The invention provides a robust real-time lane detection algorithm based on ROI, in order to achieve corner detection, image separation into two parts, and are called close regional and regional vision, respectively. The model is solved by Hough and hyperbola. In the whole image adopts horizontal gradient filter, to improve the computing speed to achieve the purpose of real-time detection, and the use of regional statistical sliding ROI window strategy for gradient direction of the lane boundary graph angle, boundary noise eliminating abnormal gradient angle, in order to ensure the correct rate of lane detection; used in the prospect area in hyperbola in the model, the main parameters in the model as close to the initial parameters, and finally through the search strategy to ultimately determine the parameters of K, detect the corners. This algorithm has better robust performance in complex traffic and environment, and can provide lane information in real time.
【技术实现步骤摘要】
一种基于ROI的强鲁棒性实时车道侦测算法
本专利技术涉及行车用安全侦测领域,具体涉及一种基于ROI的强鲁棒性实时车道侦测算法。
技术介绍
最近,ITS变的流行起来,因为人们更多的关注车辆安全方面。有很多关于ITS的基于视觉的研究课题,包括障碍探测、行人避让、车道线偏离警示、防碰撞等。在这些具有挑战性的任务里,车道线检测是ITS最重要的部分之一。这项技术的主体是通过一些特性从复杂的环境中分离出车道线资讯;然而,绝大多数的已经存在的车道线检测技术对恶劣天气及树林阴影的影响很敏感。车道线检测是智能交通系统(ITS)里的一个重要组成部分,提出了一种在复杂环境下的弯道检测系统,例如:树荫、复杂路况、路上有路标。当前的研究已经用不同的技术实现了车道线的检测,例如:基于颜色的算法、基于边缘的算法、基于柱状图的算法、基于视角转换的算法、基于模型的算法。然而,基于颜色的算法用只用了一个全局的阈值或特定的颜色信息去提取车道线标示,但这可能在有阴影或者天气不好的时候收到影响。对于基于边缘的算法,难点在于消除噪音边缘。尽管有文献提出算法详细讨论了整个问题,但是还存着很多不足。对于基于柱状的算法,他们仅仅能在车前没有其它车辆及其路标的时候才能运行。基于视角转换的算法,难点在于矫正摄像头,并且这种算法在斜坡及有风的情况下没有效率。基于模型的算法用模型代替车道线,它对于噪音较多及车道线资讯消失的时候具有更好的鲁棒性。为了接收更为可靠的模型参数,应用更好的噪音剔除算法。
技术实现思路
为了解决上述问题,本专利技术提供了一种基于ROI的强鲁棒性实时车道侦测算法,首先侦测第一张影像以提取自适应阈 ...
【技术保护点】
一种基于ROI的强鲁棒性实时车道侦测算法,其特征在于:所述算法具体包括以下步骤:步骤一、首先侦测第一张影像以提取初始自适应阈值;步骤二、并在摄取的影像上建立坐标系,左上角为原点,横向为x轴,纵向为y轴;靠近影像底部的部分称为近景区域,远离的部分称为远景区域;步骤三、采用带有自适应阈值的横向梯度算子对影像灰度图进行车道线资讯过滤,首先进行车道资讯提取:在进行车道边缘检测之前将RGB图像转换成灰阶图,从RGB模型转成灰阶图的公式为:
【技术特征摘要】
1.一种基于ROI的强鲁棒性实时车道侦测算法,其特征在于:所述算法具体包括以下步骤:步骤一、首先侦测第一张影像以提取初始自适应阈值;步骤二、并在摄取的影像上建立坐标系,左上角为原点,横向为x轴,纵向为y轴;靠近影像底部的部分称为近景区域,远离的部分称为远景区域;步骤三、采用带有自适应阈值的横向梯度算子对影像灰度图进行车道线资讯过滤,首先进行车道资讯提取:在进行车道边缘检测之前将RGB图像转换成灰阶图,从RGB模型转成灰阶图的公式为:;其中R,G,B为数值分布在[0,255]的分量;然后采用横向梯度算子的遮罩的方式进行车道线侦测,阈值采用自适应阈值,其遮罩为:步骤四、开设ROI提取有效车道资讯:步骤4.1影像的梯度值及其方向表示为:其中,和分别代表横向及纵向上的梯度,其运算遮罩如下所示:步骤4.2将范围设置为,并将其量化为180个角度,即每一个角度为,计算方向角,若不在内,则被当做噪音车道线资讯并消除;步骤4.3利用保留的像素点进行初步hough转换,初步确定车道线资讯,并沿初步车道线资讯设置若干个具有一定ROI范围的滑动的窗口,并对逐个滑动窗口执行步骤4.2,分析排除可能是车道线以外的孤立杂讯;步骤4.4从第二张影像开始,采用车道线资讯在前后张影像中位移动量小的特性,将本张影像与前数张影像进行比对,提取最有效的车道线信息以便减少后续直线车道拟合中Hough转换的运算量;步骤五、直道及弯道拟合:(1)直道拟合在影像近景区域采用Hough对直线车道进行拟合,其公式如下:拟合采用Hough转换方法,具体步骤如下:a)首先建立、各角度及的数据库表,用于Hough转换搜查,以减少运算量;b)获得车道线资讯图E及数据集S,,其中m为车道线资讯像素点...
【专利技术属性】
技术研发人员:陈孟元,柴灿,郎朗,
申请(专利权)人:安徽工程大学,
类型:发明
国别省市:安徽,34
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。