CN104063877B - 一种候选车道线混合判断识别方法 - Google Patents

Abstract

本发明涉及智能交通领域，尤其涉及一种候选车道线混合判断识别方法，包括：确定感兴趣区域，对感兴趣区域进行细化，对所有边缘点进行Hough变换，得到N条候选车道线，候选车道线进行单侧车道线混合判断删除可靠性低的候选车道线，对可靠性一般的候选车道线进行主方向一致性判断删除主方向不一致的候选车道线，最后进行双侧车道线的混合判断，输出最终的候选车道线为结果。本发明采用细化感兴趣区域、单侧车道线混合判断、双侧车道线混合判断方法，在细化的感兴趣区域内进行独立处理分析，删除不符合的候选车道线，能快速找到最可能的车道线，计算冗余度少，稳定度高，减少干扰影响。

Description

一种候选车道线混合判断识别方法

技术领域

本发明涉及智能交通领域，尤其涉及一种候选车道线混合判断识别方法。

背景技术

车道线是基本的交通标志，用于分隔不同行驶车道的实线或虚线。车道偏离预警系统是智能交通系统的一个重要的应用，其核心技术为车道线检测。现有的车道线检测方法大部分是先获得车道边缘点，再通过Hough变换或者直线拟合算法得到多条候选直线参数。

边缘点的寻找受路面字符和箭头的影响大，从整个图像的寻找会增加复杂度。专利[201310534595]从内侧向外搜索靠近车辆最近的边缘点，容易受到道路干扰的影响。

专利[201110367612]是基于Hough变换的直线检测，对边缘点在90度内的变换仍然存在很多冗余计算量；候选车道线的筛选依据左右车道线之间宽度判断不够准确。没有从多个角度综合计算候选车道线的置信度。专利[201110144128]中置信度采用灰度值变换的梯度值，对道路上较亮的干扰鲁棒性差。

发明内容

本发明为克服上述的不足之处，目的在于提供一种快速准确的候选车道线混合判断识别方法。

本发明是通过以下技术方案达到上述目的：一种候选车道线混合判断识别方法，包括以下步骤：

1)提取图像帧并对图像帧进行相机标定，得到消失点P_vanish；根据预设值得到左、右边界点；由消失点、左边界点、右边界点形成等腰三角形为感兴趣区域，感兴趣区域的底角值为角度阈值θ_max；

2)细化感兴趣区域，图像分为左感兴趣区域和右感兴趣区域；

3)基于Hough变换的车道线检索步骤：分别对左感兴趣区域、右感兴趣区域进行扫描，得到边缘点；对所有边缘点进行Hough变换；

4)根据前帧车道线结果，在Hough矩阵M(ρ,θ)中进行N次不重复的最大值搜索，得到N条候选车道线；

5)单侧车道线混合判断：

5.1)候选车道线由L(ρ,θ)确定直线方程，L(x,y):y＝-x/tan(θ)+ρ/sin(θ)，由L(x,y)对得到的参数判断是否符合混合条件，删除不符合的候选车道；

所述候选车道线混合判断时，得到每条候选车道线的以下参数：候选车道线经过的边缘点个数n、候选车道线经过的边缘点位置Pt₁，Pt₂，…，Pt_n、候选线L(x,y)与经过消失点且平行于x轴的消失线交点位置P_l-v、候选线上边缘点序列的局部最长起始点Pt_localstart和终止点 Pt_lo_calend、候选线与前帧车道线位置真实距离差D_l-pre，对参数进行以下判断：

a)P_l-v与P_vanish的横向距离小于D_l-v，D_l-v取值在width_原图/7和width_原图/5之间；

b)Pt_localstart与Pt_localend之间的真实距离大于1米；

c)D_l-pre小于1米；

删除不满足其中任何一个条件的候选车道线；

5.2)由L(x,y)和边缘图像得到候选车道线的边缘点，边缘点的横向局部区域搜索得到边界点，边界点直线拟合后计算拟合相关系数r，对r进行判断：r大于0.85的候选车道线认为可靠性高，继续步骤7)；r小于0.5的候选车道线认为可靠性低，删除该候选车道线；r介于0.5至0.85的候选车道线认为可靠性一般，继续步骤6)；

