CN104063691A - 基于改进的Hough变换的车道线快速检测方法 - Google Patents
基于改进的Hough变换的车道线快速检测方法 Download PDFInfo
- Publication number
- CN104063691A CN104063691A CN201410299138.6A CN201410299138A CN104063691A CN 104063691 A CN104063691 A CN 104063691A CN 201410299138 A CN201410299138 A CN 201410299138A CN 104063691 A CN104063691 A CN 104063691A
- Authority
- CN
- China
- Prior art keywords
- lane line
- image
- conversion
- hough
- frame
- 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.)
- Granted
Links
Abstract
本发明公开了一种基于Hough变换的车道线快速检测方法。该方法包括:图像预处理;车道线提取;图像预处理:首先采用改进的中值滤波消除图像噪声;然后使用45度与135度Sobel算子进行边缘检测;最后采用最大类间方差法分割车道线。车道线提取:首帧检测出车道线角度范围以缩小Hough空间搜索范围;后续帧检测先在上一帧车道线图像空间和参数空间附近搜索,如果检测不到或者参数相差太大,则扩大搜索范围。本方法能够加快车道线识别速度,提高系统抗干扰能力。
Description
技术领域
本发明涉及采用图像处理的知识来快速检测视频图像中的车道线,具体涉及一种基于Hough的车道线快速检测方法。
背景技术
港口与航道等工程中经常遇到水中开挖基槽。水中基槽开挖需要检测基槽底部的土质是否满足设计要求,常用检测方法有洛阳铲法、抓斗船取样法、320M双频测深仪法等。洛阳铲法易出土样脱落现象,检测效率低;抓头船法测试误差较大;320M双频测深仪法检测费用高。
随着制造业的自动化水平不断提高,自动导引小车的应用也越来越广。基于视频的自动导引小车,由于它具有采集的信息量丰富、柔性程度高、设备占用空间小等特点,成为自动导引小车的重要的发展方向。
导航和定位技术是自动导引小车的关键技术之一。车道线检测与跟踪技术是基于视频的自动导引小车导航关键技术之一。自动导引小车导航方法有:电磁感应式;激光导引式;视觉传感器式以及多传感器方式等。基于视频的传感器能够采集丰富的环境信息,成为了目前研究的热点。如何快速的提取出视频图像中的车道线成为它的关键之一。
发明内容
为了解决上面的技术问题,本发明提供一种基于Hough变换检测快速车道线的方法,它能够提高系统抗干扰和噪声的能力,能够有效的检测出图像中的车道线,并且算法时间明显减少。
一种基于改进的Hough变换的车道线快速检测方法,其特征在于,包括如下步骤:
1)利用邻域窗口中值滤波算法对图像进行滤波;
2)把图像分为小块,使用45度和145度Sobel算子对每个小块进行边缘检测;
3)采用最大类间方差法分割出含有车道线的二值图;
4)使用改进的Hough变换提取车道线的数学模型:
具体改进点包括:
41)首帧检测时基于车道线特点确定车道线角度范围,缩小Hough变换搜索空间;
42)后续帧跟踪时先根据上一帧图像检测结果,在上一帧车道线图像空间以及参数空间附近搜索,如果检测不到或者参数相差太大,则采用首帧检测方式进行搜索。
进一步地,所述步骤1)的算法步骤为:
11)将待排序元素邻域内数据每列从上到下升序排列,然后将排序结果保留到临时变量中;
12)将每一行从左到右升序排列。最后,第一行最大值、第二行中值和第三行最小值的中值即为要求的元素;
13)像素中心水平移动一个位置后,其三列数据中,仅仅只有一列数据发生了变化,其他两列数据保持不变,当像素中心水平移动后,从临时变量中获得上次列排序结果,用新增列更新临时变量并对该列进行排序,然后按照步骤12操作。
进一步地,所述步骤2)包括以下步骤:
21)将图像水平方向上均匀分割为15份,然后竖直方向上从图像上方1/3到图像的下方均匀分割为10份,分别计算出这些区域的起始坐标;
22)然后采用45度和135度Sobel算子对每个区域进行边缘检测,然后将它们组合成整幅图像。
进一步地,所述步骤42)中所述的后续帧跟踪中,Hough变换中所求直线角度限定在上一帧检测结果的正负8度之间;变换中所求直线到原点距离限定在上一帧检测结果的正负80之间。
本发明的有益果:本方法能够提高系统抗干扰和噪声的能力,能够有效的检测出图像中的车道线,并且算法时间明显减少,具有抗干扰能力强、检测速度快的特点。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明:
图1为本方法的算法流程图。
具体实施方式
如图1所示,本发明一种基于改进的Hough变换的车道线快速检测方法,它的具体操作步骤如下:
1)使用改进的中值滤波算法对当前的图像进行滤波。
2)将图像水平方向上均匀分割为15份,然后竖直方向上均匀分割为10份。分别计算出这些区域的坐标范围。
3)使用45度和135度的Sobel算子对每个块图像分别进行边缘检测和二值化,然后将它们组合在一起。
4)从图像中间位置将整幅图分为左右两部分(左右操作类似,这里只描述左车道线提取过程)。取8组间隔均匀的射线向左侧检测,将首先检测到的白色像素点的坐标保存下来,这8组坐标应该是呈现一定的变化趋势,排除不合理的坐标。然后符合要求的坐标两两计算直线斜率再取平均值得到最后的参考斜率K r ,最后得到参考角度 r 。
5)首帧检测时基于车道线特点确定车道线角度范围,缩小Hough变换搜索空间:建立参数Hough投票空间。参数范围为[0,],其中width和height分别为图片的宽度和高度。参数的范围为[ r -10, r +10],使得的范围从原来的[0 ,180]之间缩小了很多。
6)将图像左侧的白色像素点坐标(x 0 ,y 0 )带入到上面的式子,依次将[ r -10, r +10]内的角度值带入,得到不同值,然后将相应的()投票器加1。依次将左侧的坐标点代入上式,最后将得到最多投票数的那个投票器对应的()对作为车道线直线参数。
7)后续帧跟踪:将整个图像搜索区域设定在上一帧检测到的左右车道线附近,并且将Hough投票空间中的范围设定为[ p -10, p +10],的范围设定为[ p -80, p +80],其中 p 和 p 为上一帧检测的结果。这样就将Hough投票空间大大缩小。如果在该空间内搜寻不到或者搜寻到的参数和上一帧相差太大,则采用步骤5)方法重新搜寻。
