CN102156977A - 一种基于视觉的道路检测方法 - Google Patents
一种基于视觉的道路检测方法 Download PDFInfo
- Publication number
- CN102156977A CN102156977A CN 201010600453 CN201010600453A CN102156977A CN 102156977 A CN102156977 A CN 102156977A CN 201010600453 CN201010600453 CN 201010600453 CN 201010600453 A CN201010600453 A CN 201010600453A CN 102156977 A CN102156977 A CN 102156977A
- Authority
- CN
- China
- Prior art keywords
- road
- image
- curvature
- obtains
- conversion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于视觉的道路检测方法，该方法通过检测道路和周围环境在亮度和颜色上的差异，判断车辆前方哪块区域是道路，哪快区域不是道路；本发明对设备要求简单，道路检测准确率高，同时在应用中表现出良好的稳定性。
Description
技术领域
本发明涉及图像处理和机器视觉技术领域，特别是涉及一种基于视觉的道路检测方法。
背景技术
车辆的自动驾驶具有广泛的使用范围和极高的实用价值。在军事和工业领域，具有自动驾驶功能的车辆可以代替人类进入危险区域完成侦查、战斗和物质运输任务。在日常生活中，具有自动驾驶功能的车辆可以代替司机从而避免人为的交通事故，例如，酒后驾车和疲劳驾驶。道路检测方法是实现车辆自动驾驶的基础。利用道路检测方法得到的前方可通行区域是自动驾驶车辆下一步操作的依据。
道路检测可以使用基于激光雷达的检测方法。但是，随着汽车制造的成本不断降低，高端激光雷达相对汽车的价格越来越昂贵，使得基于激光雷达的道路检测方法不可能得到广泛应用。另一方面，激光雷达通过测量与四周障碍物的距离来检测道路。但是在真实的应用环境中，对道路的识别不仅仅依赖道路周围的障碍物，更重要的还通过道路上的标志线以及道路和周围不同的环境。激光雷达不能识别上述道路特征。
发明内容
本发明的目的是克服现有技术的不足，提供一种基于视觉的道路检测方法。
本发明的目的是通过以下技术方案来实现的：基于视觉的道路检测方法包括如下步骤：
1）在前方道路在同一平面的前提下，对车辆前方的道路进行透视变换，得到前方道路的俯视图；
2）对步骤1）得到的道路俯视图进行图像滤波，平滑由于强烈光照和阴影产生的噪声点；
3）对步骤2）得到的图像进行边缘检测，得到二值化图像；
4）根据道路模型对步骤3）得到的图像进行变换。得到一组变换后的图像。在道路模型中，使用不同的曲率来描述道路。因此，对应每一个曲率，都会得到一张变换后的图像；
5）对步骤4）得到的一组图像的每一幅图像的像素点分别在列方向上进行累计；
6）在某一列上拥有最大像素累积的前三幅变换图像所对应的曲率就是道路的可能曲率；
7）在原图像上进行图像分割。将图像分割成一块道路区域和若干块非道路区域；
8）将步骤6）得到的备选曲率和步骤7）得到的道路区域，利用几何方法计算匹配程度。匹配程度最大的6）中曲率就是道路的曲率；
9）从4）得到的图像中找到最大曲率所对应的变换后的图像，从中找到距离图像中心最近的三列，作为道路可能的边界；
10）将步骤9）得到的备选道路边界和步骤7）得到的道路区域，利用贝叶斯准则得到最符合9）中道路区域的道路边界。
本发明的有益效果是，本发明通过视觉的方法检测车辆前方的道路区域，而不再依赖昂贵的激光雷达。同时，由于使用视觉的方法检测道路，对道路标志线、道路和周围环境的差异有更好的响应。方法通过使用图分割技术和专门设计的几何判定标准，使得基于视觉的道路检测方法有很好的稳定性。
附图说明
图1是基于视觉的道路检测方法的流程图。
图2是基于视觉的道路检测方法所用到的道路模型。
具体实施方式
下面结合附图详细描述本发明，本发明的目的和效果将变得更加明显。
如图1所示，本发明基于视觉的道路检测方法包括如下步骤：
步骤1：在前方道路在同一平面的前提下，对车辆前方的道路进行透视变换，得到前方道路的俯视图。
在前方道路在同一平面的前提下，采用M.Bertozzi,A.Broggi:GOLD A parallel real time stereo vision system for generic obstacle and lane detection. IEEE Trans. Image Processing, 62-81(1998).所述方法对车辆前方的道路进行透视变换，得到前方道路的俯视图。
步骤2：对步骤1得到的道路俯视图进行图像滤波，平滑由于强烈光照和阴影产生的噪声点。
