CN107563314A - 一种基于平行坐标系的车道线检测方法 - Google Patents

Abstract

本发明提供一种基于平行坐标系的车道线检测方法，包括以下步骤：截取车道线的检测区域得到二值化图；将二值化图中白色点表示在平行坐标系的S区域和T区域；在平行坐标中的S区域和T区域分别对连线经过的像素点值进行累加，取前N个像素点值最大的点，对这N个点进行去干扰处理，将去干扰之后得到点的像素值取平均值，如平均值大于等于像素阈值，则再对去干扰之后得到点的坐标值取平均，最后根据平均坐标值的点所对应在检测区域中相应直线作为检测到车道线，如平均值小于像素阈值，则认为所在区域没有检测出车道线。相对于基于Hough变换的车道线检测方法，本发明计算量大大降低，尤其适用于计算能力不强的嵌入式平台。

Description

一种基于平行坐标系的车道线检测方法

技术领域

本发明涉及图像处理和模式识别技术。

背景技术

随着智能交通概念的提出，智能辅助驾驶领域得到了飞速发展。作为智能辅助驾驶的基础部分，车道线检测技术也取得了很大的进步。基于OPENCV的车道线检测技术在PC上不论是准确率，还是检测速度都取得不错的效果。但是将算法移植到非x86的嵌入式硬件平台上，就会造成检测速度急剧下降，甚至不能达到实时(每秒20帧以上)的效果。究其原因，主要是因为大多数这些车道线检测技术都采用了OPENCV中的Hough变换来进行直线的检测。Hough变换是一种使用表决原理的参数估计技术，其原理是利用图像空间和Hough参数空间的点-线对偶性，把图像空间中的检测问题转换到参数空间。通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法检测直线。基于Hough变换的车道线检测技术可以达到较高的准确性，但是其计算量非常大，特别是针对高清图像,因此在有限计算资源的嵌入式平台上会造成速度的大幅下降。

首先，介绍下平行坐标系的基本概念。

平行坐标系是一种通常的对高维几何和多元数据进行可视化分析的方法。对于n维空间上的点X(x₁,x₂,...,x_n)，其采用n条竖直等距的平行线作为坐标轴，分别将x_i标记在第i根坐标轴上，并对应地连接起来，形成一条折线，这样就将一个多维的数据表示在了坐标轴上。如图1所示，表示的是一个四维空间的点集。

接着，介绍基于平行坐标系检测直线的基本原理。

在笛卡尔直角坐标系中定义一条直线l，直线方程为ax+by+c＝0，直线上任意三点A、B、C，可以证明在平行坐标系中的A、B、C三点的连线是交于一点的，如图2所示。同理，可以证明，笛卡尔坐标系中的任意一条直线都在平行坐标系中可以使用一个点来表示。这样，就搭建起了笛卡尔坐标系中直线和平行坐标系中的点的一一对应关系，具体的对应关系如公式(1)。

[a,b,c]表示用于描述直线l的系数，(db,-c,a+b)表示平行坐标系中的点的坐标，d表示平行坐标系中相邻坐标轴间的距离；

在普通直角坐标系中定义三条直线l₁、l₂和l₃，如图3所示，交点分别为A、B、C，其中l₁的斜率小于0，l₂的斜率大于0，l₃的斜率等于0。

A、B、C三点分别画在平行坐标系中，得到的结果如图4所示。

AxAy分别表示点A在笛卡尔直角坐标系x轴坐标与y轴坐标。A点和C点的表示线相交于点P₂，由点和线的对应关系可知，该交点就是直线BC，即直线l₂。而A和B的交点P₃则表示直线l₃。但是此时的平行坐标系中，仅仅表示了斜率小于等于0的l₂和l₃，并没有表示出l₁。为了在平行坐标系中能够将l₁准确表示出来，在x轴的左边增加一个新轴-y，最终结果如图5所示。

直角坐标系中一条直线对应平行坐标系一个点，斜率正负不同的直线在平行坐标系中处于不同空间。空间为两个坐标轴之间的区域。

为了便于区别，我们将x轴和y轴组成的空间称为S空间，x轴和-y轴组成的空间称为T空间。即在S空间中，表示的是斜率小于0的直线，在T空间中，表示的是斜率大于0的直线。而对于斜率为0的直线，则是在y轴和-y轴上都有一个点；对于斜率为∞的直线，在平行坐标系中为一条水平的直线。对于本发明涉及的车道线，不考虑斜率为0或者∞的这两种情况。

设一条直线方程为y＝mx+b，其在平行坐标系中的表示点为(u,v)，经过推导，可以证明，在S空间中的对应关系如公式2所示，

在T空间中的对应关系如公式3所示，

其中，d表示两条坐标轴间的距离。

发明内容

本发明所要解决的技术问题是，提供一种采用平行坐标系技术来代替霍夫Hough变换进行车道线检测的方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于平行坐标系的车道线检测方法，包括以下步骤：

