CN104063869A - 一种基于Beamlet变换的车道线检测方法 - Google Patents

Abstract

本发明公开了一种基于Beamlet变换的车道线检测方法，包括以下步骤：首先读取原始彩色图像，将其转换成灰度图像，再对灰度图像进行预处理，采用直方图均衡化方法进行增强，以提高目标车道线的分辨率，然后采用基于小波变换的方法进行平滑处理，进行预处理之后，再使用大津法进行二值化处理，最后使用Beamlet变换对二值图像进行车道线边缘检测，包括1)二进分块；2)建立小线基；3)Beamlet变换，得到小线系数；4)阈值化；5)计算小线的方向；6)分析连通性，得到最终车道线检测结果。本发明一种基于Beamlet变换的车道线检测方法，其检测到的边缘线段包含位置和方向信息，检测到的边缘比较连贯，更准确。

Description

一种基于Beamlet变换的车道线检测方法

【技术领域】

本发明涉及一种车道线检测方法，具体涉及一种基于Beamlet变换的车道线检测方法。

【背景技术】

在道路行驶中，由于驾驶员注意力不集中、疲劳或醉酒驾驶容易使车辆偏离车道而造成车祸。为了提高驾驶的安全性和操作的简单性，使用相应的辅助驾驶系统可以预防和减少此类事故的发生。其中车道线检测是该辅助驾驶系统的关键技术。

车道线检测的准确性直接影响后续跟踪的结果，因此对车道线的检测方法的选择尤为关键。目前车道线检测方法主要有：第一种是基于模型的检测，使用最多的是直线模型，这种方法简单快速，但是不能精确描述车道线位置；第二种是基于特征的检测，如常用的Canny算子、Sobel算子等边缘检测方法，这些边缘算子会引入道路上的其他噪声信息。目前对车道线进行直线特征提取大多使用Hough变换，但由于图像的透视效果，必须先做逆透视变换才能得到近似于线性的车道线。

【发明内容】

本发明的目的在于针对现有的车道线检测技术运算复杂、速度较慢、提取不精确等缺陷或不足，提供了一种基于Beamlet变换的车道线检测方法。

为实现上述目的，本发明采取如下的技术方案：

一种基于Beamlet变换的车道线检测方法，包括以下步骤：

步骤一，读取车载摄像机拍摄的图像作为原始彩色图像，将原始彩色图像转化成灰度图像；

步骤二，使用直方图均衡方法对灰度图像进行增强；

步骤三，采用基于小波变换的平滑处理方法，对增强后的灰度图像进行平滑，以去除噪声；

步骤四，对图像进行预处理之后，用大津法对步骤三得到的图像进行二值化处理，得到二值图像；

步骤五，使用Beamlet变换对二值图像进行车道线边缘检测，具体步骤如下：

1)分块：选取一定的尺度s，将步骤四得到的二值图像进行二进分块；

2)建立小线基：对每个二进分块，小线为连接不在同一边上的任意两个顶点的直线段，记录下每个小线上像素点的坐标以及小线的长度；

3)Beamlet变换：分别计算每个小线的Beamlet变换系数，并保存每个方块中小线系数的最大值及对应的小线；

4)阈值化：设定阈值Th，阈值Th的范围为0＜Th≤1，若上述步骤3)保存的小线系数＞Th，则保留该小线；

5)计算小线的方向：分别计算每个小线在x，y方向上的距离变化，由此得到用角度表示的小线方向；

6)分析连通性：设定角度差阈值为1°，距离差阈值为2像素，对于步骤4)保留的小线，对每个二进分块的八个邻域分块进行检测，满足条件的则连接，遍历所有二进分块，得到最终车道线检测结果。

本发明进一步改进在于，步骤五的步骤3)中，

Beamlet变换T_g(b)的计算公式为：

$T_g\left(b\right)=\underset{b}{\∫}g\left(x\left(l\right)\right)\mathrm{dl},b\∈B_E---\left(1\right)$

其中，B_E是小线集，b是一个小线，x(l)沿小线方向上的一个单位长度路径，l是小线的单位长度，g(x(l))是一个连续函数；

对离散的数字图像，函数g定义为在小线b上的像素点灰度值g(x,y)的和值，则：

$T_g\left(b\right)=\underset{(x,y)\∈b}{\mathrm{\Σ}}g(x,y)---\left(2\right)$

Beamlet的系数定义为：

T(b)＝T_g(b)/L(b) (3)

其中，L(b)为小线的长度。

相对于现有技术，本发明具有如下优点：

传统的车道线检测方法只利用车道线与路面的灰度差异，分割的结果存在误检或漏检的情况，而本文方法结合了灰度特征之外，考虑到了车道线通常是直线或者弯道时具有的角度，建立带有长度和方向的小线基，对车道线的检测结果准确率高，效率高；本发明检测到的边缘线段包含位置和方向信息，检测到的边缘比较连贯，更准确。