采用C.Tomasi，R.Manduchi：Bilateral filtering for gray and color images. Proc.of ICCV,839-846（1998）.所述方法对步骤1得到的道路俯视图进行图像滤波，平滑由于强烈光照和阴影产生的噪声点。
步骤3：对步骤2得到的图像进行边缘检测，得到二值化图像。
通过Canny算子进行边缘检测，从而得到二值化图像。
步骤4：根据预设的道路模型对步骤3得到的图像进行变换。在预设的道路模型中，使用7条不同的曲率来分别描述不同的道路弯曲程度，如图2。因此，对应每一条曲率，都会得到一张变换后的图像。7张变化后的图像通过下文提到的几何方法与道路区域进行匹配，判定哪一张变换后的图像最符合道路区域。
预设的道路模型使用6个圆和一条直线来分别描述不同的道路曲率，如图2。预设道路模型中的直线是：
预设道路模型中的6个圆分别是：
其中，X为图像像素的列坐标，Y为图像像素的行坐标，W为输入图像的长和宽。根据上文提到的道路模型，对步骤3得到的图像的变换是对图像像素的水平平移。根据上文提到的道路模型，平移量分别是：
曲率为直线时的平移量是：
上文6个圆所对应的平移量分别是：
其中，X为图像像素的列坐标，ΔX为图像像素沿水平方向平移的距离，W为输入图像的长和宽。
变换后，对应7个不同曲率，得到7张不同的变换后的图像。
步骤5：对步骤4得到的一组图像的像素点个数分别在列方向上进行累计。
计一幅图像中拥有最多像素点的列上的像素点累积为Vmax。
步骤6：在某一列上拥有最大像素累积的前三幅变换图像所对应的曲率就是道路的可能曲率。
将7幅变换后的图像生成的7个的Vmax按照递减顺序排列，最大的三个累计值Vmax1、Vmax2和Vmax3所对应的曲率就是道路的备选曲率。
步骤7：在原图像上进行图像分割。将图像分割成一块道路区域和若干块非道路区域。
通过使用图分割技术，使得道路检测方法在路面存在阴影的情况下，也能准确地检测车辆前方的道路区域。
采用P.F.Felzenszwalb，D.F.Huttenlocher：Efficient Graph-Based Image Segmentation。International Journal of Computer Vision,167-181（2004）.的方法在原图像上进行图像分割。将图像分割成一块道路区域和若干块非道路区域。
步骤8：将步骤6得到的备选曲率和步骤7得到的道路区域，利用几何方法计算匹配程度。匹配程度最大的步骤6中曲率就是道路的曲率。
几何匹配方法能够更全面地衡量和估计道路的弯曲程度。通过使用几何匹配方法，能够更准确地匹配道路曲率，降低了错检的概率，提高了道路检测方法的稳定性。
步骤8中所述的几何匹配方法是：从步骤7图分割中得到的道路区域记为ABCD,从步骤6得到的道路区域记为
。依据如下公式：
公式中，
，
，和分别是点A，B，C和D的列坐标。
最大的累计值Vmax1所对应的曲率是道路的默认曲率。如果另外两条曲率在如上三个公式的计算结果中，有两个计算结果分别小于被认定的道路的曲率的计算结果，那么新的曲率替代成为道路的曲率。
步骤9：从步骤4得到的图像中找到最大曲率所对应的变换后的图像，从中找到距离图像中心最近的三列像素，作为道路可能的边界。
步骤10：将步骤9得到的备选道路边界和步骤7得到的道路区域，利用贝叶斯准则计算出最符合9中道路区域的道路边界。
本发明通过视觉的方法检测车辆前方的道路区域，而不再依赖昂贵的激光雷达，降低了道路检测的成本。同时，由于使用视觉的方法检测道路，对道路标志线、道路和周围环境的差异有更好的响应。本发明通过使用图分割技术，使得道路检测方法在路面存在阴影的情况下，也能准确地检测车辆前方的道路区域。本发明通过使用几何匹配方法，能够更准确地匹配道路曲率，降低了错检的概率，提高了道路检测方法的稳定性。
Claims (1)
1.一种基于视觉的道路检测方法，其特征在于，包括如下步骤：
（1）在前方道路在同一平面的前提下，对车辆前方的道路进行透视变换，得到前方道路的俯视图；
（2）对步骤（1）得到的道路俯视图进行图像滤波，平滑由于强烈光照和阴影产生的噪声点；
（3）对步骤（2）得到的图像进行边缘检测，得到二值化图像；
（4）根据道路模型对步骤（3）得到的图像进行变换；得到一组变换后的图像；在道路模型中，使用不同的曲率来描述道路；因此，对应每一个曲率，都会得到一张变换后的图像；
（5）对步骤（4）得到的一组图像的每一幅图像的像素点分别在列方向上进行累计；
（6）在某一列上拥有最大像素累积的前三幅变换图像所对应的曲率就是道路的可能曲率；
（7）在原图像上进行图像分割；将图像分割成一块道路区域和若干块非道路区域；
（8）将步骤（6）得到的备选曲率和步骤（7）得到的道路区域，利用几何方法计算匹配程度；匹配程度最大的曲率就是道路的曲率；
（9）从步骤（4）得到的一组图像中找到最大曲率所对应的变换后的图像，从中找到距离图像中心最近的三列，作为道路可能的边界；
