一种对车前图像检测车道直线的方法技术

本发明专利技术一种对车前图像检测车道直线的方法，不需要边缘检测和二值化过程，利用Radon变换精确检测车道线，并利用Fourier理论降低使用Radon变换的算法复杂度，达到实时处理的效果，与其他方法相比，本发明专利技术算法复杂度低，实现简单，实时性强，能够精确提取车道线，抗噪能力强。

【技术实现步骤摘要】

本专利技术涉及图像处理和计算机视觉
，特别涉及一种对车前图像检测车道 直线的方法。
技术介绍
随着汽车用户对汽车实现智能化不断提出需求，人们不但要求汽车具有优良的行 驶性能，而且期望更加安全的汽车驾驶系统，这使得车道偏离预警系统有了很广阔的市场 前景。 在基于单目视觉的车道偏离预警系统中，首先要检测车道线。目前，利用边缘算法 对图像进行二值化，再利用hough变换检测车道直线，最后再拟合车道线是最常用的方法。 Radon变换是以线积分的形式把图像空间投影到Ρ Θ空间（等同于直线的参数空 间），可用于检测灰度图像的直线，Hough变换则是把图像空间中给定的直线按曲线参数表 达式变换成参数空间中的点，然后通过在参数空间中寻找峰值来达到在图像空间中寻找直 线的目的。基于hough变换的直线检测是Radon变换的特例，速度优于radon变换，但准确 度较低。 基于hough变换的直线检测主要针对二值化图像，这就要求边缘检测算法要十分 精确。然而，引入边缘检测算法将带来三个问题：⑴运算复杂度增大；⑵抗噪能力差，误 检率高；(3)在二值化的过程，实际上由于通常意义上难以对一幅图像进行恰当的二值分 害J，因此检测到的车道线二值图像是不连续的，也就带来了 hough车道线检测的精度和拟 合问题。如专利申请号201510064747. 8"基于车道线历史帧的识别方法"，需要设置自适应 阈值进行二值分割，精确度较低，采用hough变换提取直线，抗噪能力差，误检率高。
技术实现思路
本专利技术的目的在于提供，能精确检测车道直 线，不需要边缘检测和二值化过程，算法复杂度低，实时性强，能够精确提取车道线，抗噪能 力强。 本专利技术，包括如下步骤： 步骤1、接收车辆前方图像数据，提取感兴趣区域图像数据，根据Radon变换与傅 里叶Fourier变换的关系建立分数阶Fourier算子： f (X，y)为输入图像，F(u, v)为分数阶Fourier域输出，α，β为不同坐标轴方向 的尺度，（X，y)和（u，ν)分别为空间域和频域坐标，Μ和Ν为图像尺寸，i表示虚数； 步骤2、对分数阶Fourier算子进行高斯滤波，增强Radon变换域的局部最大值： 其中，G。（u，v)为标准差为〇的标准二维高斯函数； 步骤3、对滤波后的每一行数据进行1维反Fourier变换得到Radon域正弦图像： 其中，P和Θ为Radon域的坐标，分别代表极半径和角度； 步骤4、检测Radon域正弦图像中的局部最大值，并通过设定一个阈值筛选出若干 局部最大值点，这些局部最大值点对应于原图像车道直线的特征点； 步骤5、根据步骤4检测出的特征点及其Radon域的坐标，通过极坐标转换求得直 线，并在原图像上沿着该直线判断该直线的两个端点，连接两个端点即求得原图像车道直 线。 由于本专利技术充分考虑了图像边缘检测、二值化、直线拟合对车道直线检测的影响， 提出了，不需要边缘检测和二值化过程，利用Radon 变换精确检测车道线，并利用Fourier理论降低使用Radon变换的算法复杂度，达到实时处 理的效果，与其他方法相比，本专利技术算法复杂度低，实现简单，实时性强，能够精确提取车道 线，抗噪能力强。【附图说明】 图1为本专利技术的流程图； 图2为Radon变换与Fourier变换的关系示意图； 图3为Radon变换原理示意图； 图4为Radon域"正弦"图像； 以下结合附图和实施例对本专利技术做进一步详述。【具体实施方式】 如图1所示，本专利技术，主要包括如下步骤： 步骤1、接收车辆前方图像数据，提取感兴趣区域图像数据，根据Radon变换与傅 里叶（Fourier)变换的关系建立分数阶Fourier算子，如图2所示： f (X，y)为输入图像，F(u, v)为分数阶Fourier域输出，α，β为不同坐标轴方向 的尺度，（X，y)和（u，ν)分别为空间域和频域坐标，Μ和Ν为图像尺寸，i表示虚数； 步骤2、对分数阶Fourier算子进行高斯滤波，增强Radon变换域的局部最大值 (增强边缘信息）： 其中，G。（u，V)为标准差为〇的标准二维高斯函数； 步骤3、对滤波后的每一行数据进行1维反Fourier变换得到Radon域"正弦"图 像，如图3所示： 其中，P和Θ为Radon域的坐标，分别代表极半径和角度，i表示虚数； 步骤4、检测Radon域"正弦"图像（如图4所示）中的局部最大值，并通过设定一 个阈值筛选出若干局部最大值点，这些局部最大值点对应于原图像车道直线的特征点； 步骤5、根据步骤4检测出的特征点及其Radon域的坐标，通过极坐标转换求得直 线，并在原图像上沿着该直线判断该直线的两个端点，连接两个端点即求得原图像车道直 线。 本专利技术的一个应用实例是一个由摄像头、控制器以及传感器组成的车道偏离预警 系统。当车道偏离预警系统开启时，安装在车前挡风玻璃下的一个摄像头实时采集行驶车 道的标识线，通过图像处理获得汽车在当前车道中的位置参数，当检测到汽车偏离车道时， 传感器会及时收集车辆数据和驾驶员的操作状态，之后由控制器发出警报信号。车道偏离 预警系统通过报警的方式辅助驾驶员减少汽车因车道偏离而发生交通事故。 本专利技术的一种车道直线的检测方法的具体实施：车道直线提取单元用于接收车辆 前方影像数据，并解析车道的直线部分及其位置，将车道直线及位置参数送入车道匹配与 预测单元，再计算出当前车辆行驶状况，从而判断是否偏离车道。 采用本专利技术的一种车道直线检测方法，能够精确提取车道直线，抵抗道路磨损、柏 油路、路面汽车的干扰，抗噪能力强，降低误检率。 以上所述，并非对本专利技术的技术范围作任何限制，故凡是依据本专利技术的技术实质 对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本专利技术技术方案的范围内。【主权项】1. ，其特征在于包括如下步骤： 步骤1、接收车辆前方图像数据，提取感兴趣区域图像数据，根据Radon变换与傅里叶 Fourier变换的关系建立分数阶Fourier算子：f(x，y)为输入图像，F(u，v)为分数阶Fourier域输出，α，β为不同坐标轴方向的尺 度，（X，y)和（u, V)分别为空间域和频域坐标，M和N为图像尺寸，i表示虚数； 步骤2、对分数阶Fourier算子进行高斯滤波，增强Radon变换域的局部最大值：其中，G。（u, V)为标准差为σ的标准二维高斯函数； 步骤3、对滤波后的每一行数据进行1维反Fourier变换得到Radon域正弦图像：其中，P和Θ为Radon域的坐标，分别代表极半径和角度； 步骤4、检测Radon域正弦图像中的局部最大值，并通过设定一个阈值筛选出若干局部 最大值点，这些局部最大值点对应于原图像车道直线的特征点； 步骤5、根据步骤4检测出的特征点及其Radon域的坐标，通过极坐标转换求得直线，并 在原图像上沿着该直线判断该直线的两个端点，连接两个端点即求得原图像车道直线。【专利摘要】本专利技术，不需要边缘检测和二值化过程，利用Radon变换精确检测车道线，并利用Fourier理论降低使用Radon变换的算法复杂度，达到实时处理的效果，与其他方法相比，本专利技术算法复杂度低，实现简单，实时性强，能够精确提取车道线，抗噪能力强。【IPC分类】本文档来自技高网...

