基于动态感兴趣区域的鲁棒性车道线检测方法技术

本发明专利技术涉及一种基于动态感兴趣区域的鲁棒性车道线检测方法，包括如下步骤：S10、进行车道动态感兴趣区域初始化；S20、将当前帧中的车道线感兴趣区域由近到远划分成直线识别区域和曲线识别区域；S30、针对所述直线识别区域和曲线识别区域进行车道线边缘特征点预提取，再通过拟合算法获得直线识别区域的直线车道参数以及曲线识别区域的曲线车道参数，绘画拟合车道线；S40、根据当前帧的拟合车道线参数,利用卡尔曼滤波预测下一帧图像中的动态感兴趣区域DROI。本发明专利技术基于DROI，采用RANSAC算法，可以有效地提取复杂工况下的车道线内侧边缘信息，该方法的抗干扰性、准确性相有着明显的改善与提高；同时利用卡尔曼预测及帧间关联约束，可实现实时、鲁棒的车道线跟踪。

【技术实现步骤摘要】
基于动态感兴趣区域的鲁棒性车道线检测方法
本专利技术涉及智能驾驶以及ADAS智能辅助驾驶系统领域，特别涉及一种基于动态感兴趣区域的鲁棒性车道线检测方法。
技术介绍
智能交通系统（IntelligentTransportationSystem，ITS）及高级驾驶辅助系统（AdvancedDriverAssistanceSystem，ADAS）的飞速发展，为驾驶人员的行车安全提供了重要的保障。车道线检测作为ADAS系统中的一项关键技术，在辅助行车安全方面扮演者不可或缺的角色，进而也吸引着国内外学者对其进行了深入的研究。然而，针对夜间能见度低，阴影、灯光、障碍物干扰等复杂工况下的车道线检测，其仍然存在鲁棒性低，实时性差等难题。因此，提出一种快速、鲁棒的车道线检测方法，将有利于在面对复杂的行车路况下，提高驾乘人员的行车安全性。
技术实现思路
本专利技术为了解决上述技术问题，提供一种基于动态感兴趣区域的鲁棒性车道线检测方法。一种基于动态感兴趣区域的鲁棒性车道线检测方法，包括如下步骤：S10、获得当前帧的待识别图像数据，进行车道感兴趣区域初始化；S20、将当前帧中的车道线感兴趣区域由近到远划分成相连的第一区域、第二区域以及第三区域，并将第一区域和第二区域组成直线识别区域，将第二区域和第三区域组成曲线识别区域；S30、针对所述直线识别区域和曲线识别区域进行车道线边缘特征点预提取，再通过拟合算法获得直线识别区域的直线车道参数以及曲线识别区域的曲线车道参数，绘画拟合车道线；S40、根据当前帧的拟合车道线利用卡尔曼滤波预测下一帧图像中第一区域、第二区域以及第三区域的位置。进一步的，所述车道线感兴趣区域初始化中，图像预处理的初始检测区域根据车道线线宽、车道线实线、虚线类型以及车道线直线、曲线分布特点确定。进一步的，所述直线识别区域的拟合方法包括如下子步骤：S301、获取直线区域车道线边缘特征点；S302、通过RANSAC算法（RandomSampleConsensus，随机抽样一致算法）计算当前帧车道直线参数以及消失点坐标。进一步的，所述曲线识别区域的拟合方法包括如下子步骤：S311、获取曲线区域车道线边缘特征点；S312、利用三次曲线模型，完成曲线拟合，并求解三次曲线函数的系数及曲率半径均值。进一步的，所述步骤S30中的绘画拟合车道线的步骤包括：S331、根据当前帧车道直线参数绘制直线车道线；S332、获取上一帧图像中的直线车道线的底部像素点，并以该点作为定点参数，融合到曲线车道线拟合求解中，绘画曲线车道线。进一步的，执行所述步骤S40前还包括如下子步骤：判断求解的车道线、消失点及曲线半径均值是否满足如下所有条件，若满足则执行步骤S40；若不满足，则不输出，并返回步骤S10，处理下一帧图像。条件包括：1）判断拟合车道线中，车道两侧拟合直线斜率乘积小于0；2）计算车道宽度与实际车道宽度的宽度差小于第一阈值；3）消失点坐标处于当前帧图像内。进一步的，所述步骤S40包括如下子步骤：S41、获取当前帧的直线车道线所对应的斜率和截距；S42、获取当前帧的消失点坐标同时当前帧图像消失点与上帧图像消失点的距离小于第三阈值；S43、将步骤S41以及步骤S42的数据作为输入参数，利用卡尔曼滤波进行预测，获得下一帧直线车道线所对应的斜率、截距以及消失点的预测值；S44、根据步骤S43的预测值确定下一帧的第一区域、第二区域以及第三区域。