以上所述是本发明的优选实施方式而已,当然不能以此来限定本发明之权利范围,应当指出,对于本技术领域的普通技术人员来说,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的保护范围。
Claims (4)
1.一种基于改进的Hough变换的车道线快速检测方法,其特征在于,包括如下步骤:
1)利用邻域窗口中值滤波算法对图像进行滤波;
2)把图像分为小块,使用45度和145度Sobel算子对每个小块进行边缘检测;
3)采用最大类间方差法分割出含有车道线的二值图;
4)使用改进的Hough变换提取车道线的数学模型,具体改进点包括:
41)首帧检测时基于车道线特点确定车道线角度范围,缩小Hough变换搜索空间;
42)后续帧跟踪时先根据上一帧图像检测结果,在上一帧车道线图像空间以及参数空间附近搜索,如果检测不到或者参数相差太大,则采用首帧检测方式进行搜索。
2.根据权利要求1所述的基于改进的Hough变换的车道线快速检测方法,其特征在于,所述步骤1)的算法步骤为:
11)将待排序元素邻域内数据每列从上到下升序排列,然后将排序结果保留到临时变量中;
12)将每一行从左到右升序排列;最后,第一行最大值、第二行中值和第三行最小值的中值即为要求的元素;
13)像素中心水平移动一个位置后,其三列数据中,仅仅只有一列数据发生了变化,其他两列数据保持不变;当像素中心水平移动后,从临时变量中获得上次列排序结果,用新增列更新临时变量并对该列进行排序,然后按照步骤12)操作。
3.根据权利要求1所述的基于改进的Hough变换的车道线快速检测方法,其特征在于,所述步骤2)包括以下步骤:
21)将图像水平方向上均匀分割为15份,然后竖直方向上从图像上方1/3到图像的下方均匀分割为10份,分别计算出这些区域的起始坐标;
22)然后采用45度和135度Sobel算子对每个区域进行边缘检测,然后将它们组合成整幅图像。
4.根据权利要求1所述的基于改进的Hough变换的车道线快速检测方法,其特征在于:所述步骤42)中所述的后续帧跟踪中,Hough变换中所求直线角度限定在上一帧检测结果的正负10度之间;变换中所求直线到原点距离限定在上一帧检测结果的正负80之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410299138.6A CN104063691B (zh) | 2014-06-27 | 2014-06-27 | 基于改进的Hough变换的车道线快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410299138.6A CN104063691B (zh) | 2014-06-27 | 2014-06-27 | 基于改进的Hough变换的车道线快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104063691A true CN104063691A (zh) | 2014-09-24 |
CN104063691B CN104063691B (zh) | 2017-08-25 |
Family
ID=51551396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410299138.6A Expired - Fee Related CN104063691B (zh) | 2014-06-27 | 2014-06-27 | 基于改进的Hough变换的车道线快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104063691B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326822A (zh) * | 2015-07-07 | 2017-01-11 | 北京易车互联信息技术有限公司 | 车道线检测的方法及装置 |
CN106494399A (zh) * | 2015-08-31 | 2017-03-15 | 现代自动车株式会社 | 车辆及用于车辆的车道检测方法 |
CN106803061A (zh) * | 2016-12-14 | 2017-06-06 | 广州大学 | 一种基于动态感兴趣区域的简易快速车道线检测方法 |
CN106875695A (zh) * | 2017-04-12 | 2017-06-20 | 深圳大图科创技术开发有限公司 | 一种基于云计算平台的车辆管理系统 |
CN110088766A (zh) * | 2019-01-14 | 2019-08-02 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
CN112180947A (zh) * | 2020-10-22 | 2021-01-05 | 湖南格兰博智能科技有限责任公司 | 一种移动机器人初始行进方向选择方法及其设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620732A (zh) * | 2009-07-17 | 2010-01-06 | 南京航空航天大学 | 道路行驶线的视觉检测方法 |
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN102314599A (zh) * | 2011-10-11 | 2012-01-11 | 东华大学 | 一种车道识别偏离检测方法 |
US20130058528A1 (en) * | 2011-09-07 | 2013-03-07 | Ricoh Company, Ltd. | Method and system for detecting vehicle position by employing polarization image |
-
2014
- 2014-06-27 CN CN201410299138.6A patent/CN104063691B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620732A (zh) * | 2009-07-17 | 2010-01-06 | 南京航空航天大学 | 道路行驶线的视觉检测方法 |
