CN100454352C - 道路模型化方法及基于该方法的车道标志识别方法 - Google Patents

Abstract

一种道路模型化方法。该模型化方法将道路模型化为一系列矩形块相互连接起来的结构，这种模型化结构用下述矩阵方程表示：P_i＝[w_i l_i α_i β_i γ_i]^T，其中，假定车辆位于某一矩形块P_i的底边的中央，该矩形块P_i宽为w_i，长为l_i，Z_i轴是车辆的行驶方向，X_i轴垂直于车辆行驶方向，Y_i垂直于矩形块P_i，β_i和α_i是矩形块P_i的X_i和Z_i轴分别相对于紧接在该矩形块之前的矩形块P(i-1)的X(i-1)和Z(i-1)轴的偏差角，γ_i是垂直于道路的Y_i轴与垂直于车辆的方向间的偏差角。

Description

道路模型化方法及基于该方法的车道标志识别方法

本申请是申请号为99120590.1，申请日为1999年10月9日，名称为“道路模型化方法及基于该方法的车道标志识别方法”的专利申请的分案申请。

本发明涉及一种用在车辆防碰撞系统以及车辆防出道系统中的车道模型化方法，以及基于该车道模型化方法的车道标志识别方法，尤其是涉及一种将车道标志模型化在一系列矩形上的铰接式模型化方法，以及基于该模型化方法的车道标志识别方法。

已经进行过利用图形识别技术进行车道识别的研究。但是，这样的图形识别需要进行大量的计算，因此，其缺点是需要有可用的高性能微处理器或者嵌入式硬件。

本发明的目的是提供一种将一系列矩形连接起来的车道标志模型化方法，以及一种基于该模型化方法的采用简单的算法的车道标志识别方法。

为达到上述目的，本文所说明和大致限定的本发明提供了一种道路模型化方法，该方法将道路模型化为一系列矩形块相互连接起来的结构，这种模型化结构用下述矩阵方程(1)表示：

P_i＝[w_i l_i α_i β_i γ_i]^T   (1)

其中，假定车辆位于某一矩形块P_i的底边的中央，该矩形块P_i宽为w_i，长为l_i，Z_i轴是车辆的行驶方向，X_i轴垂直于车辆行驶方向，Y_i轴垂直于矩形块P_i，β_i和α_i是矩形块P_i的X_i和Z_i轴分别相对于紧接在该矩形块之前的矩形块P_(i-1)的X_(i-1)和Z_(i-1)轴的偏差角，γ_i是垂直于道路的Y_i轴与垂直于车辆的方向间的偏差角。

最好，假定包含矩形块P_i的长度l_i信息的矩阵为G，将X_i轴旋转α_i角的变换矩阵为

，将Z_i轴旋转γ_i角的变换矩阵为

，将Y_i轴旋转β_i角的变换矩阵为

，则前一矩形块P_(i-1)与当前的矩形块P_i间的变换关系可以表达为下列矩阵方程(2)：

$T_{i-1,i}=G{R}_{X_i,{\mathrm{\α}}_i}{R}_{Z_i,{\mathrm{\γ}}_i}{R}_{Y_i,{\mathrm{\β}}_i}---\left(2\right)$

按照本发明的另一方面，如本所说明的，一种车道标志识别方法是这样的：通过利用安装在车上的摄像机和传感器获取有关道路的图形信息和车速及转向角信息，从而识别道路上的车道标志，该方法包括：将车辆在其上行驶的实际道路模型化为一系列矩形块相互连接起来的结构；将模型化矩形块叠加到由摄像机摄取的实际道路的图形信息上，从中抽取构成车道标志的像素，从所述构成车道标志的像素获取线性车道标志信息；将所述线性车道标志信息叠加到模型化矩形块上，以利用所述矩形块作为框架重新计算车道标志信息；将所述车道标志的预定特征限制施加于已经在其上叠加了线性车道标志信息的所述矩形块上，以优化所述车道标志信息；然后利用优化的车道标志信息、由所述传感器测得的车速和转向角信息以及有关模型化矩形块的信息，来重新模型化车辆在其上行驶的道路，并计算重新模型化的矩形块的位置和方向。

最好，将实际的道路模型化为一系列矩形块相互连接起来的结构，这种结构表达为下列矩阵方程(1)：

P_i＝[w_i l_i α_i β_i γ_i]^T    (1)

