一种基于车道线的高速公路路面检测方法技术

本发明专利技术公开了一种基于车道线的高速公路路面检测方法，包括：连续采集视频文件的至少一幅视频帧图像,并根据至少一幅视频帧图像获得目标视频帧图像；对目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像；扫描边缘图像，获得道路区域，并对道路区域进行横向划分得到子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段；根据道路区域顶端的子区域中的所有边缘线段求解灭点，以及根据每一个子区域中斜率最大的直线和斜率最小的直线是否存在交点确定每一个非底端子区域的中间控制点，以及最底端子区域的边界点；根据中间控制点、边界点、灭点，绘制左右车道边缘线。应用本发明专利技术的实施例，提高了对弯道场景的适应性。

A highway pavement detection method based on lane line

The invention discloses a highway road detection method based on lane line, including: at least one video frame image of video file is collected continuously, and the target video frame image is obtained according to at least one video frame image, edge detection is carried out on the target video frame image, and the edge image containing the edge pixels of the road is obtained. Scan the edge image, obtain the road area, and divide the road region into the subregion, and use the probability Hof transform to detect each subregion, obtain the road edge line segment, and solve the vanishing point according to all the edge lines in the subregion of the top of the road area, and according to each subregion. Whether the beeline with the largest slope and the smallest slope has the intersection point to determine the middle control point of each non bottom terminal area and the boundary point of the bottom terminal area; draw the edge line of the left and right lane according to the middle control point, the boundary point and the vanishing point. By applying the embodiment of the invention, the adaptability to the bend scene is improved.

【技术实现步骤摘要】
一种基于车道线的高速公路路面检测方法
本专利技术涉及路面检测领域，特别涉及一种基于车道线的高速公路路面检测方法。
技术介绍
高速公路的智能视频监控，通常只关注画面中路面区域，但监控图像中常包含天空、树木、建筑物等背景，无疑增加了监控算法的计算开销，同时，非路面区域常伴有树叶晃动、光线变化等，这些干扰因素也影响监控的精确度。因此，有必要将提取视频画面中高速公路路面区域作为视频监控的预处理，滤除与路面无关的背景，减少图像中的冗余数据，提高运算速度，避免无关区域中图像信息给后期图像处理带来的干扰，提高检测精度。高速公路用清晰的恒定宽度的白色车道线来界定路面区域和划分车道，则高速公路路面区域提取都可归结为定位道路图像中的车道线，先提取路面的车道线，然后利用车道线将道路图像分割为路面区域和非路面区域。基于上述理念，Wang等人于2004年在《ImageandVisioncomputing》上发表了《ImageandVisioncomputing》假设监控场景中的道路是平行的，用B-snake曲线来拟合车道线，相对样条插值曲线，该方法使得生成的曲线尽量逼近而非通过插值点，拟合出的曲线灵活顺滑但需多次的霍夫变换，不利于控制算法计算量；Jung等人于2005年在《ImageandVisionComputing》上发表了《LaneFollowingandLaneDepartureUsingaLinear-parabolicModel》使用分区域的车道线拟合，近处的道路区域采用线性模型拟合车道线，远处的道路区域使用抛物线模型拟合车道线，但是该算法中远近区域是事先划分好的，自适应性差，使用范围受限；Lipski等人于2008年在《InProceedingsofIEEESouthwestSymposiumonImageAnalysisandInterpretation》发表了《AFastandRobustApproachtoLaneMarkingDetectionandLaneTracking》计算路面图像的局部直方图，提取路面图像的色彩和道路方向等特征信息，该方法虽受道路的形状变化影响小，但监控环境中路面的光照条件的改变、阴影覆盖及车道线清晰度下降等都会影响检测结果；Lee等人于2009年在《InProceedingsof4thInternationalConferenceonComputerSciencesandConvergenceInformationTechnology》上发表了《Effectivelanedetectionandtrackingmethodusingstatisticalmodelingofcolorandlaneedge-orientation》采用车道线颜色和边缘信息获取路面车道线像素并计算边缘信息和HSV空间颜色信息的直方图，用贝叶斯准则对图像中每个像素进行分类，提取车道线像素，并霍夫变换进行拟合；Kong等人于2010年在《IEEETransonImageProcessing》发表了《GeneralRoadDetectionfromASignalImage》利用Gabor滤波来计算出像素点的局部纹理，获取边缘信息，进行霍夫变换，以寻找和定位图像中的路面ROI区域，该方法虽受噪声的影响小但计算复杂度过高。上述方法中基于模型的方法只需求解较少的模型参数，计算量小，对噪声具有较强的鲁棒性，但提取路面区域的正确与否依赖于模型的选择和求解方法，基于车道线特征的方法提取路面区域正确与否与路面特征的选择有着直接关系，且高速公路会有弯道的存在，对整个画面直接进行车道线拟合在该场景下影响左右车道划分准确性。
技术实现思路
本专利技术所要解决的技术问题是提供基于车道线的高速公路路面检测方法，通过采用分区域线段检测，由于高速公路弯道处弯曲程度平滑，小片段的车道线或道路边缘近似于直线段，故分区域线段检测适用高速公路直道场景的路面检测之外，还增加了对弯道场景的适应性。为实现上述目的，本专利技术提供以下的技术方案：一种基于车道线的高速公路路面检测方法，包括如下步骤：连续采集视频文件的至少一幅视频帧图像，并根据所述至少一幅视频帧图像获得目标视频帧图像，其中，所述目标视频帧图像中的任意一个像素点的像素值为所述至少一幅视频帧图像中对应像素点的像素灰度值的平均值；对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像；扫描所述边缘图像，获得道路区域，并对所述道路区域进行横向划分得到子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段；根据所述道路区域顶端的子区域中的所有边缘线段求解灭点，以及根据每一个子区域中斜率最大的直线和斜率最小的直线是否存在交点确定每一个非底端子区域的中间控制点，以及最底端子区域的边界点；根据所述中间控制点、所述边界点、所述灭点，绘制左右车道边缘线，并根据所述车到边缘线确定路面区域。可选的，在所述对所述目标视频帧图像进行图像滤波处理的步骤之前，所述方法还包括：对所述目标视频帧图像进行图像滤波处理；所述对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像的步骤，包括：对滤波处理后的目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像。可选的，所述对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像的步骤，包括：采用Canny边缘检测算子对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像。可选的，所述扫描所述边缘图像，获得道路区域，并对所述道路区域进行横向划分得到子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段的步骤，包括：由上至下逐行扫描所述边缘图像，直至在目标行出现白色像素点，将所述目标行以下的区域确认为道路区域；对所述道路区域进行横向划分为三等分子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段。可选的，所述利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段的步骤，包括：S1：针对每一个子区域，随机选取边缘点绘制参数空间曲线；S2：判断边缘点集中交于目标点的曲线数量是否达到预设阈值，如果否返回S1，如果是执行S3；S3：将边缘点之间距离小于预设距离的点连成线段，并计算线段的长度，在且线段的长度大于长度阈值时确定为边缘线段。可选的，所述方法还包括：判断所述边缘线段是否只出现在一个子区域中，如果是，删除该边缘线段。可选的，所述根据所述道路区域顶端的子区域中的所有边缘线段求解灭点的公式具体表达为：在顶端的区域中检测图像中的灭点，对顶端区域中的所有直线li，i＝1…k，，计算直线li和灭点vp的距离d，采用随机样本一致性算法迭代求解，获取图像的灭点vp，公式如下：其中，li为顶端的子区域中的第i条边缘线段，总共具有k条边缘线段，d为li所在的直线与灭点的距离。可选的，所述根据每一个子区域中斜率最大的直线和斜率最小的直线是否存在交点确定每一个非底端子区域的中间控制点，以及最底端子区域的边界点的步骤，包括：确定所述顶端的子区域中斜率最大的边缘线段所在的第一直线和斜率最小的边缘线段所在的第二直线，中间子区域中斜率最大的边缘线段所在的第三直线和斜率最小的边缘线段所在的第四直线、底部子区域中斜率最大的边缘本文档来自技高网...

