值；步骤二、并在摄取的影像上建立坐标系，左上角为原点，横向为x轴，纵向为y轴；靠近影像底部的部分称为近景区域，远离的部分称为远景区域；步骤三、采用带有自适应阈值的横向梯度算子对影像灰度图进行车道线资讯过滤，首先进行车道资讯提取：在进行车道边缘检测之前将RGB图像转换成灰阶图，从RGB模型转成灰阶图的公式为：；其中R，G，B为数值分布在[0,255]的分量；然后采用横向梯度算子的遮罩的方式进行车道线侦测，阈值采用自适应阈值，其遮罩为：步骤四、开设ROI提取有效车道资讯：步骤4.1影像的梯度值及其方向表示为：其中，和分别代表横向及纵向上的梯度，其运算遮罩如下所示：步骤4.2 将范围设置为,并将其量化为180个角度，即每一个角度为，计算方向角，若不在内，则被当做噪音车道线资讯并消除；步骤4.3 利用保留的像素点进行初步hough转换，初步确定车道线资讯，并沿初步车道线资讯设置若干个具有一定ROI范围的滑动的窗口，并对逐个滑动窗口执行步骤4.2，分析排除可能是车道线以外的孤立杂讯；步骤4.4 从第二张影像开始，采用车道线资讯在前后张影像中位移动量小的特性，将本张影像与前数张影像进行比对，提取最有效的车道线信息以便减少后续直线车道拟合中Hough转换的运算量；步骤五、直道及弯道拟合：(1)直道拟合在影像近景区域采用Hough对直线车道进行拟合，其公式如下：拟合采用Hough转换方法，具体步骤如下：a)首先建立、各角度及的数据库表，用于Hough转换搜查，以减少运算量；b)获得车道线资讯图E及数据集S，，其中m为车道线资讯像素点个数；c)设置作为初始搜寻点，作为d)参数计算，并设置计算器，随后按行计算下一个点；d)若当前满足，则，设置，直到；e)保留最大及E，直线拟合完毕；（2）弯道拟合在影像远景区域，采用双曲线对模型，其数学表达式为：其中，为地平线在像平面中的纵坐标，K、和为弯道参数；根据Hough空间中直线的标准型有：对比可得出：，，，各参数可均由直线Hough转换部分计算得出，设置，若拟合曲线点与滑动窗口中心点满足（单位为pixel），则；（3）输出整体实时车道线：将步骤（1）和步骤（2）所得直线车道和弯曲车道结合并显示，输出整体的实时车道线；步骤六、计算各滑动窗口参数并获取自适应阈值：从第二张影像开始，根据滑动窗口作为影像子区域开设ROI范围，并以此范围对转换后的灰阶图利用Otsu的方法进行自适应阈值提取，公式表达为：其中t为所求自适应阈值，为第i个背景比列，为第i个背景均值，为第i个物体比例，为第i个物体均值，为第i个影像子区域图像均值，i为滑动窗口个数，参数计算公式如下：其中，为第i个滑动窗口里灰阶数值为k的像素点的比例，为第i个滑动窗口灰阶数值为k的像素点个数，为第i个滑动窗口中像素点总个数；阈值操作为：其中，Bin（x，y）为影像点，f（x，y）为原有像素点的对应坐标；步骤七，从第二张影像开始，每张影像首先执行步骤六，然后执行步骤三至步骤五，实时输出整体车道线。