【附图说明】

图1为本发明基于Beamlet变换的车道线检测方法的流程图；

图2(a)为含有直车道线和箭头的路面图像；图2(b)为本发明的车道线检测结果图；

图3(a)为含弯车道线的路面图像；图3(b)为本发明的车道线检测结果图。

【具体实施方式】

以下结合附图对本发明作进一步详细说明。

参照附图1，本发明一种基于Beamlet变换的车道线检测方法，包括以下步骤：

步骤一，读取车载摄像机拍摄的图像中清晰、稳定的图像作为原始图像，将彩色图像转化成灰度图像；

步骤二，由于大雾或者雨雪天气可见度低，光照不好，通常会造成车道线的分辨率低，因此要对图像进行预处理，本发明使用直方图均衡方法对灰度图像进行增强，以提高目标车道线的分辨率；

步骤三，采用基于小波变换的平滑处理方法，对增强后的灰度图像进行平滑，以去除噪声；

步骤四，对图像进行预处理之后，用大津法对步骤三得到的图像进行二值化处理，得到二值图像；

步骤五，使用Beamlet变换对二值图像进行车道线边缘检测，具体步骤如下：

1)分块：将尺度s选取为4像素，将步骤四得到的二值图像进行分块；

2)建立小线基：对每个4×4像素的分块，小线为连接不在同一边上的任意两个顶点的直线段，记录下每个小线上像素点的坐标以及小线的长度；

3)Beamlet变换：

Beamlet变换T_g(b)的计算公式为：

$T_g\left(b\right)=\underset{b}{\∫}g\left(x\left(l\right)\right)\mathrm{dl},b\∈B_E---\left(1\right)$

其中，B_E是小线集，b是一个小线，x(l)是沿小线方向上的一个单位长度路径，l是小线的单位长度，g(x(l))是一个连续函数；

对离散的数字图像，函数g定义为在小线b上的像素点灰度值g(x,y)的和值，则：

$T_g\left(b\right)=\underset{(x,y)\∈b}{\mathrm{\Σ}}g(x,y)---\left(2\right)$

Beamlet变换的系数定义为：

T(b)＝T_g(b)/L(b) (3)

其中L(b)为小线的长度，保存每个方块中小线系数的最大值及该小线；

4)阈值化：阈值Th的范围为0＜Th≤1。设定阈值Th为1，若T(b)＞Th，则保留对应的小线；

5)计算小线的方向：分别计算每条小线在x，y方向上的距离变化，由此得到用角度表示的小线的方向；

6)分析连通性：设定角度差阈值为1°，距离差阈值为2像素。对于步骤五保留的小线，对每个分块的八个邻域分块进行检测，满足条件的则连接。遍历所有二进分块，得到最终车道线检测结果。

参照附图1和2，图2(a)为含有直车道线和箭头的路面图像；图2(b)为本发明的车道线检测结果图；图3(a)为含弯车道线的路面图像；图3(b)为本发明的车道线检测结果图。从附图中可以看出基于Beamlet变换的车道线检测方法得到的检测结果较准确，由于小线具有方向性，因此对于直线型的车道线或者弯道型的车道线，都能得到较好的检测结果。

Claims (2)

1.一种基于Beamlet变换的车道线检测方法，其特征在于，包括以下步骤：

步骤一，读取车载摄像机拍摄的图像作为原始彩色图像，将原始彩色图像转化成灰度图像；

步骤二，使用直方图均衡方法对灰度图像进行增强；

步骤三，采用基于小波变换的平滑处理方法，对增强后的灰度图像进行平滑，以去除噪声；

步骤四，对图像进行预处理之后，用大津法对步骤三得到的图像进行二值化处理，得到二值图像；

步骤五，使用Beamlet变换对二值图像进行车道线边缘检测，具体步骤如下：

1)分块：选取一定的尺度s，将步骤四得到的二值图像进行二进分块；

2)建立小线基：对每个二进分块，小线为连接不在同一边上的任意两个顶点的直线段，记录下每个小线上像素点的坐标以及小线的长度；

3)Beamlet变换：分别计算每个小线的Beamlet变换系数，并保存每个方块中小线系数的最大值及对应的小线；

4)阈值化：设定阈值Th，阈值Th的范围为0＜Th≤1，若上述步骤3)保存的小线系数＞Th，则保留该小线；

5)计算小线的方向：分别计算每个小线在x，y方向上的距离变化，由此得到用角度表示的小线方向；

6)分析连通性：设定角度差阈值为1°，距离差阈值为2像素，对于步骤4)保留的小线，对每个二进分块的八个邻域分块进行检测，满足条件的则连接，遍历所有二进分块，得到最终车道线检测结果。

2.根据权利要求1所述的一种基于Beamlet变换的车道线检测方法，其特征在于，步骤五的步骤3)中，

Beamlet变换T_g(b)的计算公式为：

$T_g\left(b\right)=\underset{b}{\∫}g\left(x\left(l\right)\right)\mathrm{dl},b\∈B_E---\left(1\right)$

其中，B_E是小线集，b是一个小线，x(l)沿小线方向上的一个单位长度路径，l是小线的单位长度，g(x(l))是一个连续函数；

对离散的数字图像，函数g定义为在小线b上的像素点灰度值g(x,y)的和值，则：

$T_g\left(b\right)=\underset{(x,y)\∈b}{\mathrm{\Σ}}g(x,y)---\left(2\right)$

Beamlet的系数定义为：

T(b)＝T_g(b)/L(b) (3)

其中，L(b)为小线的长度。