其中，假定车辆位于某一矩形块P_i的底边的中央，该矩形块P_i宽为w_i，长为l_i，Z_i轴是车辆的行驶方向，X_i轴垂直于车辆行驶方向，Y_i轴垂直于矩形块P_i，β_i和α_i是矩形块P_i的X_i和Z_i轴分别相对于紧接在该矩形块之前的矩形块P_(i-1)的X_(i-1)和Z_(i-1)轴的偏差角，γ_i是垂直于道路的Y_i轴与垂直于车辆的方向间的偏差角。

最好，所述车道标志的预定限制是这样的：基于叠加到矩形块上的线性车道标志信息的车道标志平行于所述矩形块的边框，并且，基于所述线性车道标志信息的车道标志的宽度等于道路的宽度。

通过参照附图对本发明的优选实施例进行详细说明，本发明的上述目的和优点将更加显明。附图中：

图1A是一三维道路的透视图，示出了本发明的一种优选实施例中的道路模型化方法；

图1B是示于图1A中的三维道路的侧视图；

图2是本发明的车道标志识别方法的流程图；

图3示出了用于模型化道路的矩形块，其被映射在一个图形坐标系中；

图4示出了被划分为一系列片断的一矩形块的详图；

图5是构成示于图4的矩形块的某一片断的像素的亮度分布图；

图6是用来说明本发明的车道标志识别方法的方框图。

参照图1A和图1B。假定车辆100位于某一矩形块P_i(其中i＝0，1，2...)的底边的中央，该矩形块P_i宽为w_i，长为l_i，Z_i轴是车辆100的行驶方向，X_i轴垂直于车辆100的行驶方向，Y_i轴垂直于矩形块P_i，β_i和α_i是矩形块P_i的X_i和Z_i轴分别相对于紧接在该矩形块之前的矩形块P_(i-1)的X_(i-1)和Z_(i-1)轴的偏差角，γ_i是垂直于道路的Y_i轴与垂直于车辆的方向间的偏差角，则由所述矩形块系列构成的道路可以模型化为下列矩阵方程(1)：

P_i＝[w_i l_i α_i β_i γ_i]^Ｔ   (1)

也就是说，所述道路被表示为相互连接起来的有限数目的矩形块P_i。

假定包含矩形块P_i的长度l_i信息的矩阵为G，将X_i轴旋转α_i角的变换矩阵为

，将Z_i轴旋转γ_i角的交换矩阵为

，将Y_i轴旋转β_i角的变换矩阵为

，则前一矩形块P_(i-1)与当前的矩形块P_i间的变换关系可以表达为矩阵方程(2)。并且，包含矩形块P_i的长度l_i信息的矩阵G表达为矩阵方程(3)。

$T_{i-1,i}=G{R}_{X_i,{\mathrm{\α}}_i}{R}_{Z_i,{\mathrm{\γ}}_i}{R}_{Y_i,{\mathrm{\β}}_i}---\left(2\right)$

$G=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& l_{i-1}\\ 0& 0& 0& 1\end{array}\right]---\left(3\right)$

每一矩形块如此设计，使车道标志在其沿着车辆行驶方向的两侧边上。所述车道标志近于直线，平行于车辆的行驶方向Z_i。这样的道路模型可以表达为一种由一系列板块相互连接起来的几何结构。

图2是示出本发明的车道标志识别方法的流程图。在识别车道标志之前，车辆要利用装在车上的摄像机和传感器获取各种数据，比如道路的图形信息，以及车辆的速度和转向角。车辆在其上行驶的道路被模型化为一系列矩形块相互连接起来的结构(步骤200)。在此，道路的模型化是按照参照图1A和图1B所说明的方法实现的。将包含所述矩形块的模型化结构叠加到由摄像机摄取的的道路图形上，从中抽取构成被叠加的矩形块上的车道标志的像素。然后，从所述抽取的车道标志像素的信息获得线性车道标志图像(步骤210)。这里，为了从所述道路的图形信息获取所述线性车道标志信息，在所述步骤200得到的所述包含矩形块的模型化结构被映射到被所述摄像机拍摄的实际道路的图形坐标系上。图3即示出了映射到所述图形坐标系中的若干矩形块的例子。所述映射到图形坐标系上的矩形块系列相互连接在一起，并划定了若干平行于每一矩形块的X轴的直线。每一矩形块被所述平行直线划分为等间隔的10到20段。图4即示出了具有若干段的一个矩形块。在各自被划分为一系列段的矩形块被映射到所述图形坐标系上之后，可以得到所述矩形块每一段所含像素的亮度的分布图。在图5中，“A”代表构成一矩形块之一段的像素的分布，从中可以得到亮度水平大于一预定水平的如“B”所示的像素的坐标。从所述矩形块的每一段获取像素，比如“B”所指示的像素的坐标，亮度水平大于预定水平的像素的坐标被作为车道标志。利用亮度大于所述预定水平的像素的坐标，借助于一种预定的方法，得到所述线性车道标志(或者线性车道标志信息)的线性方程。例如，可以从具有某一预定亮度水平的像素坐标，用最小二乘法来计算出所述车道标志的逼近实际车道标志的一个线性方程。将在步骤210所得到的线性车道标志信息叠加到在步骤200所得到的模型化矩形块上，来重新计算出道路被拟合进作为框架的矩形块中后的方程(步骤220)。将所述车道标志的预定特征限制施加于已经于步骤200在其上叠加了线性道路信息的所述矩形块上，以优化所述线性车道标志信息(步骤230)。所述车道标志的预定限制是这样的：优化的线性车道标志应当平行于在其上叠加了所述线性车道标志信息的所述矩形块的边框，且左右车道标志间的距离应当等于道路的宽度。如果上述限制条件不满足，就要修正板块的位置。然后，利用在步骤230优化的车道标志信息、由所述安装在车辆的预定驱动部分(图中未示出)的传感器(图中未示出)输入的车速和转向角信息以及有关模型化矩形块的信息，来在矩形块上重新模型化车辆在其上行驶的道路的信息，然后计算重新模型化的矩形块的位置和方向(步骤240)。同样，可以利用第k个重新模型化的矩形块的位置和方向信息来得到第(k+1)个板块的位置和方向信息。

