[發明專利]一種基于立體視覺的多策略自適應車道線檢測方法

有效

• 申請號: 201910391161.0
• 申請日: 2019-05-11
• 公開（公告）號: CN110569704B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 段建民;管越;莊博陽
• 申請（專利權）人: 北京工業大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/25;G06V10/80
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種基于立體視覺的多策略自適應車道線檢測方法，該方法建立在立體視覺基礎上，通過融合視差圖的三維深度信息與二維圖像的RGB語義信息來提高車道線檢測任務的魯棒性。檢測階段以三維環境信息的先驗知識來自適應的分割道路路面區域作為車道線估計區域，濾除與檢測非相關的障礙物，解決干擾問題。車道線提取階段，使用二維圖像的RGB語義信息，采用圖像時域內多策略融合機制和滑動窗口技術進一步排除與檢測相關的樹木陰影、道路標識、局部污損等同區域的干擾。車道線擬合過程采用三階貝塞爾曲線模型，能夠更好的表達不同車道線的階數特性。以上方法極大提高了基于視覺的車道線檢測任務的魯棒性，提高了數據點搜索速度和準確性。

技術領域

本發明涉及自動駕駛或輔助駕駛應用場景下的一種基于立體視覺的多策略自適應車道線 檢測方法，屬于計算機視覺相關領域。

背景技術

伴隨機器學習、深度學習、計算機視覺等理論的完善，計算機硬件水平的提高以及GPU 的應用普及，傳統的汽車工業迎來新的發展契機，以人工智能技術(ArtificialIntelligence,簡 稱AI)為基礎，以環境感知、定位導航、高精地圖構建、決策規劃和先進控制技術為核心的 自動駕駛汽車成為新的研究熱點。同時應用部分自動駕駛技術的先進輔助駕駛系統(Advanced Driver Assistance System,ADAS)開始逐步應用于道路行車和其他功能的輔助駕駛中。根據數 據統計，70％以上的行車碰撞事故和60％以上的準碰撞事故，均由駕駛者注意力不集中導致, 因此相關研究主要以實現將駕駛員從“人-車-路”閉環系統中解放出來為目標。自動駕駛和先進 輔助駕駛旨在為汽車駕駛員和乘客提供更高的安全性和舒適性，提高交通通行效率，減少人 為事故發生機率。

環境感知是智能車輛的核心技術之一，其中實時的車道線檢測和跟蹤是車輛行駛過程中 車道狀態保持的關鍵技術。現階段感知系統已不再局限于單一傳感器信息，不同類別的多傳 感器融合或同類別的多傳感器融合成為研究熱點。傳統的車道線檢測手段主要有以下幾種： 以單線或多線激光雷達作為數據源傳感器的道路邊界(類車道線)檢測方法。該方法數據來 源于激光雷達，由于激光雷達對顏色和共面標識的紋理、梯度等信息表達能力弱，其多應用 于道路區域平面內的障礙物檢測，因此只能用于單車道且包含凸起路沿場景下的行車道檢測。 傳統的單目視覺方法在人為指定的感興趣區域(region ofinterest,ROI)內根據不同顏色空間使 用不同的梯度和顏色閾值進行處理，通過融合的方法對ROI進行二值化。采用曲線擬合方式 求解車道線模型。由于該方法無自適應的指定ROI以及融合過程的固定權，在檢測過程中受 到路面上與車道線相同顏色或相同紋理的車輛、行人等特殊障礙物干擾情況下，該類算法往 往誤檢率變高，甚至無法工作。基于機器學習或深度學習的車道線檢測方法較傳統視覺方法 一定程度上降低了誤檢率提高了魯棒性，但是深度神經網絡計算復雜、能觀性差，對硬件計 算能力依賴性強，實時性很差。基于激光雷達和視覺融合的方法改善了單一傳感器的劣勢， 但兩種不同類別傳感器在開發使用難度和部署成本上存在不足，并且多源傳感器標定過程復 雜，難度大。

基于立體視覺的多策略自適應車道線檢測方法的核心是融合立體視覺計算得到的視差圖 所包含的深度信息和RGB圖像像素信息，二者的融合交互既能夠表達二維空間的紋理、顏色、 梯度等信息又能夠對三維空間尺度進行模糊表達。此方法能夠分割出道路區域，在道路區域 內檢測車道線排除了任何性質障礙物的影響，從根本上解決了干擾問題。同時在決策層融合 多策略信息進一步提高了車道線檢測的魯棒性。

發明內容

針對自動駕駛或先進輔助駕駛背景下，傳統視覺車道線檢測算法容易受到駕駛環境中與 車道線相同顏色或相同紋理等特殊障礙物的干擾，本發明提出一種基于立體視覺的多策略自 適應車道線檢測方法。該方法通過融合視差圖的三維深度信息與二維RGB像素信息，自適應 的分割出道路區域作為車道線感興趣區域，從根本上解決了障礙物的干擾問題。另外車道線 數據點提取過程采用多策略融合機制和滑動窗口技術進一步排除了道路平面上樹木陰影、道 路標識、局部污損區域的干擾。車道線擬合過程采用的三階貝塞爾曲線模型能夠更好的表達 不同車道線的階數特性。以上方法極大提高了基于視覺的車道線檢測任務的魯棒性。