进一步的，执行所述步骤S43后还包括预测校验步骤：S51、判断下一帧直线车道线的斜率、截距的预测值与当前帧的斜率、截距之差是否超过第二阈值，若是则执行步骤S53，否则执行步骤S52；S52、判断预测的下一帧消失点与当前帧消失点的距离是否超过第三阈值，若是则执行步骤S53，否则执行步骤S44；S53、根据上一帧所预测的结果对下一帧的第一区域、第二区域以及第三区域进行确定。进一步的，在步骤S30中，在绘画拟合车道线前还包括校验步骤：S321、判断所预测下一帧的消失点与当前帧消失点的距离是否小于第四阈值，若是则执行步骤S322，否则输出结果但是不执行车道线绘画步骤；S322、判断当前帧的曲率半径均值是都大于第五阈值，若是则输出结果并执行车道线绘画步骤，否则输出结果但是不执行车道线绘画步骤。可选的，所述第一阈值为0.15m；所述第二阈值为（0.1,50），其中数列内第一项为斜率误差值，第二项为截距误差值，单位为像素；所述第三阈值为30，单位为像素；所述第四阈值为30，单位为像素；所述第五阈值为150m。本专利技术的基于动态感兴趣区域的鲁棒性车道线检测方法所起到的有益效果包括：1、基于DROI，利用车道线内侧边缘梯度特性，可以有效地提取复杂工况下的车道线内侧边缘信息，该方法的抗干扰性、准确性相比于最大类间方差（OTSU）、Canny算子等有着明显的改善与提高。2、通过建立DROI，可降低对复杂车道线识别算法的要求，同时可达到车道线区域跟踪的目的。3、利用卡尔曼预测及帧间关联法，可实现实时、鲁棒的车道线跟踪。4、针对复杂工况，基于道路消失点的候选直线样本，利用RANSAC算法进行车道直线检测，可提高其算法准确性，鲁棒性；利用三次曲线模型，结合RANSAC算法，可实现准确的曲线拟合，也可解决拟合车道线“甩动”问题。附图说明图1为本专利技术的方法流程原理图。图2为本专利技术对帧图像识别的DROI区域划分原理图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征更易被本领域技术人员理解，从而对本专利技术的保护范围作出更为清楚的界定。实施例1：一种基于动态感兴趣区域的鲁棒性车道线检测方法，如图1所示。附图1介绍一个本专利技术的整体流程，包括如下步骤：S10、获得当前帧的待识别图像数据，进行车道感兴趣区域初始化，在初始化过程中，车道线感兴趣区域初始化中，图像预处理的初始检测区域根据车道线线宽、车道线实线、虚线类型以及车道线直线、曲线分布特点确定。S20、如图2所示，为了更加准确地进行动态感兴趣区域识别，首先将当前帧中的车道线感兴趣区域由近到远划分成相连的第一区域DROI1、第二区域DROI2以及第三区域DROI3。可以理解的，为了便于区分左车道线感兴趣区域和右车道线感兴趣区域，附图2中分别以L和R来表示左右关系，如LDROI1、RDROI1分别表示第一区域DROI1的左车道线感兴趣区域和右车道线感兴趣区域。之后根据车道的图像识别特性，由于在图像识别过程中，距离车辆较近的车道线其曲率通常较小，因此将第一区域DROI1和第二区域DROI2组成直线识别区域；而在距离车辆较远的车道线由于在图像识别上，弯道曲率特性被放大，因此将第二区域DROI2和第三区域DROI3组成曲线识别区域。在三个区域中，第二区域是共同识别区域，便于完成直线识别区域和曲线识别区域的拟合。S30、在确定直线识别区域和曲线识别区域确定后，针对直线识别区域和曲线识别区域进行车道线边缘特征点预提取。本实施例中，车道线边缘特征点预提取是在感兴趣区域DROI内，利用像素点平均梯度强度及梯度方向的车道边缘提取方法。具体通过约束车道边缘点梯度方向，以车道边缘像素灰度值的标准差作为分割阈值，以像素点的平均梯度强度作为间接分割对象，进行车道边缘提取，然后进行车道线边缘细化，获本文档来自技高网...

