CN202854837U

CN202854837U - 一种汽车车道标识线检测装置

Info

Publication number: CN202854837U
Application number: CN 201220498219
Authority: CN
Inventors: 梅迎; 白苡琨; 谢陈江
Original assignee: Changan University
Current assignee: Changan University
Priority date: 2012-09-26
Filing date: 2012-09-26
Publication date: 2013-04-03
Anticipated expiration: 2022-09-26

Abstract

本实用新型公开了一种汽车车道标识线检测装置，包括安装在车辆前端纵向中心线上的CCD摄像头，CCD摄像头通过数据线连接单片机，单片机上连接有显示器。本实用新型通过安置在车辆前端纵向中心线上的CCD摄像头，拍摄一段汽车在正常光线下行驶的路面视频，记录汽车行驶状态，单片机从视频中提取出的单帧图像经过特定阈值灰度化、特征区域选取、特征区域二值化、腐蚀膨胀处理、关键点提取、关键点曲线拟合处理后，将处理好的每一幅单帧图像整合成一个完整、流畅的路面视频在显示器中输出，视频中当前车道的标志线用红色曲线标明，提高了车道线识别速度。

Description

一种汽车车道标识线检测装置

技术领域

本实用新型涉及图像处理领域，尤其涉及一种基于机器视觉的汽车车道标识线检测装置。

技术背景

最近几年，随着汽车保有量的迅速增加，公路交通事故频频发生，造成了大量的人员伤亡和经济损失。据粗略统计，大约40%的交通事故与车辆偏离正常车道行驶有较大关联。因此，车道偏离预警系统的运用越来越重要，其中车道线检测成为了偏离预警系统中的核心部分。从国内外研究现状来看，现有的车道线检测算法大体可以分为车道线区域检测法、特征驱动法和模型驱动法。这三种方法能有效的检测出车辆所在车道两侧的道路标志线，识别率较高，具有较好的鲁棒性，但是算法较为复杂，运算量较大。因此，采用单片机来执行简化的识别算法，提高车道线识别速度是未来车道线检测装置的研究趋势。

发明内容

本实用新型的目的在于，提供一种简洁、快速的汽车车道标识线的检测装置。

为了实现上述任务，本实用新型采用如下技术方案予以实现：

一种汽车车道标识线检测装置，其特征在于，包括安装在车辆前端纵向中心线上的CCD摄像头，CCD摄像头通过数据线连接单片机，单片机上连接有显示器。

本实用新型的汽车车道标识线检测装置，通过安置在车辆前端纵向中心线上的CCD摄像头，拍摄一段汽车在正常光线下行驶的路面视频，记录汽车行驶状态，单片机从视频中提取出的单帧图像经过特定阈值灰度化、特征区域选取、特征区域二值化、腐蚀膨胀处理、关键点提取、关键点曲线拟合处理后，将处理好的每一幅单帧图像整合成一个完整、流畅的路面视频在显示器中输出，视频中当前车道的标志线用红色曲线标明，提高了车道线识别速度。

附图说明

图1是本实用新型的结构框图；

图2是单片机对于图像的处理流程图；

图3是单帧图像区域经过二值化、去除干扰点之后的效果示意图；

图4是关键点提取的效果示意图；

以下结合附图和实施例对本实用新型作进一步的详细说明。

具体实施方式

参见图1，本实施例给出了一种汽车车道标识线检测装置硬件框图，包括安装在车辆前端纵向中心线上的CCD摄像头，CCD摄像头通过数据线连接单片机，单片机上连接有显示器。

本实用新型的原理是：

首先，通过安装在车辆前端纵向中心线上的CCD摄像头，拍摄一段汽车在正常光线下行驶的路面视频，记录汽车行驶状态；由于能在MATLAB中读入的视频格式受限较大，使用AVIREAD命令只能读取早期的AVI格式（未经压缩的24位真彩色图片序列），因此需要运用格式转换软件对CCD摄像机拍摄到的视频进行格式转换。

其次，CCD摄像头通过数据线连接单片机，单片机运用图像处理软件对记录的车辆行驶视频信息进行处理。本实施例中，使用格式转换文件WINAVIVideo Converter，该软件能很好的实现上述转换。然后，使用MATLAB读取转换好的AVI视频，并提取出单帧视频图像。并将视频导入MATLAB中。为了更准确的识别视频中车道标志线，将视频作单帧处理。

对提取出的单帧图像，单片机则进行如图2所示的图像处理步骤：

1、图像的灰度化处理：

为了减少采集到的图像的复杂度，提高算法处理的速度，首先将采集到的彩色图像进行灰度处理。图像中各个像素所具有的明暗程度由灰度值（gray level）所标识。一般将白色的灰度值定义为255，黑色灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级。在本实例中，根据图像画质和处理速度，选择速度较快的平均值灰度法，由于只需在图像中识别出车道标志线，故图像画质影响不大。

