一种应用于智能驾驶的斑马线检测算法制造技术

本发明专利技术涉及一种应用于智能驾驶的斑马线检测算法，采集的原始灰度图像，并提取感兴趣区域；对提取出来的感兴趣区域进行预处理得到二值图；从二值图的第一行开始遍历，提取灰度值，存入数组中，并将数组中的值转化为信号量；判断当前行对应信号量是否为方波信号，如果是，则该信号量为斑马线提取出的信号量，当前行为斑马线的起始行，否则该信号量不为斑马线提取出的信号量，如果是图像最后一行，则遍历结束；查看斑马线标志位，如果标志位为1，则该图中存在斑马线；如果标志位为0，则该图中不存在斑马线。本发明专利技术利用斑马线的纹理信息与黑白颜色信息，将二维灰度判断斑马线转化为一维，降低了数据处理的维度，提高了斑马线识别的速度与准确度。

【技术实现步骤摘要】

本专利技术涉及智能驾驶领域，具体地说是一种应用于智能驾驶的斑马线检测算法。
技术介绍
随着社会的发展，汽车在家庭生活中的作用越来越大。然而，庞大的汽车基数给道路安全问题带来了巨大的隐患。尤其在交通路口，更是事故频发。交通路口道路标示的检测势在必行。而斑马线，作为交通路口标示的重要组成部分，其检测的准确性与实时性尤为重要。目前斑马线的检测主要利用的是斑马线在图像中所呈现的纹理信息和颜色信息。利用纹理信息主要是指斑马线在图像中，呈现一种近似平行的特性。而颜色信息指的是斑马线黑白交错的特点，利用“双极系数”法，计算图像中“黑白”对立区域的方差，来判断图像中是否存在斑马线。双极系数法是道路斑马线判断的常用方法，其基本原理如下。道路斑马线由一组黑白交替、等间隔的条形带构成。斑马线区域最显著的特征就是具有很强烈的灰度对比度和良好的规律性。据此，引入双极系数来表征和量化斑马线区域的灰度对比强烈程度，并通过双极系数值筛选出道路图像中灰度对比强烈的区域进行分析和判断。具体计算方法，详见曹玉珍，刘刚，杨海峰等著“导盲系统中的道路斑马线识别方法”。双极系数法虽然可以检测出目标图像上是否存在斑马线，然而因其需要计算图像中指定“像素块”的双极系数，还需滑动像素块的位置，计算不同区域的双极系数值，导致其计算复杂，计算速度慢，不能满足智能驾驶实时性系统的需求。同时因其在计算过程中，不能给出斑马线的位置，实用性受到了一定限制。
技术实现思路
针对现有技术的不足，本专利技术提供一种应用于智能驾驶的斑马线检测算法，利用斑马线的纹理信息与黑白颜色信息，将二维灰度判断斑马线转化为一维信号量判断斑马线，降低了数据处理的维度，提高了斑马线识别的速度与准确度。本专利技术为实现上述目的所采用的技术方案是：一种应用于智能驾驶的斑马线检测算法，包括以下步骤：步骤1：采集的原始灰度图像，并提取感兴趣区域；步骤2：对提取出来的感兴趣区域进行预处理得到二值图；步骤3：从二值图的第一行开始遍历，提取灰度值，存入数组中，并将数组中的值转化为信号量；步骤4：判断当前行对应信号量是否为方波信号，如果是，则该信号量为斑马线提取出的信号量，当前行为斑马线的起始行，记斑马线标志位为1，执行步骤6；否则该信号量不为斑马线提取出的信号量，并判断当前行是否为图像最后一行；步骤5：如果是图像最后一行，则遍历结束；否则返回步骤4；步骤6：查看斑马线标志位，如果标志位为1，则该图中存在斑马线；如果标志位为0，则该图中不存在斑马线。所述提取感兴趣区域的过程为，一个车道内的梯形的区域，通过行近邻差值法，将该梯形区域转化为矩形区域，即为感兴趣区域。所述行近邻差值法为：将任意长度的行，通过近邻差值，拉伸为指定宽度的行。所述预处理过程为：对感兴趣区域图像进行大尺度均值滤波处理，得到目标图像，然后对目标图像进行二值化处理，得到二值图。所述判断当前行对应信号量是否为方波信号包括以下过程：步骤1：统计信号量中波峰的数量、波峰的长度、波峰的中心距离方差、每个波峰的中心、波峰长度与相邻波谷长度的比值、每个波峰的方差；步骤2：判断波峰的数量是否满足预先设定值；步骤3：判断波峰的长度是否满足预先设定值；步骤4：判断波峰的中心距离方差是否满足预先设定值；步骤5：判断波峰长度与相邻波谷长度的比值是否满足预先设定值步骤6：判断每个波峰的方差是否满足预先设定值所述判断波峰的数量是否满足预先设定值为一个车道内斑马线的个数，即波峰的个数，根据先验性知识可知为4到10个。根据大样本统计可得出，经过抽样后，单个斑马线的宽度，即波峰的长度，在5到15个像素之间，波峰中心距离的方差小于4，波峰与相邻波谷的比值在1到2.5之间，单个波峰所有信号值的方差应小于200。所述斑马线标志位为，记录图像中是否存在斑马线的数，如果图像中存在斑马线，则该位置为1，否则置为0。本专利技术具有以下有益效果及优点：1.斑马线检测的数据量减少，将斑马线的二维灰度信息，平行、黑白对立，转化为一维的信号量信息，类方波。将二维信息，转化为一维信息，降低了数据量。2.斑马线检测的速度加快，因将斑马线二维空间检测转化为处理一维信号量，数据量的减少，使信号量的检测速度大大提高，速度是传统双极系数检测的10-20倍。3.给出斑马线的位置信息，选取一行的灰度信息，转化为信号量用于斑马线的检测，所以可以给出图像从存在斑马线所在的位置，用于给车主预警。附图说明图1是本专利技术的方法流程图；图2是本专利技术的“梯形”感兴趣区域图；图3是本专利技术的感兴趣区域图像；图4是本专利技术的二值图；图5是本专利技术的信号量图。具体实施方式下面结合附图及实施例对本专利技术做进一步的详细说明。本专利技术的流程图如图1所示。在采集的原始灰度图像中，画定一个预期检测到斑马线的区域，并利用抽样等手段，将目标区域提取出来，得到目标图，完成感兴趣区域的提取。对目标图进行预处理，排除噪点的干扰，抵抗光照等操作，得到处理后的目标图，对处理后的目标图进行二值化操作，得到二值图，完成图像的预处理。提取二值图的第一行灰度值，存在一个数组中，用于后续检测。将数组中的值转化为一个信号量，如果目标域为斑马线，该信号量会呈现出一种类方波的波动，完成图像信息到信号量的转变。判断信号量是否为斑马线。如果该信号量是斑马线，则程序结束，斑马线存在的标志位为1，当前行为斑马线的起始行。如果不是斑马线，判断当前行是否为图像最后一行，如果是，程序结束，输出目标区域不存在斑马线，如果当前行不是图像最后一行，提取下一行的灰度信息，重复上述操作，直到图像最后一行处理完。如图2所示为本专利技术的感兴趣区域图。为保证图像的清晰度，智能驾驶车载摄像头的清晰度较高，在200W-500W之间，每秒10-20帧。数据量较大，直接用原图进行斑马线检测，速度慢，不能满足智能驾驶系统的实时性需求。因此，需要从原图中提取需要的信息，降低数据量。提取单元，首先在原始图像中，画出一个感兴趣梯形区域。画定区域的原则为，梯形的两条腰在车道线的外侧，梯形的下底与图像低相差100个像素左右，梯形的上底根据实际检测距离的需求来确定。以此为根据，在图像中选定斑马线可能存在的目标区域。如图3所示为本专利技术的感兴趣区域图像。提取感兴趣区域，感兴趣区域为一个车道内的区域，在原图中体现为一个梯形的区域。通过“行近邻差值”的方法，本文档来自技高网...

