[發(fā)明專利]一種在環(huán)仿真條件下車道線智能識別方法有效
| 申請?zhí)枺?/td> | 202010800295.6 | 申請日： | 2020-08-11 |
| 公開（公告）號： | CN112115778B | 公開（公告）日： | 2023-07-21 |
| 發(fā)明（設(shè)計(jì)）人： | 游峰;宮云渤;王海瑋;涂海清;曹水金;黃玲;張榮輝 | 申請（專利權(quán)）人： | 華南理工大學(xué) |
| 主分類號： | G06V20/56 | 分類號： | G06V20/56;G06V10/56;G06V10/25;G06T7/13;G06T7/136 |
| 代理公司： | 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 廣*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 仿真 條件下 車道 智能 識別 方法 | ||
1.一種在環(huán)仿真條件下車道線智能識別方法，其特征在于，包括以下步驟：
采集在環(huán)仿真系統(tǒng)中包含車道線的場景圖像，截取采集的圖像的下半部分作為感興趣區(qū)域并對感興趣區(qū)域進(jìn)行濾波處理；
對濾波處理后圖像進(jìn)行顏色空間轉(zhuǎn)換和通道圖像提取，得到Cb單通道圖像；
圖像二值化，將得到的Cb單通道圖像左右均分，分別對兩部分圖像的每一行求像素值的均值和標(biāo)準(zhǔn)差，依據(jù)3σ原則設(shè)定閾值進(jìn)行Cb單通道的二值化；
圖像模板化，將二值化后的圖像與擬合車道線位置的模板圖像做與運(yùn)算；所述圖像模板化具體為：
將車道線的位置用一張二值圖像來擬合，該二值圖像命名為車道線模板圖像，從該模板圖像里定位車道線并將二值化的結(jié)果圖像與該車道線模板圖像做與運(yùn)算，公式如下：
其中，tij代表模板的第i行第j列的像素值，p'ij代表二值化結(jié)果圖像的第i行第j列的像素值，.代表按位與；
車道線識別，對模板化后的圖像進(jìn)行邊緣檢測，生成邊緣圖像，對邊緣圖像進(jìn)行霍夫直線檢測，得到車道線檢測識別圖像；所述邊緣檢測具體為對圖像模板化后的圖像進(jìn)行Canny邊緣檢測，包括以下步驟：
使用高斯濾波器平滑圖像，濾去噪聲；
計(jì)算圖像中每個像素點(diǎn)的梯度幅值和方向；
應(yīng)用非極大值抑制，以消除邊緣檢測帶來的雜散相應(yīng)；
應(yīng)用雙閾值檢測來確定真實(shí)的和潛在的邊緣，選擇高低閾值，如果邊緣像素的梯度值高于高閾值，將其標(biāo)記為強(qiáng)邊緣像素；如果邊緣像素的梯度值小于高閾值并且大于低閾值，將其標(biāo)記為弱邊緣像素；如果邊緣像素的梯度值小于低閾值，邊緣像素受到抑制；所述閾值的選擇取決于采集的場景圖像的內(nèi)容；
通過抑制孤立的弱邊緣完成邊緣檢測，跟蹤弱邊緣連接，通過查看弱邊緣像素及其8個鄰域像素，只要其中一個為強(qiáng)邊緣像素，則該弱邊緣像素保留為真實(shí)的邊緣；
所述計(jì)算圖像中每個像素點(diǎn)的梯度幅值和方向具體為利用一階偏導(dǎo)的有限差分來計(jì)算，一階差分卷積模板為：
得到幅值與角度公式為：
2.根據(jù)權(quán)利要求1所述的一種在環(huán)仿真條件下車道線智能識別方法，其特征在于，所述截取感興趣區(qū)域具體為：
將采集的場景圖像中包含車道線的下半部分作為感興趣區(qū)域，截取公式為：
image_roi＝image(H/2:H,1:W)
其中，image_roi為截取后的圖像，image為原始采集的場景圖像，H為原始采集圖像高，W為原始采集圖像寬。
3.根據(jù)權(quán)利要求1所述的一種在環(huán)仿真條件下車道線智能識別方法，其特征在于，所述濾波處理具體為：
對截取的感興趣區(qū)域圖像，采用高斯濾波器進(jìn)行濾波，二維高斯函數(shù)為：
其中(x,y)為點(diǎn)坐標(biāo)，σ為標(biāo)準(zhǔn)差，σ選擇越大，濾波效果越明顯；
由于奇數(shù)大小的窗口中心點(diǎn)坐標(biāo)唯一確定，故高斯濾波器窗口模板選擇奇數(shù)大小，通常大小為3*3或5*5；對于窗口大小為(2k+1)×(2k+1)的模板，模板中各元素值的計(jì)算公式為：
其中，k∈N，(i,j)表示點(diǎn)在圖像中的位置，i表示第i行，j表示第j列。
4.根據(jù)權(quán)利要求1所述的一種在環(huán)仿真條件下車道線智能識別方法，其特征在于，所述顏色空間轉(zhuǎn)換和通道圖像提取具體為從RGB顏色空間轉(zhuǎn)為YCbCr空間，然后提取Cb單通道圖像，RGB顏色空間與YCbCr顏色空間之間的關(guān)系為：
5.根據(jù)權(quán)利要求1所述的一種在環(huán)仿真條件下車道線智能識別方法，其特征在于，所述分別對兩部分圖像的每一行求像素值的均值和標(biāo)準(zhǔn)差，均值和標(biāo)準(zhǔn)差的公式如下：
其中，μi表示圖像第i行的平均像素值，pin表示圖像第i行第n的像素值；σi表示圖像第i行的標(biāo)準(zhǔn)差，pij表示圖像第i行第j列的像素值，表示圖像第i行的平均像素值。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華南理工大學(xué)，未經(jīng)華南理工大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010800295.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
