CN105740831A - 一种应用于智能驾驶的停止线检测方法 - Google Patents

Abstract

本发明涉及一种应用于智能驾驶的停止线检测方法，采集路面灰度图片，提取感兴趣区域；对提取出来的感兴趣区域进行预处理得到二值图；判断图像中是否存在斑马线，如果存在，则根据斑马线与停止线之间的关系检测停止线，完成停止线检测；否则检测图像中是否存在路面标识符；如果存在路面标识符，则根据路面标识符与停止线之间的关系检测停止线，完成停止线检测。本发明通过统计连通域信息，并利用斑马线、路面标识符等辅助信息共同完成停止线的有无判断，并记录停止线在图像中所在的位置。

Description

一种应用于智能驾驶的停止线检测方法

技术领域

本发明涉及智能驾驶领域，具体地说是一种应用于智能驾驶的停止线检测方法。

背景技术

随着社会与科学技术的发展，汽车在人们的日常生活中扮演着越来越重要的角色。汽车给人们生活带来便利的同时，也为人们的安全带来了巨大的隐患，尤其是在道路交通路口，这种隐患尤为严重。自动驾驶技术与无人驾驶的发展，为解决这个隐患带来了福音。

目前自动驾驶与无人驾驶中，常采用以霍夫变换为主体的停止线检测技术。该技术是在采集到的灰度图像中，用预处理技术、图像边缘化技术、霍夫变换技术来检测图像中的“直线”，并通过直线的角度等先验性知识来判断是否存在停止线。因霍夫变换算法非常耗时，导致算法整体耗时偏高，不能满足现在车载实时性系统的需求。

发明内容

针对现有技术的不足，本发明提供一种应用于智能驾驶的停止线检测与测距算法，通过统计连通域信息，并利用斑马线、路面标识符等辅助信息共同完成停止线的有无判断，并记录停止线在图像中所在的位置。

本发明为实现上述目的所采用的技术方案是：

一种应用于智能驾驶的停止线检测方法，包括以下步骤：

步骤1：采集路面灰度图片，提取感兴趣区域；

步骤2：对提取出来的感兴趣区域进行预处理得到二值图；

步骤3：判断图像中是否存在斑马线，如果存在，则根据斑马线与停止线之间的关系检测停止线，完成停止线检测；否则检测图像中是否存在路面标识符；

步骤4：如果存在路面标识符，则根据路面标识符与停止线之间的关系检测停止线，完成停止线检测。

所述提取感兴趣区域的过程为，一个车道内的梯形的区域，通过行近邻差值法，将该梯形区域转化为矩形区域，即为感兴趣区域。

所述行近邻差值法为：将任意长度的行，通过近邻差值，拉伸为指定宽度的行。

所述预处理过程为：对感兴趣区域图像进行大尺度均值滤波处理，得到目标图像，然后对目标图像进行二值化处理，得到二值图。

所述判断图像中是否存在斑马线包括以下过程：

步骤1：提取图像第一行灰度信息作为检测斑马线的特征向量；

步骤2：将检测斑马线的特征向量输入adboost神经网络中，判断该特征向量是否为斑马线，如果是，则图像中存在斑马线，判断结束，否则执行步骤3；

步骤3：判断当前行是否为图像最后一行，如果是，则提取下一行灰度信息，作为检测斑马线的特征向量，执行步骤2，否则图像中不存在斑马线，判断结束。

所述根据斑马线与停止线之间的关系检测停止线包括以下过程：

步骤1：将当前行灰度值进行累加，得到当前行的累加和，记为Sum_Zebra；

步骤2：对图像进行行累加，得到累加和数组；

步骤3：在累加和数组中找到小于0.8*Sum_Zebra的行，记为R1；

步骤4：从R1行开始，在累加和数组中找到大于1.4*Sum_Zebra的行；

步骤5：如果找到，则该行为停止线所在行，完成检测过程；

步骤6：否则对图像进行标记连通，并统计连通域信息；

步骤7：如果存在连通域宽度大于图像宽度的2/3，则连通域起始行为停止线所在行，完成检测过程；否则不存在停止线，完成检测过程。

所述根据路面标识符与停止线之间的关系检测停止线包括以下过程：

步骤1：提取路面标识符特征向量；

步骤2：将检测路面标识符的特征向量输入adboost神经网络中，判断该特征向量是否为路面标识符，如果是，则图像中存在路面标识符，执行步骤3，否则不存在路面标识符，完成停止线检测过程；