2、特征区域选取：

在处理好的灰度图像中，存在较大块的非车道区域（天空、路旁树木等）。非车道区域不仅图像复杂，而且会很大程度上影响图像处理速度。为了解决非车道区域的影响，需要对图像进行分割。在本实例中，运用锥形分割，将图像分为上下两个部分。上半部分为大部分非车道区域，并将其灰度值赋为0（黑色）；下半部分为当前车道部分，为特征区域。

3、特征区域二值化：

二值化，又称灰度分划，凡是需要做路线辨认的图像，都可利用此方式。二值化，不仅可以增强道路边界效果，而且对于减少图像信息量和增强算法的实时性有促进作用。二值化的基本过程如下：先对原始图像做中低通滤波，进行图像预处理，降低噪声，再采用算法确定最佳阀值，凡是像素灰度值大于此阀值的设成255，小于此阀值的设成0。这样处理后的图像就只有黑白两色，从而将灰度范围划分成目标和背景两类，实现了图像二值化。

上面提到的图像像素的阀值选取方法一般分为：全局阀值算法和局部阀值算法两类。全局阀值算法是根据整幅图像选取一个固定的阀值将图像二值化。全局阀值算法比较简单，容易实现，适用于图像的灰度直方图有明显的双峰，这时可选择灰度直方图的谷底对应的灰度值为最佳阀值。局部阀值算法是将图像划分为若干子图像，结合当前考察的像素点和其邻域像素点的灰度值，确定考察点的阀值。

本实例中选用全局阈值法中的Otsu法，即最大类间方差法进行二值化。此算法是基于整幅图的统计特性，实现阀值的自动选取。其算法的基本思想是用某一假定的灰度值将图像的灰度分成两类，当两组的类间方差最大时，此灰度值就是图像二值化的最佳阀值。设图像有M个灰度值，取值范围在0～M-1，在此范围内选取灰度值t，将图像分成两组G₀和G₁，G₀包含的像素的灰度值在0～t，G₁的灰度值在t+1～M-1，用N表示图像像素总数，n_i表示灰度值为i的像素的个数，则每一个灰度值i出现的概率为p_i＝n_i/N；G₀和G₁类出现的概率及均值为：概率均值

类间方差σ(t)²＝ω₀ω₁(μ₀-μ₁)²，最佳阀值T就是使类间方差最大的t的取值，即T＝arg maxσ(t)²,t∈[0,M-1]。

4、膨胀腐蚀处理：

膨胀是指某像素的邻域内，只要有一个像素是白像素则该像素就由黑变为白，其他保持不变。腐蚀是指某像素的邻域内，只要有一个像素是黑像素则该像素就由白变为黑，其他保持不变。

图像在经过区域分割和二值化之后还存在着一些噪声，为了进一步减少车道标志线受这些噪声的干扰，在本实例中，对二值图像采用形态学闭运算，即使用同样的结构元素先对图像膨胀操作后进行腐蚀操作的方法来消除剩余噪声。利用膨胀算法可以使某个像素邻域只要存在一个白色像素，那么该像素就会从黑色变为白色，而其余的保持不变；与此相反，腐蚀算法使某个像素邻域只要存在一个黑色像素，那么该像素就会从白色变为黑色，而其余的保持不变。利用上述原理，通过膨胀腐蚀过程能很好的消除遗留噪声。

完成步骤2、3、4之后的效果示意图如图3所示。

5、关键点提取：

经过上述4步处理后，单帧图像中两条车道线的二值图像清晰可见。接下来对图像进行如下处理：

1）将图像中的特征区域矩阵化，并分为左右均等两部分；

2）对区域右半部分：设置计数器，置零；从左向右按照每一列逐行的顺序进行查找，查找到第一个白色像素点（关键点）则将其所处行的其他像素点的灰度值都设为0（黑色），计数器加1。然后以关键点为基准点继续向右查找，按照每10个像素列逐行扫描的方法，继续查找白色像素点，并对像素点灰度值做同样的处理。当计数器数值达到15则停止扫描。

3）对区域左半部分从右向左进行相似的处理。

最后各部分分别得到一系列能描述区域中车道线的白色像素点及其位置。

步骤5效果示意图如图4所示。

6、关键点曲线拟合：

读取步骤5中关键点的位置信息，运用多项式拟合（POLYFIT）方法对特征区域的左右部分分别进行数据拟合，并选取拟合效果较好的曲线。本实例中，选取POLYFIT拟合4次曲线。

最后显示初始单帧彩色图像，用红色线条将拟合曲线标记在图像上，并将带标记的单帧图像整合为视频，在显示器播放。

Claims

1.一种汽车车道标识线检测装置，其特征在于，包括安装在车辆前端纵向中心线上的CCD摄像头，CCD摄像头通过数据线连接单片机，单片机上连接有显示器。