[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

本發明公開了一種高速路段及城市道路車道線識別方法，包括以下步驟：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；對車道圖像進行灰度化處理并劃分感興趣區域；對上一步得到的圖像進行中值濾波；對中值濾波后的圖像使用Gabor變換提取車道線紋理特征；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；針對結構化道路設計雙曲線組合模型；利用改進Ransac算法估計雙曲線組合模型參數。本發明解決了在有陰影、車道線磨損、天氣惡劣等復雜環境下的車道線檢測問題，并且具有較好的實時性。

技術領域

本發明屬于圖像處理技術領域，具體涉及一種高速路段及城市道路車道線識別方法。

背景技術

車道線識別是高級駕駛輔助系統的核心部分。由于視覺傳感器成本低且易于構建系統，基于機器視覺的車道線檢測方法得到廣泛應用。而基于機器視覺的車道線檢測方法一般可以分為兩大類：基于圖像特征的方法和基于模型識別的方法。

基于圖像特征的方法主要是灰度圖像中對灰度邊緣的識別，而基于模型的方法是建立數學模型表示車道邊界。在城市街道和高速公路通常使用基于模型識別的方法，常用的車道線檢測模型包括直線模型、雙曲線模型、拋物線模型、樣條曲線模型等。簡單的模型不能很好的表示車道線，而復雜的模型又會有復雜的計算和較高的錯誤率。

現有的方法大都能在多種場景下有較好的檢測效果，但在車道線狀況不佳，例如陰影、樹木、光照強度、車道線磨損等情況，檢測時往往將非車道線特征點識別為車道線特征點，導致參數估計偏差。

發明內容

本發明的目的在于提供一種高速路段及城市道路車道線識別方法，克服多種因素干擾下車道線較難檢測的問題，且兼具實時性。

實現本發明目的的技術方案為：一種高速路段及城市道路車道線識別方法，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；

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。

與現有技術相比，本發明的顯著效果為：

(1)本發明通過利用多角度的Haar特征來提取車道線特征點，增強了具有較強方向一致性的車道線邊緣特征；

(2)本發明通過利用Haar特征結合改進的Adaboost分類器的識別算法，使識別準確率更高，實時性更好；

(3)本發明利用改進的Ransac算法更好的適應了復雜條件下的車道線模型參數估計，提高了準確度且增強了實時性。

附圖說明

圖1是本發明高速路段及城市道路車道線識別方法的流程圖。

圖2是設計多角度Haar特征示意圖。

圖3是雙曲線組合模型。

具體實施方式

下面結合附圖和實施例對本發明的技術方案做具體描述。

結合圖1，本發明的一種高速路段及城市道路車道線識別方法，包括以下步驟：