[發(fā)明專利]一種基于模型擬合的車道線檢測方法

有效

• 申請?zhí)枺?/td>: 201910089048.7
• 申請日: 2019-01-30
• 公開（公告）號: CN109858438B
• 公開（公告）日: 2022-09-30
• 發(fā)明（設計）人: 李琦銘;李俊;肖自能;喻雷平
• 申請（專利權）人: 泉州裝備制造研究所
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/762;G06V10/44
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 陳雪瑩

本發(fā)明提供一種基于模型擬合的車道線檢測方法，步驟包括：將彩色行車圖像R、G、B三個通道的值進行加權平均得到灰度圖像；對所述灰度圖像進行高斯濾波；對所述高斯濾波后的灰度圖像采用Canny算法獲得邊緣信息點并提取感興趣區(qū)域內的邊緣信息；根據(jù)所述邊緣信息建立模型假設，給每一個所述模型假設賦予相應的權重，通過計算信息熵和自適應閾值去除低權重的模型假設；采用聚類算法提取與車道線相關的模型假設；將所述模型假設的參數(shù)擬合為直線，將相關的屬于同一車道線的直線合并，疊加顯示在所述彩色行車圖像中。本發(fā)明提供了一種基于模型擬合的車道線檢測方法，可應用于汽車安全輔助駕駛系統(tǒng)及車載行車記錄儀中車道偏離時的預警。

技術領域

本發(fā)明屬于計算機視覺領域，具體涉及一種基于模型擬合的車道線檢測方法。

背景技術

車道檢測技術是汽車自動駕駛及安全輔助駕駛系統(tǒng)的關鍵技術之一，通過車載攝像頭的視覺方法進行準確、快速的車道線檢測，可以為行駛中的車輛在車道偏離時進行預警。常見的視覺方法是先對圖像進行閾值化，然后采用邊緣檢測算法提取車道線的輪廓，最后利用隨機抽樣一致(RANSAC)等算法檢測車道線。

發(fā)明人在研究傳統(tǒng)的基于RANSAC的車道線檢測方式時發(fā)現(xiàn)其存在一定的局限性。首先，RANSAC算法主要針對圖像中僅存在一條直線而提出的，當圖像數(shù)據(jù)中包括多條直線(車道線)時，需要通過“擬合-和-移除”機制的方法完成(即需要擬合一條直線后將其對應的內點移除后繼續(xù)擬合下一條直線)，然而當一條直線估計不準確時，將導致對數(shù)據(jù)中剩余直線的估計錯誤。其次，還需要指定擬合直線的數(shù)目才能終止算法運行，這樣RANSAC就不能適用于未知車道線數(shù)目的檢測任務。最后，RANSAC算法在每一次直線擬合的迭代過程中需要通過設定閾值尋找屬于該直線的內點，閾值過低或過高導致內點數(shù)目的變化，都會使RANSAC無法找到合理的車道線結構。

發(fā)明內容

本發(fā)明要解決的技術問題，在于提供一種基于模型擬合的車道線檢測方法，能夠準確地在車載攝像頭拍攝的圖像中同時尋找出多條車道線，并且不需要指定內點閾值及圖像中車道線的數(shù)目。

本發(fā)明一種基于模型擬合的車道線檢測方法，具體包括如下步驟：

步驟10、將彩色行車圖像R、G、B三個通道的值進行加權平均得到灰度圖像；

步驟20、對所述灰度圖像進行高斯濾波；

步驟30、對所述高斯濾波后的灰度圖像采用Canny算法獲得邊緣信息，選擇一個指定多邊形區(qū)域作為車道線檢測的感興趣區(qū)域，提取所述感興趣區(qū)域內的邊緣信息；

步驟40、根據(jù)步驟30的邊緣信息建立模型假設，采用最小二乘法進行參數(shù)計算，給每一個所述模型假設賦予相應的權重，通過計算信息熵和自適應閾值去除低權重的模型假設；

步驟50、采用聚類算法提取與車道線相關的模型假設；

步驟60、將所述模型假設的參數(shù)擬合為直線，將相關的屬于同一車道線的直線合并，疊加顯示在所述彩色行車圖像中。

進一步的，所述步驟40包括：

步驟41、假設所述感興趣區(qū)域內的邊緣信息包括N個邊緣像素數(shù)據(jù)點，隨機采樣M個點子集，每個所述子集包括兩個數(shù)據(jù)點，建立M個模型假設Θ＝{θ₁,θ₂,...,θ_M}；

步驟42、給每一個所述模型假設賦予相應的權重w_m，計算公式為：

其中，S_m是通過IKOSE方法得到的自適應內點噪聲尺度，n_m是第m個模型假設的內點數(shù)目，r_i^m是第i個數(shù)據(jù)點相對于第m個模型假設的殘差，ψ(·)和h_m是核函數(shù)及其對應的帶寬；