【技术实现步骤摘要】
一种基于特征点分段线性拟合的车道线检测方法
本专利技术涉及智能交通领域,尤其涉及一种基于特征点分段线性拟合的车道线检测方法。
技术介绍
作为移动机器人的一种,智能车辆可广泛应用于工业、农业、军事和公路公共交通等领域,具有重要的研究和应用价值。目前,虽然国内外在智能车辆研究方面取得了实质性进展,但从实用性角度来看,目前的智能车辆距离实现完全意义的自主驾驶还有一定差距。为实现自主导航,现有智能车普遍将视觉导航作为其主要的导航方式。在智能车辆处理的众多视觉信息中,车道线信息作为关键的道路信息,其检测技术也是实现智能车视觉导航的核心技术之一。目前,针对车道线检测问题提出的众多算法可基本上分为基于特征和基于模型的方法。其中,基于特征的方法主要是利用车道线具有的颜色特征、几何特征、尺寸特征和形状特征等对车道线进行提取。这类方法对道路形状不敏感,算法鲁棒性高,但该类方法对阴影和水迹较为敏感,算法计算量较大,实时性较差。基于模型的方法首先将道路图像转化为灰度图像,通过对图像进行预处理,提取出图像边缘,然后通过对车道线建模,将道路检测问题转换为道路模型求解问题,最终检测出车道线。这类方法检测出的道路较完整,且一般只用较少的参数即可表示整个道路。该类方法对阴影、水迹等具有较强的抗干扰能力,方法研究较多且应用较广泛。在上述两类方法中,常采用Hough变换提取直线特征作为车道线识别的依据。而实现Hough变换的算法复杂度较高且内存需求较大,不利于提高算法实时性。
技术实现思路
本专利技术的目的就是为了解决上述问题,提供了一种基于特征点分段线性拟合的车道线检测方法,首先对输入的道路图像 ...
【技术保护点】
一种基于特征点分段线性拟合的车道线检测方法,其特征是:主要包括以下步骤: 进行图像读取;对读取的图像进行感兴趣区域读取;对提取的感兴趣区域图像进行边缘提取;对提取的边缘图像进行二值化处理;对二值化后的边缘图像提取特征点,得到候选特征点向量集合;对得到的候选特征点向量集合进行滤波,得到滤波后的特征点向量集合; 对滤波后的特征点向量进行分段拟合,得到车道线方程;判断是否识别出车道线方程;对下一帧视频图像中的车道线进行跟踪,输出最终的车道线检测结果。
【技术特征摘要】
1.一种基于特征点分段线性拟合的车道线检测方法,其特征是,具体步骤如下:步骤(1):开始,读取图像;步骤(2):将图像中的感兴趣区域提取出来,并将感兴趣区域图像保存到相应位置;步骤(3):对提取到的感兴趣区域用Sobel算子提取边缘图像;步骤(4):对提取到的边缘图像采用阈值法进行二值化,得到二值化的感兴趣区域道路边缘图像;步骤(5):对二值化的感兴趣区域道路边缘图像进行特征点提取,得到两个候选特征点向量集合;所述步骤(5)的特征点提取方法为:根据车道线具有两条平行且相距较近边缘的特点,通过提取距离图像中心线较近的边缘点实现特征点的提取;步骤(5-1)以二值化的感兴趣区域道路边缘图像ImB的中线l/2为分界线,将ImB分成左右两个图像ImBL和ImBR,并设置ImB坐标轴;步骤(5-2)按从上到下的顺序分别统计ImBL和ImBR中离l/2中线最近边缘点和次近边缘点的距离值以及最近边缘点的坐标;假设ImBL第i行距离中线最近的边缘点坐标为pli=(xi,yi),距离值为dis1,i=l/2-xi,次近边缘点距离中线的距离值为dis2i,则可生成候选特征点向量PLi=[dis2,i,dis1,i,xi,yi];分别统计ImBL和ImBR每一行的特征点向量,生成特征点集合PL={PL1,PL2,…,PLh}和PR={PR1,PR2,…,PRh};当ImBL或ImBR某行中无距离中线最近或次近的边缘点,则该行对应的特征点向量为空;步骤(6):对两个候选特征点向量集合进行滤波去除噪声后,得到滤波后的两个特征点向量集合;所述步骤(6)的对两个候选特征点向量集合进行滤波的方法为通过设置阈值并计算由步骤(5)得到的水平方向特征点间的距离实现特征点的滤波;步骤(6-1)设置特征点向量中最近边缘点距离dis1与次近边缘点距离dis2差值的最大值dismax,当PL中的第i个特征点向量PLi=[dis2,i,dis1,i,xi,yi]满足dis2,i>0且dis2,i-dis1,i≤dismax时,则保留PLi,否则去除该特征点向量PLi;步骤(6-2)假设经上一步滤波后得到的PL和PR分别包含m和n个特征点向量,即PLf1={PL1,PL2,…,PLm}、PRf1={PR1,PR2,…,PRn},其中PLi和PRj中所对应的下标i和j分别表示特征点向量序号,1≤i≤m,1≤j≤n;对于PLf1,依次取其中的特征点向量PLi,当i=1时,PLf1′={PL1};当i>1时,若|dis1,i-dis1,i-1|≤disnmax,则将PLi保存到PLf1′;若|dis1,i-dis1,i-1|>disnmax,则统计PLf1′中特征点的个数num,若num<nmin,则从PLf1中去除PLf1′所包含的特征点,清空PLf1′;其中,为设置的相邻特征点最近距离值之差的最大值,即nmin为设置的最少相邻特征点的个数;经上述滤波过程,可分别获得PL和PR所对应滤波后的特征点集PLf和PRf;步骤(7):对特征点向量集合采用最小二乘法进行分段拟合;步骤(8):判断两个特征点向量集合拟合是否完成,如果完成则进入步骤(9);如果未完成则返回步骤(7);步骤(9):对得到的多条拟合直线判断以识别出车道线方程;步骤(10):判断是否识别出车道线方程,如果是则转步骤11,如果否则返回步骤(9);步骤(11):根据识别出的车道线方程,对下一帧视频图像中的车道线进行跟踪;步骤(12):输出最终的车道线检测结果。2.如权利...
【专利技术属性】
技术研发人员:李敏花,柏猛,吕英俊,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。