【技术实现步骤摘要】
本专利技术属于智能汽车道路检测领域,具体涉及一种基于视觉的道路信息检测及前 方车辆识别方法。
技术介绍
: 智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系 统,它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型 的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性,以及提 供优良的人车交互界面。近年来,智能车辆己经成为世界车辆工程领域研究的热点和汽车 工业增长的新动力,很多发达国家都已将其纳入各自重点发展的智能交通系统当中。道路 信息检测技术一直是智能车驾驶系统的核心环节,是智能交通系统的重要技术。而车道线 及前方车辆的检测与识别是实现这一技术的首要问题。 在此领域内人们提出了许多技术,VisLab研制的无人驾驶车辆ARG0系统使用视 觉作为主要的传感器,通过建立车辆的二自由度动力学模型和预瞄跟随模型,引入反馈监 督信号。因为在图像重建道路环境之后,需要通过复杂的拟合过程才能得到合适的方向盘 输出,所以方法的计算复杂度很高,硬件资源的消耗很大。Tzomakas和Seelen实现了一种 获取路面灰度阈值的方法,但无法解决路面灰度变化的问题。Marola的研究属于基于知识 的方法,此方法的不足之处在于复杂环境下的误检率会明显增加。Wang等人提出基于B样 条的车道线检测方法。得益于样条函数对轮廓表达的任意性,该方法能准确识别直道和弯 道,并对路面阴影具有一定的鲁棒性。B样条的外形定位控制点位于曲线外部,因此收敛需 要多次迭代来完成,增加了系统复杂度。在国内, ...
【技术保护点】
一种基于视觉的道路信息检测及前方车辆识别方法,实现所述方法的系统包括:摄像头,内部安装视频采集卡的测控计算机,由路由器搭建的局域网,规划决策上位机,智能车实验平台;摄像头安装在智能车实验平台的顶棚前方正中位置,通过USB连接所述测控计算机内的视频采集卡,实时采集道路图像;测控计算机对图像进行处理得到的控制参数由路由器搭建的局域网传递给规划决策上位机;规划决策上位机解析上述信息后对实验平台进行控制;其特征在于,所述方法在测控计算机内执行以下步骤:步骤1,图像预处理;步骤1.1,彩色图像灰度化;设原始彩色图像中像素点颜色为RGB(R,G,B),处理后的像素点灰度值为Gray,彩色图像灰度化可表示如下:Gray=R×0.299+G×0.587+B×0.144步骤1.2,单次OTSU法二值化图像;计算灰度图像的特征参数:μ=ω0μ0+ω1μ1σ2(K)=ω0(μ0‑μ)2+ω1(μ1‑μ)2其中,ω0、ω1分别为背景及目标区域像素点灰度值出现的概率,μ0、μ1分别为背景及目标区域像素点的平均灰度值,μ为整体图像灰度的统计均值,σ2(K)为背景区域与目标区域组间方差,K=1,2,3,...,求使 ...
【技术特征摘要】
1. 一种基于视觉的道路信息检测及前方车辆识别方法,实现所述方法的系统包括:摄 像头,内部安装视频采集卡的测控计算机,由路由器搭建的局域网,规划决策上位机,智能 车实验平台;摄像头安装在智能车实验平台的顶棚前方正中位置,通过USB连接所述测控 计算机内的视频采集卡,实时采集道路图像;测控计算机对图像进行处理得到的控制参数 由路由器搭建的局域网传递给规划决策上位机;规划决策上位机解析上述信息后对实验平 台进行控制;其特征在于,所述方法在测控计算机内执行以下步骤: 步骤1,图像预处理; 步骤1.1,彩色图像灰度化; 设原始彩色图像中像素点颜色为RGB (R, G, B),处理后的像素点灰度值为Gray,彩色图 像灰度化可表示如下: Gray = RXO. 299+GXO. 587+BX0. 144 步骤1. 2,单次OTSU法二值化图像; 计算灰度图像的特征参数: μ = ω 〇 μ 〇+ ω 1 μ 1 σ2(Κ) = ω〇(μ〇-μ)2+ωι(μ「μ)2 其中,ω(|、CO1分别为背景及目标区域像素点灰度值出现的概率,μ ρ μ i分别为背景及 目标区域像素点的平均灰度值,μ为整体图像灰度的统计均值,σ 2(K)为背景区域与目标 区域组间方差,K = 1,2, 3,...,求使方差取得最大值时的Κ,得到最优阈值K ; 步骤1. 