【技术保护点】
一种对车前图像检测车道直线的方法，其特征在于包括如下步骤：步骤1、接收车辆前方图像数据，提取感兴趣区域图像数据，根据Radon变换与傅里叶Fourier变换的关系建立分数阶Fourier算子：Fα,β(u,v)=Σx=-M/2M/2-1Σy=-N/2N/2-1f(x,y)exp[-2πi(αxuM+βyvN)]]]>f(x,y)为输入图像，F(u,v)为分数阶Fourier域输出，α，β为不同坐标轴方向的尺度，(x,y)和(u,v)分别为空间域和频域坐标，M和N为图像尺寸，i表示虚数；步骤2、对分数阶Fourier算子进行高斯滤波，增强Radon变换域的局部最大值：F~α,β(u,v)=Gσ(u,v)*Fα,β(u,v)]]>其中，Gσ(u,v)为标准差为σ的标准二维高斯函数；步骤3、对滤波后的每一行数据进行1维反Fourier变换得到Radon域正弦图像：Rθ(ρ)=ΣuF~α,β(u,v)exp(2πixu/M)]]>其中，ρ和θ为Radon域的坐标，分别代表极半径和角度；步骤4、检测Radon域正弦图像中的局部最大值，并通过设定一个阈值筛选出若干局部最大值点，这些局部最大值点对应于原图像车道直线的特征点；步骤5、根据步骤4检测出的特征点及其Radon域的坐标，通过极坐标转换求得直线，并在原图像上沿着该直线判断该直线的两个端点，连接两个端点即求得原图像车道直线。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘晨曦，叶德焰，陈从华，杨磊，谢超，
申请(专利权)人：厦门雅迅网络股份有限公司，
类型：发明
国别省市：福建;35