图6是用来说明车道标志识别方法的方框图。为了对车道标志进行定量识别，利用一摄像机摄取道路的图像(步骤600)，然后从所获取的图形信息识别出车道标志(步骤610)。接着，读出被判定为车道标志的像素的坐标，从这些像素坐标，利用预定的方法例如最小二乘法计算出道路(X_k)的一个线性方程(步骤620)。假定车辆行驶在可以在第k个板块上模型化的道路上，则可以利用车速和转向角信息以及第(k-1)个板块的位置和方向信息来实现第k个板块上的模型化(步骤630)。然后，将道路(X_k)的所述线性方程叠加到第k个板块上，来重新计算板块Y_k的线性道路方程(也就是将该板块作为框架)(步骤640)。通过把所述车道标志的预定限制、车速和转向角以及第(k-1)个板块的位置和方向考虑进去，即可实现道路的优化，计算出第k个板块的位置和方向信息。

如前所述，在本发明的所述道路模型化方法和基于该模型化方法的道路识别方法中，利用一种由一系列矩形块连接起来的模型化道路结构，可以轻易地实现道路的识别。并且，道路模型反复地映射到实际道路的图像上，因而使道路识别的可靠性得到了提高。

Claims (2)

1.一种用于机动车的车道标志识别方法，该方法通过利用安装在车上的摄像机和传感器获取有关道路的图形信息和车速及转向角信息，从而识别道路上的车道标志，该方法包括：

将车辆在其上行驶的实际道路模型化为一系列矩形块相互连接起来的结构；

将模型化矩形块叠加到由摄像机摄取的实际道路的图形信息上，从中抽取构成车道标志的像素，从所述构成车道标志的像素获取线性车道标志信息；

将所述线性车道标志信息叠加到模型化矩形块上，以利用所述矩形块作为框架重新计算车道标志信息；

将所述车道标志的预定特征限制施加于已经在其上叠加了线性车道标志信息的所述矩形块上，以优化所述车道标志信息；

然后利用优化的车道标志信息、由所述传感器测得的车速和转向角信息以及有关模型化矩形块的信息，来重新模型化车辆在其上行驶的道路，并计算重新模型化的矩形块的位置和方向，

其中，将实际的道路模型化为一系列矩形块相互连接起来的结构，这种结构表达为下列矩阵方程：

Pi＝[wi l_i α_i β_i γ_i]^T

其中，假定车辆位于某一矩形块Pi的底边的中央，该矩形块Pi宽为wi，长为li，Zi轴是车辆的行驶方向，Xi轴垂直于车辆行驶方向，Yi轴垂直于矩形块Pi，β_i和α_i是矩形块Pi的Xi和Zi轴分别相对于紧接在该矩形块之前的矩形块P(i-1)的X(i-1)和Z(i-1)轴的偏差角，γ_i是垂直于道路的Yi轴与垂直于车辆的方向间的偏差角。

2.如权利要求1所述的方法，其中，所述车道标志的预定限制是这样的：基于叠加到矩形块上的线性车道标志信息的车道标志平行于所述矩形块的边框，并且，基于所述线性车道标志信息的车道标志的宽度等于道路的宽度。

Images