步骤3：截取图像第一行到标识符起始行之间的部分图像，对部分图像进行标记连通，并统计连通域信息；

步骤4：如果存在连通域宽度大于图像宽度的2/3，则连通域起始行为停止线所在行，完成检测过程；否则不存在停止线，完成检测过程。

本发明具有以下有益效果及优点：

1.利用停止线对列方向不敏感，可以对感兴趣区域进行大尺度列抽样，进而减小处理图像的大小，保证所述方法能够满足系统实时性的需求。速度是普通霍夫变换算法的5-10倍。

2.停止线的检测，辅助以斑马线与路面路面标识符。提高了停止线检测的准确性，排除了路面复杂路况对算法的干扰，增强了程序的鲁棒性。

附图说明

图1是本发明的方法流程图；

图2是本发明的停止线检测示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

本发明的流程图如图1所示。本发明实现可以分成三个部分。第一部分，判断是否有斑马线和路面标识符。第二部分如果有斑马线，则联合斑马线判断是否有停止线。第三部分，如果有路面标识符，联合路面标识符判断是否有停止线。

第一部分，判断是否有斑马线和路面路面标识符。首先在采集到灰度图像中，选择感兴趣区域，即停止线可能出现的位置。为了联合斑马线一起判断停止线的有无，本发明选择一个梯形区域作为感兴趣区域。在实际处理的过程中，将梯形区域通过线性变化拉伸为矩形区域，采用线性差值的方法，至此提取感兴趣区域部分完成。接下来对图像进行预处理，主要操作为对图像进行直方图统计去噪点处理，目的是干掉图像的较亮的部分和较暗的部分，排除复杂路面对算法的影响。

本发明用Adboost算法判断斑马线的有无。Adboost算法分为训练和测试两个部分。预处理之后的图像，每一行可以当做一个Adboost样本。通过大样本的训练得到Adboost网络参数。在测试阶段，每提取一行形成特征向量，将特征向量给Adboost网络，得到该特征是否是斑马线。

如果是斑马线，则第一部分结束，将当前行记录下来，斑马线存在标志置为1。如果不是斑马线则提取路面标识符特征，判断是否为路面标识符。不是路面标识符则程序结束，图像中没有停止线，因为停止线一定是和路面标识符或者斑马线成对出现的，如果存在路面标识符，则第一部分结束，路面标识符标志位记为1，并记录路面标识符在图像中的起始行。

当斑马线标志位为1时，启动算法的第二部分。第二部分主要解决的问题是，当存在斑马线时，如何检测是否存在停止线。本发明的检测结果示意图如图2所示。首先对图像进行行累加，得到累加和数组，从斑马线所在的行开始，寻找比斑马线所在行像素值和小很多的行，一般取斑马线所在行累加和的一半。该行为斑马线与停止线之间的空白部分。从空白部分开始，找累加和比斑马线所在行大很多的行，一般取斑马线所在行的1.7倍。因停止线在灰度图像中表现为全白，而斑马线为黑白相间，停止线所在的行的灰度值和一般在斑马线所在行累加和的1.7倍以上。如果找到，则可以确定停止线在图像中的位置，程序结束，记录停止线在图像中的位置。如果没有找到符合条件的行，则通过统计标记连通信息，找是否存在一个连通域，他的宽度大于图像宽的的三分之二。如果存在，则可以确定停止线在图像中的位置，程序结束，记录停止线在图像中的位置为该连通区域的起始行。如果不存在，则该图像中不存在停止线，程序结束。

