[发明专利]基于三叉树遍历的车道线检测方法

摘要

本发明公开了基于三叉树遍历的车道线检测方法，涉及图像处理领域，通过提取代表车道线中心线的候选特征点，减少了需要处理的像素点数，提高了算法的计算效率。通过对车道线和噪声的特征点进行分析，提出了一个与参数空间无关的滤除伪特征点的方法，避免使用参数空间转换和复杂的数学运算，提高了车道线检测的准确性。并提出了一个车道线预测模型对特殊的路况进行车道线预测，该模型保存内部记忆，根据图像序列过去至现在的变化趋势预测特殊路况下的车道线。对车道线适当合理的预测，提高了检测结果的正确率。

主权项

一种基于三叉树遍历的车道线检测方法，其特征在于，该方法包括以下步骤：选择原始图像中的感兴趣区域，该感兴趣区域是以中心线Lmid为中心向两侧扩展的一片区域；对感兴趣区域中的图像进行分割和膨胀处理，以获取有意义的前景像素，进而提取有效特征点；在膨胀图像的基础上，采用基于车道线左右边缘点的中间点提取算法，获取代表车道线的候选特征点；把一串连续的候选特征点称作一个像素条B(x,y)，把每个像素条看做三叉树，顺序地遍历所有的三叉树，以滤除候选特征点中的伪特征点；伪特征点被滤除之后，根据中心线y＝Lmid将图像分为左右两部分，使用RANSAC算法分别对其中的有效特征点进行拟合，得到拟合的车道线；当有效特征点图内无特征点时，拟合算法无法进行，使用预测算法来预测车道线：假设已扫描n帧图像，检测结果集R和权重集W分别为：R＝{(ki,bi)|i＝1,2....n}     (1)W={wi|wi=in+1,i=1,2....n}---(2)]]>其中，wi为第i帧图像的预测权值，ki、bi分别为第i帧图像检测到的或预测的斜率值和截距值；则第n+1帧图像的车道线预测模型为：pred(n+1)={(kn+1,bn+1)|kn+1=Σi=1nwi·ki/n2,bn+1=Σi=1nwi·bi/n2,i=1,2....n}---(3)]]>其中，kn+1、bn+1分别为第n+1帧图像的斜率和截距的预测值。