6)可靠性一般的候选车道线进行主方向一致性判断：将候选车道线的角度换算为方向角度θ_line，计算每个边缘点的主方向并统计所有主方向得到某一方向个数最多的为主方向θ_main，θ_line与θ_main的差小于预设值，则候选车道线的主方向一致，反之不一致；

7)双侧车道线的混合判断：拟合候选车道线的路面直线L(x,y)，由候选车道线L(x,y)确定基于路面坐标系的直线方程L(X,Y):Y＝K*X+B,再计算两侧候选直线在车前方和车前10米两处的距离差，认为距离差小于0.5米的两侧候选车道线平行；不平行的两侧候选车道线根据候选车道线的边界置信度和候选线与前帧车道线位置真实距离差D_l-pre进行删除或保留；最终输出的候选车道线为检测结果。

作为优选，所述细化感兴趣区域具体包括以下步骤：

2.1)若全局检测表示前帧图像未检测到车道线，以图像中轴为分界线将感兴趣区域分为左感兴趣区域和右感兴趣区域；

2.2)若动态检测表示前帧图像检测到车道线，进行左感兴趣区域、右感兴趣区域动态设置。

作为优选，可靠性一般的候选车道线进行主方向一致性判断时，设置8个角度方向，分别为0°、23°、45°、67°、90°、113°、135°、157°，在梯度图像上依次计算Pt₁，Pt₂，…，Pt_n在5*5的邻域内方向分布，确定每个边缘点的主方向，最后统计出个数最多的方向作为主方向θ_main，θ_line与θ_main的差小于23°，则候选车道线的主方向一致，反之不一致。

本发明的有益效果在于：本发明采用细化感兴趣区域、单侧车道线混合判断、双侧车道线混合判断方法，在细化的感兴趣区域内进行独立处理分析，删除不符合的候选车道线，能快速找到最可能的车道线，计算冗余度少，稳定度高，减少干扰影响。

附图说明

图1是本发明的方法步骤流程图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

实施例1：如图1所示，一种候选车道线混合判断识别方法，包括以下步骤：

S101、确定感兴趣区域：

具体地，由图像消失点位置P_vanish和离图像中轴位置左右3.5米远的边界点，由三点形成的等腰三角形感兴趣区域，以等腰三角形的两斜边对应角度分别作为左右车道线的角度阈值，值为θ_max，θ_max∈[0,90]。

S102、细化感兴趣区域：

感兴趣区域设置再分为两种情况，全局检测是前帧没有检测到车道线，就以图像中轴位置分为左感兴趣区域和右感兴趣区域；动态检测是前一帧检测到车道线，在车道线的周围形成一个动态梯形区域，实行左、右感兴趣区域动态设置。

S103、对边缘点进行Hough变换：

依次对图像左、右感兴趣区域内的边缘点进行Hough变换。设置Hough变换的角度范围：全局检测时，左车道检测范围为{0°，2°，…，θ_max-2°，θ_max}，右车道检测范围为{-θ_max，-θ_max+2°，…，-2°}；动态检测时，左车道检测范围为{-θ_anti，…，θ_max}，右车道检测范围为{-θ_max，…，θ_anti}，其中θ_max为感兴趣区域内正方向最大角度，由S101步骤获得。θ_anti用于在左(右)感兴趣区域内检测右(左)方向直线预留的角度，θ_anti＝90-θ_max。Hough变换所遍历的角度值θ_hough为偶数角度值，代替自然数角度值θ，能为直线检测节省一半时间。根据Hough变换公式遍历边缘点坐标，带入角度计算直线到图像原点(0,0)位置的距离ρ：