1)截取车道线的检测区域，对截取区域进行边缘检测，将位于边缘的像素点设置为白色，其余部分的像素点设置为黑色，得到二值化图；

2)将二值化图中白色点表示在平行坐标系上；二值化图中白色点一个点(a，b)中在平行坐标系中表示为位置在x坐标轴上a点与y坐标轴b点之间的连线以及位置在x坐标轴上a点与-y坐标轴-b点之间的连线；x坐标轴与y坐标轴之间的区域为S区域，x坐标轴与-y坐标轴之间的区域为T区域；

3)在平行坐标中的S区域和T区域分别对连线经过的像素点值进行累加，取前N个像素点值最大的点，对这N个点进行去干扰处理，将去干扰之后得到点的像素值取平均值，如平均值大于等于像素阈值，则再对去干扰之后得到点的坐标值取平均，最后根据平均坐标值的点所对应在检测区域中相应直线作为检测到车道线，如平均值小于像素阈值，则认为所在区域没有检测出车道线。

本发明的有益效果是，相对于基于Hough变换的车道线检测方法，本发明计算量大大降低，尤其适用于计算能力不强的嵌入式平台。

附图说明

图1为四维空间点集在平行坐标系上的表示；

图2为三个共线点在平行坐标系中的表示；

图3为平面直角坐标系的三条直线；

图4为直角坐标系转换到平行坐标系；

图5为直角坐标系转换到改进的平行坐标系；

图6为车道线检测区域截取示意图；

图7为实施例白色点在平行坐标系中表示；

图8为实施例实验结果。

具体实施方式

截取一块图片作为车道线的检测区域，具体区域如图6的斜线区域所示，截取区域为原图片高度下半部分，宽度居中且宽度的一半。对截取区域进行灰度转换、高斯滤波等预处理，接着用Canny算子进行边缘检测，得到一幅二值化的子图binary。

对图片binary中的白色点分别在平行坐标系上画出来，二值化图中白色点一个点(a，b)中在平行坐标系中表示为位置在x坐标轴上a点与y坐标轴b点之间的连线以及位置在x坐标轴上a点与-y坐标轴-b点之间的连线；x坐标轴与y坐标轴之间的区域为S区域，x坐标轴与-y坐标轴之间的区域为T区域；得到的结果如图7所示。本实施例中平行坐标系中两条坐标轴间的距离d＝1，使用图片透明度表示连线，取值是[0,1]，每次画连线透明度为0.01，当多个连线通过同一个点则累加该点的透明度值。对于连线经过的像素点值进行累加的方法不限于本实施例，只要是根据像素值的取值大小合理设置像素阈值均可以达到发明目的。

根据累加的结果，对平行坐标中的S区域和T区域分别进行统计，在S区域和T区域中分别取前N个最大点，N＝10，并剔除掉其中的干扰点(干扰点为距离大于预设干扰距离的点)，再对像素点值进行求均值，如果均值大于预设像素阈值，我们就认为已经检测到车道线，否则认为该区域没有车道线。在检测到车道线情况下，对去干扰后的点的坐标位置去平均，坐标平均值对应的点的位置为车道线在平行坐标下的位置。在S区域得点调用公式(2)得到直角坐标系下的直线位置，在T区域的点则使用公式(3)得到直角坐标系下的直线位置。

检测到直线位置后，在原图上将车道线标识出来，结果如图8所示。

实施例采用飞思卡尔i.MX6开发板+OpenGL编程，将车道线检测中的计算繁琐的Hough转变为更适合OpenGL的渲染和累加计算，从而提高了车道线的检测速度。在飞思卡尔i.MX6 Series SABRE开发板上，我们的检测速度达到了每秒35帧以上，实时效果。根据平行坐标系和笛卡尔坐标系的对应关系，提出了一种基于平行坐标系的的车道线检测方法，将计算量大大降低，尤其适用于计算能力不强的嵌入式平台。

Claims (2)

1.一种基于平行坐标系的车道线检测方法，其特征在于，包括以下步骤：

1)截取车道线的检测区域，对截取区域进行边缘检测，将位于边缘的像素点设置为白色，其余部分的像素点设置为黑色，得到二值化图；

2)将二值化图中白色点表示在平行坐标系上；二值化图中白色点一个点(a，b)中在平行坐标系中表示为位置在x坐标轴上a点与y坐标轴b点之间的连线以及位置在x坐标轴上a点与-y坐标轴-b点之间的连线；x坐标轴与y坐标轴之间的区域为S区域，x坐标轴与-y坐标轴之间的区域为T区域；

3)在平行坐标中的S区域和T区域分别对连线经过的像素点值进行累加，取前N个像素点值最大的点，对这N个点进行去干扰处理，将去干扰之后得到点的像素值取平均值，如平均值大于等于像素阈值，则再对去干扰之后得到点的坐标值取平均，最后根据平均坐标值的点所对应在检测区域中相应直线作为检测到的车道线，如平均值小于像素阈值，则认为所在区域没有检测出车道线。

2.如权利要求1所述一种基于平行坐标系的车道线检测方法，其特征在于，去干扰处理为：将N个像素点中像素点间距离大于预设干扰距离的点去掉。