当标识符标志位为1时，启动算法的第三部分。第三部分主要解决的问题是，当存在路面标示且没有斑马线时，如何检测是否存在停止线。首先通过统计图像的标记连通信息，找是否存在一个连通域，他的宽度大于图像宽的的三分之二。如果存在，则可以确定停止线在图像中的位置，程序结束，记录停止线在图像中的位置为该连通区域的起始行。如果不存在，则该图像中不存在停止线，程序结束。

Claims (7)

1.一种应用于智能驾驶的停止线检测方法，其特征在于：包括以下步骤：

步骤1：采集路面灰度图片，提取感兴趣区域；

步骤2：对提取出来的感兴趣区域进行预处理得到二值图；

步骤3：判断图像中是否存在斑马线，如果存在，则根据斑马线与停止线之间的关系检测停止线，完成停止线检测；否则检测图像中是否存在路面标识符；

步骤4：如果存在路面标识符，则根据路面标识符与停止线之间的关系检测停止线，完成停止线检测。

2.根据权利要求1所述的应用于智能驾驶的停止线检测方法，其特征在于：所述提取感兴趣区域的过程为，一个车道内的梯形的区域，通过行近邻差值法，将该梯形区域转化为矩形区域，即为感兴趣区域。

3.根据权利要求2所述的应用于智能驾驶的停止线检测方法，其特征在于：所述行近邻差值法为：将任意长度的行，通过近邻差值，拉伸为指定宽度的行。

4.根据权利要求1所述的应用于智能驾驶的停止线检测方法，其特征在于：所述预处理过程为：

对感兴趣区域图像进行大尺度均值滤波处理，得到目标图像，然后对目标图像进行二值化处理，得到二值图。

5.根据权利要求1所述的应用于智能驾驶的停止线检测方法，其特征在于：所述判断图像中是否存在斑马线包括以下过程：

步骤1：提取图像第一行灰度信息作为检测斑马线的特征向量；

步骤2：将检测斑马线的特征向量输入adboost神经网络中，判断该特征向量是否为斑马线，如果是，则图像中存在斑马线，判断结束，否则执行步骤3；

步骤3：判断当前行是否为图像最后一行，如果是，则提取下一行灰度信息，作为检测斑马线的特征向量，执行步骤2，否则图像中不存在斑马线，判断结束。

6.根据权利要求1所述的应用于智能驾驶的停止线检测方法，其特征在于：所述根据斑马线与停止线之间的关系检测停止线包括以下过程：

步骤1：将当前行灰度值进行累加，得到当前行的累加和，记为Sum_Zebra；

步骤2：对图像进行行累加，得到累加和数组；

步骤3：在累加和数组中找到小于0.8*Sum_Zebra的行，记为R1；

步骤4：从R1行开始，在累加和数组中找到大于1.4*Sum_Zebra的行；

步骤5：如果找到，则该行为停止线所在行，完成检测过程；

步骤6：否则对图像进行标记连通，并统计连通域信息；

步骤7：如果存在连通域宽度大于图像宽度的2/3，则连通域起始行为停止线所在行，完成检测过程；否则不存在停止线，完成检测过程。

7.根据权利要求1所述的应用于智能驾驶的停止线检测方法，其特征在于：所述根据路面标识符与停止线之间的关系检测停止线包括以下过程：

步骤1：提取路面标识符特征向量；

步骤2：将检测路面标识符的特征向量输入adboost神经网络中，判断该特征向量是否为路面标识符，如果是，则图像中存在路面标识符，执行步骤3，否则不存在路面标识符，完成停止线检测过程；

步骤3：截取图像第一行到标识符起始行之间的部分图像，对部分图像进行标记连通，并统计连通域信息；

步骤4：如果存在连通域宽度大于图像宽度的2/3，则连通域起始行为停止线所在行，完成检测过程；否则不存在停止线，完成检测过程。