【技术保护点】
一种应用于智能驾驶的斑马线检测算法，其特征在于，包括以下步骤：步骤1：采集的原始灰度图像，并提取感兴趣区域；步骤2：对提取出来的感兴趣区域进行预处理得到二值图；步骤3：从二值图的第一行开始遍历，提取灰度值，存入数组中，并将数组中的值转化为信号量；步骤4：判断当前行对应信号量是否为方波信号，如果是，则该信号量为斑马线提取出的信号量，当前行为斑马线的起始行，记斑马线标志位为1，执行步骤6；否则该信号量不为斑马线提取出的信号量，并判断当前行是否为图像最后一行；步骤5：如果是图像最后一行，则遍历结束；否则返回步骤4；步骤6：查看斑马线标志位，如果标志位为1，则该图中存在斑马线；如果标志位为0，则该图中不存在斑马线。

【技术特征摘要】
1.一种应用于智能驾驶的斑马线检测算法，其特征在于，包括以下步骤：
步骤1：采集的原始灰度图像，并提取感兴趣区域；
步骤2：对提取出来的感兴趣区域进行预处理得到二值图；
步骤3：从二值图的第一行开始遍历，提取灰度值，存入数组中，并将数组
中的值转化为信号量；
步骤4：判断当前行对应信号量是否为方波信号，如果是，则该信号量为斑
马线提取出的信号量，当前行为斑马线的起始行，记斑马线标志位为1，执行步
骤6；否则该信号量不为斑马线提取出的信号量，并判断当前行是否为图像最后
一行；
步骤5：如果是图像最后一行，则遍历结束；否则返回步骤4；
步骤6：查看斑马线标志位，如果标志位为1，则该图中存在斑马线；如果
标志位为0，则该图中不存在斑马线。
2.根据权利要求1所述的应用于智能驾驶的斑马线检测算法，其特征在于：所
述提取感兴趣区域的过程为，一个车道内的梯形的区域，通过行近邻差值法，
将该梯形区域转化为矩形区域，即为感兴趣区域。
3.根据权利要求2所述的应用于智能驾驶的斑马线检测算法，其特征在于：所
述行近邻差值法为：将...

【专利技术属性】
技术研发人员：田雨农，蔡春蒙，周秀田，于维双，陆振波，
申请(专利权)人：大连楼兰科技股份有限公司，
类型：发明
国别省市：辽宁;21