[发明专利]一种基于光流点轨迹统计的车道线实线的检测方法

摘要

本发明公开了一种基于光流点轨迹统计的车道线实线的检测方法，步骤包括步骤1在单向道路中间上方安装摄像头；步骤2对视频帧图像预处理；步骤3获取运动车辆的光流点集合；步骤4利用DBSCAN聚类算法分割每辆运动车辆的光流点集合，并对分割出的光流点集合用固定大小的矩形区域表示；步骤5对每辆运动车辆的分割区域进行统计叠加，并对结果进行二值化处理；步骤6对二值图像中符合条件的白色像素区域的轮廓点的中点集合进行直线拟合；步骤7由中点集合拟合的直线确定出车道线实线。本发明的方法，不受光照、天气、车辆和路面情况的影响，车道线实线的检测精度高，鲁棒性强。

主权项

一种基于光流点轨迹统计的车道线实线的检测方法，其特征在于，步骤包括：步骤1：在单向道路中间上方安装摄像头，具体步骤是：在交通道路中的实线道路区域，即需要检测车辆是否违规行驶的路段，在单向道路中间上方安装高清摄像头，单个摄像头对应单向道路，摄像头所拍摄的视频帧图像在横向宽度上包含该单向道路上所有的车道，在纵向长度上所拍摄的最远端到摄像头的距离不大于100米，最近端到摄像头的距离不小于5米，且最远端与最近端间的间隔不小于70米；步骤2：对视频帧图像预处理，具体步骤是：将摄像头拍摄的视频帧图像转换为灰度图并进行中值滤波，对滤波后的图像进行直方图均衡化，得到视频帧图像In,n＝1,2,...,N，N为视频帧图像帧数，N>18000，视频帧图像In的宽度为W、高度为H；步骤3：获取运动车辆的光流点集合，具体步骤是：3.1)获取视频帧图像的光流矢量集合利用金字塔迭代Lucas‑Kanade光流算法检测步骤2中的视频帧图像In和In+1间的光流矢量集合Fm,m＝1,2,...,N‑1，金字塔迭代Lucas‑Kanade光流算法中的强角点个数设置为1000个，可接受角点的最小质量因子设置为0.001，得到的角点最小距离设置为5，单位为像素，每个金字塔层的搜索窗口尺寸为10×10，单位为像素，最大金字塔层数设置为4，最大迭代次数设置为64，迭代精度设为0.01；3.2)提取运动车辆的光流矢量集合设运动车辆驶离摄像头时的光流矢量方向的角度范围为车辆驶近摄像头时的光流矢量方向的角度范围为视频帧图像的横轴x所指方向角度为零度，并设光流矢量的长度范围为[2,35]，单位为像素，判断步骤3.1)中的矢量集合Fm中的光流矢量的角度是否在区间或范围内，并且长度是否在区间[2,35]范围内，所有同时满足角度在区间或范围内，并且长度在区间[2,35]范围内的光流矢量即为运动车辆的光流矢量，记为运动车辆的光流矢量集合FVm；3.3)获取运动车辆的光流点集合对步骤3.2)中提取的运动车辆的光流矢量集合FVm，记集合中光流矢量的起点坐标为终点坐标为则光流矢量的中点坐标的计算见公式(1)：ximm=(xism+xiem)/2yimm=(yism+yiem)/2,---(1)]]>其中is＝1,2,...,NVm,ie＝1,2,...,NVm,im＝1,2,...,NVm,NVm≤1000，光流矢量的中点集合即为运动车辆的光流点集合FVPm；步骤4：利用DBSCAN聚类算法分割每辆运动车辆的光流点集合，并对分割出的光流点集合用固定大小的矩形区域表示；步骤5：对每辆运动车辆的分割区域进行统计叠加，并对结果进行二值化处理；步骤6：对二值图像中符合条件的白色像素区域的轮廓点的中点集合进行直线拟合；步骤7：由中点集合拟合的直线确定出车道线实线。