【技术保护点】
1.一种基于动态感兴趣区域的鲁棒性车道线检测方法，其特征在于：包括如下步骤：S10、获得当前帧的待识别图像数据，进行车道感兴趣区域初始化；S20、将当前帧中的车道线感兴趣区域由近到远划分成相连的第一区域、第二区域以及第三区域，并将第一区域和第二区域组成直线识别区域，将第二区域和第三区域组成曲线识别区域；S30、针对所述直线识别区域和曲线识别区域进行车道线内侧边缘特征点预提取，再通过拟合算法获得直线识别区域的直线车道参数以及曲线识别区域的曲线车道参数，绘画拟合车道线；S40、根据当前帧的拟合车道线利用卡尔曼滤波预测下一帧图像中第一区域、第二区域以及第三区域的位置。

【技术特征摘要】
1.一种基于动态感兴趣区域的鲁棒性车道线检测方法，其特征在于：包括如下步骤：S10、获得当前帧的待识别图像数据，进行车道感兴趣区域初始化；S20、将当前帧中的车道线感兴趣区域由近到远划分成相连的第一区域、第二区域以及第三区域，并将第一区域和第二区域组成直线识别区域，将第二区域和第三区域组成曲线识别区域；S30、针对所述直线识别区域和曲线识别区域进行车道线内侧边缘特征点预提取，再通过拟合算法获得直线识别区域的直线车道参数以及曲线识别区域的曲线车道参数，绘画拟合车道线；S40、根据当前帧的拟合车道线利用卡尔曼滤波预测下一帧图像中第一区域、第二区域以及第三区域的位置。2.根据权利要求1所述的鲁棒性车道线检测方法，其特征在于，所述车道线感兴趣区域初始化中，图像预处理的初始检测区域根据车道线线宽、车道线实线、虚线类型以及车道线直线、曲线分布特点确定。3.根据权利要求1所述的鲁棒性车道线检测方法，其特征在于，所述直线识别区域的拟合方法包括如下子步骤：S301、获取直线区域车道线边缘特征点；S302、通过RANSAC算法计算当前帧车道直线参数以及消失点坐标。4.根据权利要求1所述的鲁棒性车道线检测方法，其特征在于，所述曲线识别区域的拟合方法包括如下子步骤：S311、获取曲线区域车道线边缘特征点；S312、利用三次曲线模型，完成曲线拟合，并求解三次曲线函数的系数及曲率半径均值。5.根据权利要求3所述的鲁棒性车道线检测方法，其特征在于，所述步骤S30中的绘画拟合车道线的步骤包括：S331、根据当前帧车道直线参数绘制直线车道线；S332、获取上一帧图像中的直线车道线的底部像素点，并以该点作为定点参数，融合到曲线车道线拟合求解中，绘画曲线车道线。6.根据权利要求1所述的鲁棒性车道线检测方法，其特征在于，执行所述步骤S40前还包括如下子步骤：判断求解的车道线、消失点及曲线半径均值是否满足如下所有条件，若满足则执行步骤S40；若不满足，则不输出，并返回步骤S...

【专利技术属性】
技术研发人员：胡坤福，罗作煌，
申请(专利权)人：惠州市德赛西威汽车电子股份有限公司，
类型：发明
国别省市：广东,44