[發(fā)明專利]一種車道線識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710419310.0
• 申請(qǐng)日: 2017-06-06
• 公開（公告）號(hào): CN107330376B
• 公開（公告）日: 2020-01-21
• 發(fā)明（設(shè)計(jì)）人: 張三林;左亮;梁早珊;劉前飛
• 申請(qǐng)（專利權(quán)）人: 廣州汽車集團(tuán)股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32
• 代理公司: 44238 深圳匯智容達(dá)專利商標(biāo)事務(wù)所(普通合伙)
• 代理人: 潘中毅;熊賢卿

本發(fā)明提供一種車道線識(shí)別方法及系統(tǒng)，其中，車道線識(shí)別方法包括：對(duì)獲取的包含車道線的灰度圖像劃定感興趣區(qū)域；采用匹配濾波器進(jìn)行多尺度匹配濾波；對(duì)經(jīng)多尺度匹配濾波后的圖像感興趣區(qū)域進(jìn)行頂帽變換；通過設(shè)定灰度自適應(yīng)門限與待檢測(cè)像素點(diǎn)進(jìn)行比較，篩選車道線特征點(diǎn)；對(duì)篩選出的車道線特征點(diǎn)進(jìn)行逆投影變換，獲取二維柵格地圖；對(duì)二維柵格地圖進(jìn)行鄰域聚類處理，再對(duì)車道線像素點(diǎn)進(jìn)行曲線擬合，結(jié)合車輛當(dāng)前的位置確定該車輛所在車道的車道線。本發(fā)明實(shí)現(xiàn)對(duì)多種環(huán)境下車道線區(qū)域的特征增強(qiáng)，極大減弱外界條件的變化對(duì)基于機(jī)器視覺的車道線識(shí)別的影響，提高后續(xù)車道線識(shí)別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及汽車輔助駕駛領(lǐng)域，尤其涉及一種車道線識(shí)別方法及系統(tǒng)。

背景技術(shù)

隨著汽車保有量的增加，道路交通事故已成為全世界面臨的一個(gè)嚴(yán)重問題，因此在智能交通系統(tǒng)領(lǐng)域，智能車輛的發(fā)展已受到廣泛關(guān)注，利用計(jì)算機(jī)視覺進(jìn)行自主駕駛與輔助導(dǎo)航是目前的主流研究方向，車道線的檢測(cè)與跟蹤定位是駕駛輔助系統(tǒng)及無人駕駛發(fā)展的一項(xiàng)核心技術(shù)。針對(duì)車道線識(shí)別，很多學(xué)者開展了廣泛的研究。總體歸納起來，基于機(jī)器視覺車道線識(shí)別技術(shù)主要包括三個(gè)步驟：車道線特征點(diǎn)提取、車道線邊界擬合和車道線跟蹤技術(shù)。

車道線特征點(diǎn)的提取通常采用圖像分割的方式，將其從背景圖像中分離出來。其中，常用的預(yù)處理方法包括各種邊緣檢測(cè)方法，如Sobel算子，Canny算子，Roberts算子等；常用的閥值分割方法有最大類間方差法、自適應(yīng)閾值等。然而，這些方法易受各種環(huán)境條件的干擾，要求車道線有較高的對(duì)比度，否則會(huì)引起分割閾值的過高或過低，從而導(dǎo)致車道線特征點(diǎn)的遺漏或噪聲點(diǎn)增多。鑒于車道線的方向性，許多學(xué)者采用基于梯度的方法來實(shí)現(xiàn)特征提取。這種方法在直道模型中具有較強(qiáng)的適應(yīng)性，但容易受噪聲點(diǎn)的干擾，且計(jì)算量大。此外，基于顏色的特征也被應(yīng)用到了車道線檢測(cè)中?；赗GB顏色通道，根據(jù)圖像中車道線顏色特征設(shè)計(jì)轉(zhuǎn)移函數(shù)來標(biāo)記車道線區(qū)域，但當(dāng)背景物體顏色與車道線顏色相近時(shí)，在檢測(cè)出車道線的同時(shí)，背景區(qū)域也會(huì)被標(biāo)記出來。

車道線邊界擬合及跟蹤是建立在車道線數(shù)學(xué)模型的基礎(chǔ)上。車道線邊界可被劃分為直線、拋物線、樣條曲線等模型。Hough變換算法被經(jīng)常應(yīng)用到直線車道模型中。另外，線性-拋物線模型也被廣泛應(yīng)用到車道線模型中，但該方法一般都假設(shè)在初始檢測(cè)時(shí)刻，車道線是平直的、車輛與車道線平行、圖像視野內(nèi)除了車道邊界外不存在其他的線性物體邊界等，這就限制了該模型算法的適用范圍。

綜上，現(xiàn)有的技術(shù)條件下，車道線的識(shí)別容易受外界因素的影響，識(shí)別的效果不佳，準(zhǔn)確率也不高。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于，提供一種能夠適應(yīng)外界環(huán)境變化，提高識(shí)別準(zhǔn)確率的車道線的識(shí)別方法及系統(tǒng)。

為解決上述技術(shù)問題，本發(fā)明提供一種車道線識(shí)別方法，包括下述步驟：

S100、對(duì)獲取的包含車道線的灰度圖像劃定感興趣區(qū)域；

S200、采用匹配濾波器對(duì)圖像感興趣區(qū)域進(jìn)行多尺度匹配濾波，完成所述圖像感興趣區(qū)域的特定增強(qiáng)；

S300、對(duì)經(jīng)多尺度匹配濾波后的所述圖像感興趣區(qū)域進(jìn)行頂帽變換；

S400、通過在所述圖像感興趣區(qū)域設(shè)定灰度自適應(yīng)門限與待檢測(cè)像素點(diǎn)進(jìn)行比較，篩選車道線特征點(diǎn)；

S500、對(duì)篩選出的所述車道線特征點(diǎn)進(jìn)行逆投影變換，獲取所述車道線特征點(diǎn)對(duì)應(yīng)的二維柵格地圖；

S600、對(duì)所述二維柵格地圖進(jìn)行車道線特征點(diǎn)的鄰域聚類處理，再對(duì)完成鄰域聚類處理的車道線像素點(diǎn)進(jìn)行曲線擬合，根據(jù)曲線擬合結(jié)果及車輛的當(dāng)前位置確定車輛所在車道的車道線。

其中，所述步驟S100之前還包括下述步驟：