（10）将步骤（9）得到的备选道路边界和步骤（7）得到的道路区域，利用贝叶斯准则得到最符合（7）中道路区域的道路边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010600453 CN102156977A (zh) | 2010-12-22 | 2010-12-22 | 一种基于视觉的道路检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010600453 CN102156977A (zh) | 2010-12-22 | 2010-12-22 | 一种基于视觉的道路检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102156977A true CN102156977A (zh) | 2011-08-17 |
Family
ID=44438458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010600453 Pending CN102156977A (zh) | 2010-12-22 | 2010-12-22 | 一种基于视觉的道路检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102156977A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436644A (zh) * | 2011-11-02 | 2012-05-02 | 南京物联网研究院发展有限公司 | 基于自适应边缘配准的非结构化道路检测方法 |
| CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
| CN103366156A (zh) * | 2012-04-09 | 2013-10-23 | 通用汽车环球科技运作有限责任公司 | 道路结构检测和跟踪 |
| CN103577790A (zh) * | 2012-07-26 | 2014-02-12 | 株式会社理光 | 道路转弯类型检测方法和装置 |
| CN103874615A (zh) * | 2011-10-06 | 2014-06-18 | Lg伊诺特有限公司 | 用于测量路面平整度的装置和方法 |
| CN104021368A (zh) * | 2013-02-28 | 2014-09-03 | 株式会社理光 | 估计路面高度形状的方法和系统 |
| CN105629968A (zh) * | 2014-10-31 | 2016-06-01 | 南车株洲电力机车研究所有限公司 | 一种无轨自导向汽车列车的自导向控制方法 |
| CN105654073A (zh) * | 2016-03-25 | 2016-06-08 | 中国科学院信息工程研究所 | 一种基于视觉检测的速度自动控制方法 |
| CN105740806A (zh) * | 2016-01-27 | 2016-07-06 | 大连楼兰科技股份有限公司 | 一种基于多视角的透视变换目标特征提取方法 |
| CN107176167A (zh) * | 2016-03-10 | 2017-09-19 | 沃尔沃汽车公司 | 用于估计道路边界的方法和系统 |
| CN108875640A (zh) * | 2018-06-20 | 2018-11-23 | 长安大学 | 一种端到端无监督场景可通行区域认知能力的测试方法 |
-
2010
- 2010-12-22 CN CN 201010600453 patent/CN102156977A/zh active Pending
Non-Patent Citations (1)
| Title |
|---|
| 《2010 Second WRI Global Congress on Intelligent Systems》 20101217 Cheng Chen等 《A Reinforced Road Detection Method in Complicated Environment》 65-69 , * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103874615A (zh) * | 2011-10-06 | 2014-06-18 | Lg伊诺特有限公司 | 用于测量路面平整度的装置和方法 |
| CN102436644A (zh) * | 2011-11-02 | 2012-05-02 | 南京物联网研究院发展有限公司 | 基于自适应边缘配准的非结构化道路检测方法 |
| CN103366156A (zh) * | 2012-04-09 | 2013-10-23 | 通用汽车环球科技运作有限责任公司 | 道路结构检测和跟踪 |
| CN103366156B (zh) * | 2012-04-09 | 2016-08-17 | 通用汽车环球科技运作有限责任公司 | 道路结构检测和跟踪 |
| CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
