[發(fā)明專利]基于交通路口視頻的車道檢測和分割方法

有效

• 申請?zhí)枺?/td>: 201310439438.5
• 申請日: 2013-09-24
• 公開（公告）號(hào): CN103489189A
• 公開（公告）日: 2014-01-01
• 發(fā)明（設(shè)計(jì)）人: 劉東升;許翀寰
• 申請（專利權(quán)）人: 浙江工商大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 杭州裕陽專利事務(wù)所(普通合伙) 33221
• 代理人: 應(yīng)圣義

1.一種基于交通路口視頻的車道檢測和分割方法，其特征在于，包括以下具體的步驟：

1）利用Hough變換對(duì)交通路口視頻圖像進(jìn)行檢測，提取視頻圖像中的直線；在進(jìn)行Hough變換時(shí)，加入直線長度的約束條件，所述約束條件為圖片長度的1/5，排除不符合該約束條件的直線；在進(jìn)行Hough變換時(shí)，每當(dāng)將圖像空間中的像素點(diǎn)映射到參數(shù)空間后，檢測每個(gè)累加器的計(jì)數(shù)是否超過累加閾值從而確認(rèn)是否存在直線，并獲得直線上的點(diǎn)的集合；

2）提取步驟1）所得直線的多維特征向量，所述多維特征向量包括直線的斜率、位置、長度以及與邊緣檢測圖片的匹配度；

3）利用K-means算法實(shí)現(xiàn)聚類，將聚類所得直線簇采用半機(jī)械學(xué)習(xí)方法進(jìn)行分析，利用聚類的中心的直線簇作為邊界，劃分出車道；所述半機(jī)械學(xué)習(xí)方法包括以下步驟：提取視頻圖像所攝取的路口車道的岔口數(shù)量，將直線簇與上述路口車道的岔口數(shù)量進(jìn)行比較，確定直線簇與上述路口車道的岔口數(shù)量的匹配度；所述K-means算法包括以下步驟：采用多中心聚類比較的方法確定中心的數(shù)目，采用K-means算法實(shí)現(xiàn)對(duì)步驟2）所得多維特征向量進(jìn)行分析并提取初始聚類中心。

2.根據(jù)權(quán)利要求1所述的基于交通路口視頻的車道檢測和分割方法，其特征在于，還包括以下步驟：

預(yù)處理步驟：采用快速中值濾波對(duì)交通路口視頻圖像進(jìn)行預(yù)處理，在視頻圖像上移動(dòng)鄰域窗口，當(dāng)新進(jìn)入鄰域窗口的像素的灰度值與新移出窗口的像素的灰度值不同時(shí)，對(duì)鄰域窗口求中值，同時(shí)采用插入排序，排序過程中，對(duì)已有的序列固定不變，從而獲得較快的濾波效果；

邊緣檢測步驟：使用Canny算子或者Sobel算子對(duì)視頻圖像進(jìn)行邊緣檢測得到邊緣檢測圖片，其中，對(duì)強(qiáng)光照條件下所攝取的視頻圖像進(jìn)行邊緣增強(qiáng)，對(duì)正常關(guān)照和弱光照條件下所攝取的視頻圖像利用Sobel算子計(jì)算相鄰像素點(diǎn)的灰度差異值。

3.根據(jù)權(quán)利要求1所述的基于交通路口視頻的車道檢測和分割方法，其特征在于，其特征在于，還包括以下步驟：對(duì)每條直線還提取其延長線與邊界交點(diǎn)坐標(biāo)、視頻圖像的顏色值以及視頻圖像的梯度空間值作為直線的高位特征向量；將斜率用斜率所在直線與水平線的夾角進(jìn)行替換；對(duì)所述多維特征向量和高維特征向量進(jìn)行那個(gè)歸一化；在計(jì)算多維特征向量和高位特征向量的權(quán)重時(shí)，保持斜率和位置的權(quán)重值大于其他多為特征向量或者高位特征向量的權(quán)重值；采用統(tǒng)計(jì)方法，自適應(yīng)地選擇聚類的數(shù)目，并與聚類所得直線簇進(jìn)行比較，通過以下算法得到最優(yōu)解：其中，n為聚類的中心數(shù)量，V_p為每條直線的特征向量，C_n為對(duì)應(yīng)聚類中心的特征向量。

4.根據(jù)權(quán)利要求1所述的基于交通路口視頻的車道檢測和分割方法，其特征在于，其特征在于，對(duì)于步驟3）所得車道，根據(jù)得到的車道數(shù)量，在視頻圖像中提取與車道數(shù)量相同的等分點(diǎn)作為種子點(diǎn)，在Hough變換所得直線圖中進(jìn)行擴(kuò)散，進(jìn)一步地劃分出不同的車道。