[發明專利]復雜路況的車道線特征提取、識別方法

無效

• 申請號: 201110441691.5
• 申請日: 2011-12-26
• 公開（公告）號: CN102592114A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 樊超;狄帥;楊鐵軍;傅洪亮;張德賢;張瑞;馬海華;李永鋒;侯利龍
• 申請（專利權）人: 河南工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 陳浩

技術領域

本發明涉及復雜路況下的車道線檢測方法，特別是一種基于對稱局部閾值和去相關RANSAC的實時魯棒車道線檢測方法，屬于汽車智能輔助駕駛系統技術領域。

背景技術

近年來，隨著我國經濟的快速發展，客貨運量的增加，我國公路建設路程迅猛增長，特別是高速公路的快速發展，大大緩解了我國經濟發展給交通運輸業帶來的壓力。但是隨著公路建設路程的增長、汽車保有量的增加、車流量的加大以及行車速度的提高，道路交通事故呈逐年惡化的態勢，特別是特大惡性交通事故頻繁發生，給人們的生命財產和國民經濟造成了巨大的損失。例如，2009年，中國汽車保有量約占世界汽車保有量的百分之三，但交通事故死亡人數卻占世界的百分之十六。據公安部交通管理局通報，2009年，全國共發生道路交通事故238351起，造成67759人死亡、275125人受傷，直接財產損失9.1億元。因此研究車道偏離預警系統，輔助駕駛員在單調駕駛環境中保持車輛在車道內行駛，已經成為國內外的研究重點。

在安全輔助駕駛系統中，車道線的正確檢測是該系統正常工作的基本前提和關鍵技術。目前，已經提出了很多基于視覺的車道線識別方法。按照識別方法的不同總體上可分為兩大類：基于特征的識別方法和基于模型的識別方法。

基于特征的識別方法主要是結合道路圖像的一些特征(如顏色特征、灰度梯度特征等)，從所獲取的圖像中識別出車道線。基于特征的識別方法可分為：基于灰度特征和基于彩色特征的識別。基于模型的車道線識別方法主要是基于不同的道路圖像模型(2D或3D模型)，采用不同的識別技術(Hough變換、模板匹配技術、神經網絡技術等)來對車道線進行識別。

一方面，由于基于特征的方法通過結合底層特征(如邊緣)對路面圖像分割定位車道線，當道路路面結構不均勻、光照變化、陰影遮擋、車道線破損以及污痕存在使得車道線不規則時，在此情況下該方法就無能為力了。另一方面，基于模型的方法僅采用少量的參數描述車道線，如事先假定車道線的形狀為直線或雙曲線，那么車道線識別過程可看作是計算這些模型參數的過程，同樣當道路路面結構不均勻、光照變化、陰影遮擋、車道線破損以及污痕存在使得車道線不規則、不清晰或是某段完全失去標識信息時，無法找到足夠的車道線特征點來擬合假定的模型或者擬合出錯誤的模型，所以此情況下，該方法有時也不能有效地識別出正確的車道線。

發明內容

本發明的目的是提供一種復雜路況的車道線特征提取、識別方法，以解決現有方法對車道線存在光照變化、陰影遮擋、破損或污跡覆蓋等復雜路況下魯棒性和實時性都偏低甚至誤識別的問題。

為實現上述目的，本發明的復雜路況的車道線特征提取方法步驟如下：

(1)將車載視覺系統采集到的彩色道路圖像轉換為灰度圖像；

(2)對灰度圖像進行中值濾波處理；

(3)根據道路圖像對車道線特征提取的重要程度將濾波處理后的圖像劃分為不考慮區域和感興趣區域；

(4)對感興趣區域利用對稱局部閾值分割法進行二值化處理，從而實現車道線特征提取。

進一步的，所述步驟(4)中利用對稱局部閾值分割法進行二值化處理的具體步驟如下：

1)定義感興趣區域的左上角為坐標原點，縱向為x軸、橫向為y軸，設感興趣區域大小為M行N列；

2)對于感興趣區域中任一點坐標為(x_i，y_j)的像素，以其橫坐標y_j為基準，在同一橫行上分別向左、右延伸c個像素距離，分別構成關于y＝y_j對稱的左邊像素區域、右邊像素區域；計算左像素區域和右像素區域的灰度平均值V_meanL和V_meanR；

3)判斷感興趣區域中任一點像素的橫坐標y_j的值，若y_j的值小于等于c，則比較此像素點的灰度值V(x_i，y_j)與V_meanR+T的大小，當V(x_i，y_j)＞V_meanR+T時置此像素點的灰度值為255，否則就置為0，所述T是用最大類間方差法得到的感興趣區域的分割閾值的二分之一；