[發明專利]基于DBSCAN算法的車道線檢測方法、系統及設備

在審

• 申請號: 202211329017.2
• 申請日: 2022-10-27
• 公開（公告）號: CN115546753A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 尹智帥;全昕;盧熾華;顏伏伍;聶琳真;何志偉;梁洋
• 申請（專利權）人: 佛山仙湖實驗室;武漢理工大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/80;G06V10/774;G06V10/762;G06V10/28
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 葉潔勇

本發明公開了基于DBSCAN算法的車道線檢測方法、系統及設備，其方法包括：對獲取到的車輛周邊道路的原始RGB圖像進行預處理，得到待測RGB圖像；對待測RGB圖像進行邊緣提取與二值化，得到第一二值圖像；將待測RGB圖像轉換為Lab圖像，再對Lab圖像進行邊緣提取與二值化，得到第二二值圖像；將第一二值圖像和第二二值圖像進行融合，得到待測二值圖像；結合DBSCAN算法和滑動窗口技術對待測二值圖像上的所有像素點進行聚類搜索，得到若干個邊緣像素點集；對若干個邊緣像素點集進行曲線擬合，得到對應的若干個車道線。本發明在實現車道線檢測任務時無需提前獲知車輛周邊的車道線數量，同時可以提高檢測準確性。

技術領域

本發明涉及計算機技術領域，具體是涉及基于DBSCAN算法的車道線檢測方法、系統及設備。

背景技術

車道線檢測作為自動駕駛感知領域中的一個基礎問題，對駕駛安全性起到關鍵作用，現有的車道線檢測方法通常采用傳統圖像處理手段或者搭建神經網絡深度學習模型進行預測來實現。其中，采用傳統圖像處理手段具體表現為：先對RGB圖像進行灰度化處理后再利用Canny算法執行邊緣提取，接著對邊緣圖像中的感興趣區域進行選擇后再利用霍夫變換算法執行車道線識別，但是這一實施過程需要提前獲知車輛周邊的車道線數量。關于搭建神經網絡深度學習模型進行預測這一實施手段，由于模型訓練通常采用國外的KITTI數據集來實現，導致最終訓練得到的預測模型對國內道路環境的適用效果較差，對車道線識別的準確性還有待提高。

發明內容

本發明提供基于DBSCAN算法的車道線檢測方法、系統及設備，以解決現有技術中所存在的一個或多個技術問題，至少提供一種有益的選擇或創造條件。

第一方面，提供一種基于DBSCAN算法的車道線檢測方法，所述方法包括：

對獲取到的車輛周邊道路的原始RGB圖像進行預處理，得到待測RGB圖像；

對所述待測RGB圖像進行邊緣提取與二值化，得到第一二值圖像；

將所述待測RGB圖像轉換為Lab圖像，再對所述Lab圖像進行邊緣提取與二值化，得到第二二值圖像；

將所述第一二值圖像和所述第二二值圖像進行融合，得到待測二值圖像；

結合DBSCAN算法和滑動窗口技術對所述待測二值圖像上的所有像素點進行聚類搜索，得到若干個邊緣像素點集；

對所述若干個邊緣像素點集進行曲線擬合，得到對應的若干個車道線。

在一些實施例中，對獲取到的車輛周邊道路的原始RGB圖像進行預處理，得到待測RGB圖像包括：

對原始RGB圖像進行下采樣和去畸變處理，得到第一RGB圖像；

對所述第一RGB圖像進行逆透視變換處理，得到待測RGB圖像。

在一些實施例中，對所述待測RGB圖像進行邊緣提取與二值化，得到第一二值圖像包括：

根據所述待測RGB圖像中的每個像素點所對應的通道分量值，對每個像素點進行灰度化，得到灰度圖像；

利用Sobel算子對所述灰度圖像進行X軸方向上的邊緣提取，得到第一梯度圖像；

將所述第一梯度圖像中的所有邊緣像素點的值設置為1，以及將所述第一梯度圖像中的所有非邊緣像素點的值設置為0，得到第一二值圖像。

在一些實施例中，對所述Lab圖像進行邊緣提取與二值化，得到第二二值圖像包括：

從所述Lab圖像中提取出b通道圖像，利用Sobel算子對所述b通道圖像進行邊緣提取，得到第二梯度圖像；

將所述第二梯度圖像中的所有邊緣像素點的值設置為1，以及將所述第二梯度圖像中的所有非邊緣像素點的值設置為0，得到第二二值圖像。