ρ＝x*cosθ_hough+y*sinθ_hough

其中全局检测时，左感兴趣区域内：θ_hough＝2*θ,其中0≤θ≤θ_max/2；右感兴趣区域内：θ_hough＝-2*θ,其中0≤θ≤θ_max/2。

动态检测时，左感兴趣区域内：右感兴趣区域内：

遍历计算得到ρ的值，限定ρ范围是[0,width_原图]，对满足限定范围内的ρ以及对应的θ存入Hough矩阵M(ρ,θ)，对应所有可能直线L(ρ,θ)。

S104、寻找N条可能直线：

具体地，在矩阵M(ρ,θ)中进行N次不重复的最大值搜索，控制ρ的搜索范围是：

当ρ_pre存在时，ρ∈[max(ρ_pre-200,0),min(ρ_pre+200,width_原图)]；

当ρ_pre不存在时，ρ∈[0,width_原图]；

其中ρ_pre是前帧的车道线结果。当最大值小于MIN_pt时，表示连成线条的点数小于MIN_pt，认为图像没有可识别直线，设置MIN_pt取值在height_原图/40和height_原图/30之间。通过N次搜索找到N条最可能直线。计算N条直线与y＝height_原图-1的交点坐标，将横坐标与前帧车道线与y＝height_原图-1交点横坐标的距离从小到大排序，使得与前帧车道线位置更接近的候选线优先判断。

S105、单侧车道线的混合判断：

具体地，由L(ρ,θ)确定直线方程，L(x,y):y＝-x/tan(θ)+ρ/sin(θ)。根据L(x,y)结合边缘图像，从图像底端向上搜索，确定候选线的起始边缘点位置Pt₁和终止边缘点位置Pt_n，并记录候选线所经过的边缘点位置Pt₁，Pt₂，…，Pt_n。得到候选线经过的边缘点个数N_l-pt、候选线L(x,y)与消失线y＝P_vanish.y交点位置P_l-v、候选线上边缘点序列的局部最长起始点Pt_localstart和终止点Pt_localend、候选线与前帧车道线位置真实距离差D_l-pre，判断是否满足如下条件：

①abs(P_l-v.x-P_vanish.x)＜D_l-v，D_l-v取值在width_原图/7和width_原图/5之间；

②Pt_localstart与Pt_localend之间的真实距离大于1米；

③D_l-pre小于1米；

不满足其中任何一个条件就排除此候选线，对下个候选线进行判断。

计算直线所表示的车道线的边界置信度，根据置信度选择性删除车道线。候选车道线的边界置信度的计算依赖于候选线的边界点。单侧候选车道线边界点查找的步骤如下：

1)统计Pt₁，Pt₂，…，Pt_n两侧的灰度值均值，均值之差作为边界判断的阈值；

2)依次对Pt₁，Pt₂，…，Pt_n的横向局部区域搜索上升边界和下降边界，找到两侧边界点。

3)对边界点直线拟合，计算边界点的拟合相关系数r，越接近在同一条直线上的点拟 合系数越接近1，对r大于0.85的候选线认为可靠度高，对r小于0.5的候选线认为可靠度差，对于其他的候选线认为可靠度一般，进一步判断。

S106、对可靠度一般的候选线进行主方向一致性判断：

具体地，将候选线的角度换算到方向角度θ_line，0≤θ_line＜180，使得角度可以等分成8个角度方向。计算候选线所表示的车道线上边缘点的主方向具体流程如下：

①设置8个角度方向，分别为0°,23°,45°,67°，90°,113°,135°,157°；在梯度图像上依次计算Pt₁，Pt₂，…，Pt_n在5*5的邻域内方向分布，确定每个边界点的主方向，最后统计出个数最多的方向作为主方向θ_main。

②若θ_main和θ_line之差在23°内，认为是直线主方向是一致的，反之不一致。

对不满足主方向一致性的候选线进行排除，得到两侧的车道线结果，再进行双侧车道线的混合判断。

S107、双侧车道线的混合判断：

具体地，在L(x,y)上取五个点，由标定数据算出对应路面五个点的坐标，拟合出候选车道线的路面直线方程L(X,Y):Y＝K*X+B。计算两侧候选直线在车前方和车前10米两处的距离差，当距离差大于0.5米认为是不平行的，反之平行。对于不平行的两侧候选车道线，综合考虑候选车道线的边界置信度和位置差D_l-pre进行删除。最终保留下的候选车道线为检测结果。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (3)