【技术保护点】
1.一种基于车道线的高速公路路面检测方法，其特征在于，包括：连续采集视频文件的至少一幅视频帧图像，并根据所述至少一幅视频帧图像获得目标视频帧图像，其中，所述目标视频帧图像中的任意一个像素点的像素值为所述至少一幅视频帧图像中对应像素点的像素灰度值的平均值；对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像；扫描所述边缘图像，获得道路区域，并对所述道路区域进行横向划分得到子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段；根据所述道路区域顶端的子区域中的所有边缘线段求解灭点，以及根据每一个子区域中斜率最大的直线和斜率最小的直线是否存在交点确定每一个非底端子区域的中间控制点，以及最底端子区域的边界点；根据所述中间控制点、所述边界点、所述灭点，绘制左右车道边缘线，并根据所述车道边缘线确定路面区域。

【技术特征摘要】
1.一种基于车道线的高速公路路面检测方法，其特征在于，包括：连续采集视频文件的至少一幅视频帧图像，并根据所述至少一幅视频帧图像获得目标视频帧图像，其中，所述目标视频帧图像中的任意一个像素点的像素值为所述至少一幅视频帧图像中对应像素点的像素灰度值的平均值；对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像；扫描所述边缘图像，获得道路区域，并对所述道路区域进行横向划分得到子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段；根据所述道路区域顶端的子区域中的所有边缘线段求解灭点，以及根据每一个子区域中斜率最大的直线和斜率最小的直线是否存在交点确定每一个非底端子区域的中间控制点，以及最底端子区域的边界点；根据所述中间控制点、所述边界点、所述灭点，绘制左右车道边缘线，并根据所述车道边缘线确定路面区域。2.根据权利要求1所述的一种基于车道线的高速公路路面检测方法，其特征在于：所述对所述目标视频帧图像进行边缘检测的步骤之前，所述方法还包括：对所述目标视频帧图像进行图像滤波处理；所述对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像的步骤，包括：对滤波处理后的目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像。3.根据权利要求2所述的一种基于车道线的高速公路路面检测方法，其特征在于，所述对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像的步骤，包括：采用Canny边缘检测算子对所述目标视频帧图像进行边缘检测，获得包含道路边缘像素点的边缘图像。4.根据权利要求2所述的一种基于车道线的高速公路路面检测方法，其特征在于，所述扫描所述边缘图像，获得道路区域，并对所述道路区域进行横向划分得到子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段的步骤，包括：由上至下逐行扫描所述边缘图像，直至在目标行出现白色像素点，将所述目标行以下的区域确认为道路区域；对所述道路区域进行横向划分为三等分子区域，并利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段。5.根据权利要求4所述的一种基于车道线的高速公路路面检测方法，其特征在于，所述利用概率霍夫变换对每一个子区域进行检测，获得道路边缘线段的步骤，包括：S1：针对每一个子区域，随机选取边缘点绘制参数空间曲线；S2：判断边缘点集中交于目标点的曲线数量是否达到预设阈值，如果否返回S1，如果是执行S3；S3：将边缘点之间距离小于预设距离的点连成线段，并计算线段的长度，在且线段的长度大于长度阈值时确定为边缘线段。6.根据权利要求5所述的一种基于车道线的高...

【专利技术属性】
技术研发人员：廖娟，朱德泉，周平，吴敏，刘路，吴杨，张顺，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：安徽,34