[发明专利]一种基于时域模糊和卡尔曼滤波器的车道线检测方法

摘要

本发明公开了一种基于时域模糊和卡尔曼滤波器的车道线检测方法，针对视频场景中车道线的漏检测以及误检测的解决方案，通过引入时域模糊处理与卡尔曼滤波器预测相结合的检测跟踪方法达到车道线的实时检测与跟踪，同时考虑车道线的类型以及用RBF算法检测车道线的颜色，有效避免了场景中由于虚车道线的不连续造成的漏检，以及路面标示造成的误检，同时提高了检测的速度。

主权项

一种基于时域模糊和卡尔曼滤波器的车道线检测方法，其特征在于，包括以下步骤：步骤一、采集车辆前方路况的原始图像；步骤二、将步骤一得到的原始图像经过时域模糊处理，根据公式(1)，得到均值图像；AverageImage=Σi=0N-1I(n-i)N;---(1)]]>其中，Average Im age为均值图像，I(n)为第n帧图像，i是帧偏移索引，N为预先设定均值图像的数量，1<N<5，且N为整数,n为处理的图像数量且为大于3的整数，I(n‑i)为第n‑i帧图像；步骤三、将步骤二得到的均值图像经过逆透视变换得到逆透视图；步骤四、利用二维分离的高斯核对步骤三得到的逆透视图进行滤波阈值化处理，得到含有离散边缘像素点的灰度图像；步骤五、采用霍夫变换和随机抽样一致算法对步骤四中灰度图像中的离散的边缘像素点进行分区域直线拟合,检测出车道线；步骤六、初始化卡尔曼滤波器；步骤601、将步骤五检测出的车道线由直角坐标系转换到极坐标系ρ‑θ下，车道线通过侧向距离ρ和方位角θ来表示；采用两组卡尔曼滤波器对左右两边的车道线进行预测跟踪，这两组卡尔曼滤波器分别为第一卡尔曼滤波器、第二卡尔曼滤波器；步骤602、对检测到的车道线进行判别，从第N帧图像开始：当方位角θ的值为正数，则车道线是左边车道线，当方位角θ的值为负数，则车道线是右边车道线；步骤603、将方位角θ由弧度制转换为角度值；步骤604、采用侧向距离ρ和转换到角度值下的方位角θ对卡尔曼滤波器组进行初始化：当开始只检测到左边车道线就初始化第一卡尔曼滤波器，后续帧检测到右边车道线时再初始化第二卡尔曼滤波器；当开始只检测到右边车道线就初始化第二卡尔曼滤波器，后续帧检测到左边车道线时再初始化第一卡尔曼滤波器；当左右两边车道线都检测出来，则第一卡尔曼滤波器和第二卡尔曼滤波器都进行初始化；步骤七、采用卡尔曼滤波器实现车道线的预测与跟踪：步骤701、当检测出来的车道线的数量为2，则左右两边的车道线都已检测出来，用极坐标系ρ‑θ下的测量值表示左边车道线、右边车道线的位置，并用测量值对2组卡尔曼滤波器进行当前帧的更新和下一帧车道线位置的预测；当检测出来的车道线的数量为1时，进一步判断：当θ为正数，则检测出左边车道线，左边车道线的位置通过极坐标系ρ‑θ下的测量值表示，并用测量值对第一卡尔曼滤波器进行当前帧的更新和下一帧车道线位置的预测；用第二卡尔曼滤波器上一帧的预测值表示右边车道线的位置，并用该预测值对第二卡尔曼滤波器进行当前帧的更新和下一帧车道线位置的预测；当θ的值为负数，则检测出右边车道线，右边车道线的位置通过极坐标系ρ‑θ下的测量值表示，并用测量值对第二卡尔曼滤波器进行当前帧的更新和下一帧车道线位置的预测；用第一卡尔曼滤波器上一帧的预测值表示左边车道线的位置，并用该预测值对第一卡尔曼滤波器进行当前帧的更新和下一帧车道线位置的预测；没有检测到车道线时，则分别用第一卡尔曼滤波器、第二卡尔曼滤波器上一帧的预测值表示左右车道线当前帧的位置，并用预测值对左右两边的车道线进行当前帧的更新和下一帧车道线位置的预测；当连续五帧都没有检测到车道线时停止卡尔曼滤波器的预测更新直到下一次检测到车道线；步骤702、将步骤701中检测到车道线的位置坐标由ρ‑θ极坐标转换到直角坐标系下，并进行存储。