1.一种候选车道线混合判断识别方法，其特征在于包括以下步骤：

1)提取图像帧并对图像帧进行相机标定，得到消失点P_vanish；根据预设值得到左、右边界点；由消失点、左边界点、右边界点形成等腰三角形为感兴趣区域，感兴趣区域的底角值为角度阈值θ_max；

2)细化感兴趣区域，图像分为左感兴趣区域和右感兴趣区域；

3)基于Hough变换的车道线检索步骤：分别对左感兴趣区域、右感兴趣区域进行扫描，得到边缘点；对所有边缘点进行Hough变换；

4)根据前帧车道线结果，在Hough矩阵M(ρ,θ)中进行N次不重复的最大值搜索，得到N条候选车道线；

5)单侧车道线混合判断：

5.1)候选车道线由L(ρ,θ)确定直线方程，L(x,y):y＝-x/tan(θ)+ρ/sin(θ)，由L(x,y)对得到的参数判断是否符合混合条件，删除不符合的候选车道；

所述候选车道线混合判断时，得到每条候选车道线的以下参数：候选车道线经过的边缘点个数n、候选车道线经过的边缘点位置Pt₁，Pt₂，…，Pt_n、候选线L(x,y)与经过消失点且平行于x轴的消失线交点位置P_l-v、候选线上边缘点序列的局部最长起始点Pt_localstart和终止点Pt_localend、候选线与前帧车道线位置真实距离差D_l-pre，对参数进行以下判断：

a)P_l-v与P_vanish的横向距离小于D_l-v，D_l-v取值在width_原图/7和width_原图/5之间，width_原图表示的是图像的宽度；

b)Pt_localstart与Pt_localend之间的真实距离大于1米；

c)D_l-pre小于1米；

删除不满足其中任何一个条件的候选车道线；

5.2)由L(x,y)和边缘图像得到候选车道线的边缘点，边缘点的横向局部区域搜索得到边界点，边界点直线拟合后计算拟合相关系数r，对r进行判断：r大于0.85的候选车道线认为可靠性高，继续步骤7)；r小于0.5的候选车道线认为可靠性低，删除该候选车道线；r介于0.5至0.85的候选车道线认为可靠性一般，继续步骤6)；

6)可靠性一般的候选车道线进行主方向一致性判断：将候选车道线的角度换算为方向角度θ_line，计算每个边缘点的主方向并统计所有主方向得到某一方向个数最多的为主方向θ_main，θ_line与θ_main的差小于预设值，则候选车道线的主方向一致，反之不一致；

7)双侧车道线的混合判断：拟合候选车道线的路面直线L(x,y)，由候选车道线L(x,y)确定基于路面坐标系的直线方程L(X,Y):Y＝K*X+B，其中K、B分别表示计算得到的斜率和截距,再计算两侧候选直线在车前方和车前10米两处的距离差，认为距离差小于0.5米的两侧候选车道线平行；不平行的两侧候选车道线根据候选车道线的边界置信度和候选线与前帧车道线位置真实距离差D_l-pre进行删除或保留；最终输出的候选车道线为检测结果。

2.根据权利要求1所述的一种候选车道线混合判断识别方法，其特征在于，所述细化感兴趣区域具体包括以下步骤：

2.1)若全局检测表示前帧图像未检测到车道线，以图像中轴为分界线将感兴趣区域分为左感兴趣区域和右感兴趣区域；

2.2)若动态检测表示前帧图像检测到车道线，进行左感兴趣区域、右感兴趣区域动态设置。

3.根据权利要求1所述的一种候选车道线混合判断识别方法，其特征在于，可靠性一般的候选车道线进行主方向一致性判断时，设置8个角度方向，分别为0°、23°、45°、67°、90°、113°、135°、157°，在梯度图像上依次计算Pt₁，Pt₂，…，Pt_n在5*5的邻域内方向分布，确定每个边缘点的主方向，最后统计出个数最多的方向作为主方向θ_main，θ_line与θ_main的差小于23°，则候选车道线的主方向一致，反之不一致。