3,采用Sobel算子进行边缘检测; 设图像经过二值化后像素点坐标为(i,j),对整幅图像进行模板运算,从而得到每个像 素点沿1,7方向的梯度值61^_)和67(^,当满足下式时认为该点为边缘点: Gx|+|Gy| > nThreshold 其中,nThreshold为阈值; 步骤1. 4,图像细化处理; 粗边缘像素有一定的宽度,只保留这个宽度中间的像素,将周围的像素腐蚀掉:对步 骤1. 3检测出的每一个白色像素点进行判断,如果在其八邻域中只有小于k个的白色像素, 说明该点是一个较亮的点,属于边缘宽度中的边缘像素,将这样的像素置为〇 ;k为由实验 确定的正整数; 步骤1.5,确定道路区域; 确定道路区域上界:从图像每一列的第一个像素开始向下检索,找到该列的第一个黑 色像素点,标记它的行数K,在h的最大值上增加 m个像素点得到的行数为处理区域的上 界;m的值由实验确定; 确定道路区域的左右边界:从图像的正中心向左,从最下端一列向上逐行进行搜寻,将 找到的第一个白色点作为道路内边界上的第一个点,然后将直线斜率k作为参数,构建直 线方程;根据直线方程计算该直线上的白色点的个数,将取得最大白色点数的k值作为此 边界拟合直线的斜率;直线斜率确定后,在y值上把直线抬高一个增量b得到左边界的拟合 直线;以相同的方法确定右边界拟合直线;两条直线中间的区域就是道路区域; 步骤2,车道线检测及偏离预警; 采取逐行检索的方法确定车道边界点,采用最小二乘法对边界点进行拟合,获取描述 车道的二次曲线;判断车辆前方道路转弯的方向,对车辆是否偏离车道线进行预警; 步骤3, ROI区域分割; 采用道路区域灰度与双OTSU相结合的方法分割车辆底部阴影,对分割图像进行腐蚀 膨胀处理,填充缺口区域,基于车底阴影获取车辆ROI区域; 步骤4,车辆轮廓识别; 对区域进行以信息熵及对称性为主要参考依据的多特征筛选;采用改进的Robinson 算子对经过筛选后保留下来的部分进行处理,求取灰度变化梯度值,并用Hough变换法识 别车辆外轮廓线。2. 根据权利要求1所述的一种基于视觉的道路信息检测及前方车辆识别方法,其特征 在于,步骤2所述确定车道边界点的方法如下: 从整幅图像的最后一行向上搜索直到上限边界,其纵向跨度为图像高度height ;逐行 检索白色像素的线段,记下第η条线段的长度In ;终止列坐标不超过整幅图像的3/4列的线 段归为左边道路线,起始列坐标不少于整幅图像1/4列的线段归为右边道路线;分别在左 右道路线序列中查找线段相邻两行间的有效行坐标ij和ij+若它们之间的差值大于像素 距离阈值d,说明该条线段属于噪音,则从该序列中剔除;最后,从左右道路线序列中分别 找出其中特征最明显的一条线段,标记该条线段的有效坐标,左侧序列线段为Q 1, J1),右侧 为(i Jr)。3. 根据权利要求1所述的一种基于视觉的道路信息检测及前方车辆识别方法,其特征 在于,步骤2所述判断车辆前方道路转弯的方向的方法如下: 记左右边界直线的交点为(Xc^ytl),左右道路内边界拟合曲线的交点为Uuy1);如 果有Xtl < X1-δ ^,则说明道路在向右转;如果有X(l > Χι+δ ^,则说明道路在向左转;如果 X1- δ ^彡χ〇彡χ1+ δ ^,则说明道路呈直线;δ ^为由实验确定的一个很小的数值。4. 根据权利要求1、2或3所述的一种基于视觉的道路信息检测及前方车辆识别方法, 其特征在于,步骤2所述对车辆是否偏离车道线进行预警的方法如下: 通过车道线拟合算法得到左右车道线的中心标识线,即左右两条车道线夹角的角平分 线;用一个二元一次方程表示车道中心线:其中,V k2分别为左右车道线的斜率; 车辆行驶方向与车道中心线方向的夹角设车辆在当前车道中的横...
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。