| CN103577790A (zh) * | 2012-07-26 | 2014-02-12 | 株式会社理光 | 道路转弯类型检测方法和装置 |
| CN103577790B (zh) * | 2012-07-26 | 2016-06-01 | 株式会社理光 | 道路转弯类型检测方法和装置 |
| CN104021368A (zh) * | 2013-02-28 | 2014-09-03 | 株式会社理光 | 估计路面高度形状的方法和系统 |
| CN105629968A (zh) * | 2014-10-31 | 2016-06-01 | 南车株洲电力机车研究所有限公司 | 一种无轨自导向汽车列车的自导向控制方法 |
| CN105740806B (zh) * | 2016-01-27 | 2018-12-28 | 大连楼兰科技股份有限公司 | 一种基于多视角的透视变换目标特征提取方法 |
| CN105740806A (zh) * | 2016-01-27 | 2016-07-06 | 大连楼兰科技股份有限公司 | 一种基于多视角的透视变换目标特征提取方法 |
| CN107176167A (zh) * | 2016-03-10 | 2017-09-19 | 沃尔沃汽车公司 | 用于估计道路边界的方法和系统 |
| CN105654073A (zh) * | 2016-03-25 | 2016-06-08 | 中国科学院信息工程研究所 | 一种基于视觉检测的速度自动控制方法 |
| CN105654073B (zh) * | 2016-03-25 | 2019-01-04 | 中国科学院信息工程研究所 | 一种基于视觉检测的速度自动控制方法 |
| CN108875640A (zh) * | 2018-06-20 | 2018-11-23 | 长安大学 | 一种端到端无监督场景可通行区域认知能力的测试方法 |
| CN108875640B (zh) * | 2018-06-20 | 2022-04-05 | 长安大学 | 一种端到端无监督场景可通行区域认知能力的测试方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102156977A (zh) | 一种基于视觉的道路检测方法 | |
| US10956756B2 (en) | Hazard detection from a camera in a scene with moving shadows | |
| WO2014017403A1 (ja) | 車載用画像認識装置 | |
| CN101750049B (zh) | 基于道路和车辆自身信息的单目视觉车距测量方法 | |
| JP5787024B2 (ja) | 立体物検出装置 | |
| JP4607193B2 (ja) | 車両及びレーンマーク検出装置 | |
| US9558546B2 (en) | Three-dimensional object detection device, and three-dimensional object detection method | |
| EP2797320B1 (en) | Object detection device | |
| CN104834889A (zh) | 标志线检测系统和标志线检测方法 | |
| US9832444B2 (en) | Three-dimensional object detection device | |
| CN104115188A (zh) | 立体物检测装置 | |
| Liu et al. | Development of a vision-based driver assistance system with lane departure warning and forward collision warning functions | |
| US9830519B2 (en) | Three-dimensional object detection device | |
| CN110659552B (zh) | 有轨电车障碍物检测及报警方法 | |
| JP2012159469A (ja) | 車両用画像認識装置 | |
| CN104094311A (zh) | 立体物检测装置 | |
| WO2011039977A1 (ja) | 横断歩道標示検出方法および横断歩道標示検出装置 | |
| JP6011110B2 (ja) | 立体物検出装置および立体物検出方法 | |
| Su et al. | Study of Integrated Vehicle Image System Including LDW, FCW, and AFS | |
| JP4052226B2 (ja) | 車両用画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110817 |