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
US20130058528A1 (en) * | 2011-09-07 | 2013-03-07 | Ricoh Company, Ltd. | Method and system for detecting vehicle position by employing polarization image |
CN102314599A (zh) * | 2011-10-11 | 2012-01-11 | 东华大学 | 一种车道识别偏离检测方法 |
Non-Patent Citations (3)
Title |
---|
刘纪红等: "结合机器视觉的车道偏离识别算法研究", 《计算机技术与应用》 * |
崔行臣等: "指针式仪表读数识别系统研究", 《信息技术与信息化》 * |
胡斌等: "数字图像中值滤波算法的FPGA实现", 《微处理机》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326822A (zh) * | 2015-07-07 | 2017-01-11 | 北京易车互联信息技术有限公司 | 车道线检测的方法及装置 |
CN106326822B (zh) * | 2015-07-07 | 2020-02-07 | 北京易车互联信息技术有限公司 | 车道线检测的方法及装置 |
CN106494399A (zh) * | 2015-08-31 | 2017-03-15 | 现代自动车株式会社 | 车辆及用于车辆的车道检测方法 |
CN106494399B (zh) * | 2015-08-31 | 2021-03-09 | 现代自动车株式会社 | 车辆及用于车辆的车道检测方法 |
CN106803061A (zh) * | 2016-12-14 | 2017-06-06 | 广州大学 | 一种基于动态感兴趣区域的简易快速车道线检测方法 |
CN106875695A (zh) * | 2017-04-12 | 2017-06-20 | 深圳大图科创技术开发有限公司 | 一种基于云计算平台的车辆管理系统 |
CN110088766A (zh) * | 2019-01-14 | 2019-08-02 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
CN110088766B (zh) * | 2019-01-14 | 2023-10-03 | 京东方科技集团股份有限公司 | 车道线识别方法、车道线识别装置以及非易失性存储介质 |
CN112180947A (zh) * | 2020-10-22 | 2021-01-05 | 湖南格兰博智能科技有限责任公司 | 一种移动机器人初始行进方向选择方法及其设备 |
CN112180947B (zh) * | 2020-10-22 | 2023-09-12 | 湖南格兰博智能科技有限责任公司 | 一种移动机器人初始行进方向选择方法及其设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104063691B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063691A (zh) | 基于改进的Hough变换的车道线快速检测方法 | |
CN104134209B (zh) | 一种视觉导航中的特征提取与匹配方法及系统 | |
CN104008387A (zh) | 一种基于特征点分段线性拟合的车道线检测方法 | |
WO2021063228A1 (zh) | 虚线车道线的检测方法、装置和电子设备 | |
Yuan et al. | Robust lane detection for complicated road environment based on normal map | |
CN101701818B (zh) | 远距离障碍的检测方法 | |
CN105426864A (zh) | 一种基于等距边缘点匹配的多车道线检测方法 | |
CN102592128B (zh) | 一种动态图像检测处理方法、装置及显示终端 | |
CN101604450A (zh) | 集成影像与LiDAR数据提取建筑物轮廓的方法 | |
CN101634705B (zh) | 基于方向信息测度的sar图像目标变化检测方法 | |
CN103268609A (zh) | 一种有序提取地面的点云分割方法 | |
CN102034114A (zh) | 一种基于特征点检测的模板匹配跟踪方法 | |
CN104036523A (zh) | 一种基于SURF特征的改进Mean Shift的目标跟踪方法 | |
CN106326822A (zh) | 车道线检测的方法及装置 | |
KR20150112656A (ko) | 카메라 캘리브레이션 방법 및 그 장치 | |
CN103364410A (zh) | 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法 | |
Er-Sen et al. | An adaptive edge-detection method based on the canny operator | |
CN101916373A (zh) | 基于小波检测和脊线跟踪的道路半自动提取方法 | |
CN103077531A (zh) | 基于边缘信息的灰度目标自动跟踪方法 | |
CN107977664B (zh) | 一种基于单幅图像的道路消失点检测方法 | |
CN103116757A (zh) | 一种三维信息复原提取的道路遗洒物识别方法 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN102903108A (zh) | 基于水下图像统计特性的边缘检测方法 | |
CN103206957A (zh) | 车辆自主导航的车道线检测与跟踪方法 | |
CN101551467A (zh) | 一种基于边界检测的初至波自动拾取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170825 Termination date: 20200627 |
|
CF01 | Termination of patent right due to non-payment of annual fee |