[發明專利]一種高速路段及城市道路車道線識別方法

有效

• 申請號: 201611084618.6
• 申請日: 2016-11-30
• 公開（公告）號: CN106778551B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 成劍;沙濤
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬;朱顯國

1.一種高速路段及城市道路車道線識別方法，其特征在于，包括以下步驟：

步驟1、通過攝像機獲取車道圖像，利用攝像機參數自標定方法得到攝像機的內外參數，求得車道平面消失線；

步驟2、對車道圖像進行灰度化處理并劃分感興趣區域；

步驟3、對步驟2得到的圖像進行中值濾波；

步驟4、對中值濾波后的圖像使用Gabor變換提取車道線紋理特征；

步驟5、采用多角度Haar特征描述車道線邊緣特征，利用Adaboost分類器進行分類識別；具體為：

步驟5-1，在Haar特征使用0°，90°和45°特征的基礎上增加傾斜30°特征和傾斜60°特征，在30°、45°和60°傾斜矩形外圍設置非傾斜矩形，該非傾斜矩形的四邊經過傾斜矩形的四個頂點；

設窗口有L×W個像素，Haar特征H(x,y,l,w,α)，頂點坐標為(x,y)，矩形區域長度為l，寬度為w，傾斜角為α，則旋轉矩形的l和w的計算公式如下：

a為旋轉矩形的長為，b為寬；

利用取整得到的整數作為縮放系數求取傾斜矩形的Haar特征數，利用公式計算包含車道線邊緣特征的Haar特征矩形個數，其中RecSum(x,y)為積分圖計算式；

步驟5-2，基于AD-Adaboost算法，利用參數計算公式，設定弱分類器的權重不僅與誤報率有關，還與正樣本的識別能力有關；

給定訓練樣本集(x₁,y₁)，(x₂,y₂)，...，(x_N,y_N)，其中y_i對于負樣本和正樣本為0和1，負樣本和正樣本分別初始化權重為W₁(i)＝1/2q,1/2p，q和p分別為負樣本和正樣本；算法經過T次循環構建強分類器，For t＝1,2,...,T，計算弱分類器h_j的分類誤差選取當分類誤差ε_t最小時的弱分類器H_t；

對H_t計算正權重總和：

更新權重：

其中弱分類器權重參數

歸一化下一個循環的權重式中，Z_t是歸一化因子，

將得到的t個弱分類器組合到一個強分類器，得到的強分類器為

其中，θ是分類錯誤率的判別閾值，α_t＝-logε_t；

當H(x)為1時，像素點x是車道線特征點，當H(x)為0時，x不是車道線特征點，在圖像f(x,y)中，將H(x)＝0的像素點去除，保留下來的像素點即為車道線特征點；

步驟6、針對結構化道路設計雙曲線組合模型；

步驟7、利用改進Ransac算法估計雙曲線組合模型參數；具體為：

每次找4個點，其中3個點設計模型求得模型參數，剩下一個點進行模型匹配，看是否在模型上，如果不在，則放棄此樣本重新選擇，如果在，則將此模型作為候選模型；繼續尋找其它點進行模型匹配，如果支撐候選模型的點數大于等于設定閾值，則此候選模型即為目標模型；若支撐候選模型的點數小于設定閾值，則放棄此候選模型，繼續尋找4個點。

2.根據權利要求1所述的高速路段及城市道路車道線識別方法，其特征在于，步驟1中，首先建立圖像坐標系和世界坐標系，設計兩個坐標系中點坐標對應關系，根據攝像機的標定過程確定內部參數，根據坐標對應關系來計算車道線在空間坐標的位置參數，再根據內外參數得到車道消失線的位置。

3.根據權利要求1所述的高速路段及城市道路車道線識別方法，其特征在于，步驟2中，對采集到的RGB圖像像素以5：4：1權重進行灰度化處理。

4.根據權利要求1所述的高速路段及城市道路車道線識別的方法，其特征在于，將消失線下方設為感興趣區域，將消失線下方1/3區域作為感興趣區域I，其余2/3區域作為感興趣區域Ⅱ。