一种基于单目视觉的车道线与前方障碍物检测方法技术

一种基于单目视觉的车道线与前方障碍物检测方法，本发明专利技术涉及车道线检测与前方障碍物检测方法。本发明专利技术的目的是为了解决现有技术对车道线检测不准确以及前方障碍物检测精度低的缺点。具体过程为：一、采用车载CCD摄像机获取原始图像，对原始图像进行灰度处理，得到灰度图像；二、对灰度图像进行预处理，得到去除杂波后的二值化图像；三、对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；四、根据三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；五、对四得到的拟合车道线内进行障碍物检测。本发明专利技术用于图像处理技术领域。

【技术实现步骤摘要】
一种基于单目视觉的车道线与前方障碍物检测方法
本专利技术涉及车道线检测与前方障碍物检测方法。涉及图像处理

技术介绍
车道线是最基本的交通标志，同时也是车道偏离系统中一个基本、必须的功能。它不仅为导航提供参照，而且应用于运动目标检测、汽车事故预警等功能。绝大部分的车道偏离系统都将车辆在车道内的横向位置作为计算告警发生与否的一个基础。这些系统可分为两类：基于道路基础构造的系统以及基于车辆的系统。而基于单目视觉的车道线检测属于后者。基于车辆的车道偏离警告系统是利用机器视觉或红外传感器检测车道标识的位置，按照传感器的安装方式可分为俯视系统和前视系统。1)俯视系统的优势就是在结构化的道路上效率高并简单易行，并有可能取得更高的定位精度，其缺点在于只能在结构化的道路上使用；2)前视系统的优势在于利用更多的道路信息，在没有道路标识的道路上也可以使用。其不利因素就是用来定位车辆横向位置的一些图像特征点可能被其他车辆或行人干扰；2012年MatthiasZobel等人提出了一种基于图像的车道线检测思想，可以在没有车道线标志存在时检测实际的行驶边界，但在使用单目视觉图像时需要连续的生成图像序列(USPatentNo.9257045)；2014年，TeaWonHan等人基于Hough变换提出了一种直线车道线的检测方法，但需要提前知道车道的宽度且不能对远区的弯曲车道进行拟合(USPatentNo.9245188)；以上问题导致车道线检测不准确以及前方障碍物检测精度低。
技术实现思路
本专利技术的目的是为了解决现有技术对车道线检测不准确以及前方障碍物检测精度低的缺点，而提出一种基于单目视觉的车道线与前方障碍物检测方法。一种基于单目视觉的车道线与前方障碍物检测方法具体过程为：步骤一、采用车载CCD摄像机获取原始图像，对原始图像进行灰度处理，得到灰度图像；步骤二、对灰度图像进行预处理，得到去除杂波后的二值化图像；步骤三、对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；步骤四、根据步骤三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；步骤五、对步骤四得到的拟合车道线内进行障碍物检测。本专利技术的有益效果为：本专利技术首先输入车载摄像机一帧图像，而后进行图像二值化和图像滤波，进行车道线初始检测，检测是否压线并判决报警，车道线拟合，障碍物检测。通过对高速公路上汽车左右车道线的检测与拟合及其前方车辆的检测，该技术方案可实现车道偏离预警及前方障碍物预警，提醒驾驶者及时修正自己的驾驶方向及速度，提高驾驶安全性。为了克服上述现有技术的不足，本专利技术提供了一种基于车载CCD摄像机获取的QVGA灰度图像、机器视觉(MachineVision)和图像处理算法的车道线检测与前方障碍物测距技术。本专利技术围绕着高速公路车道偏离预警系统的系统建模理论、视觉感知算法、决策算法和实际实验验证这一研究主线进行系统地分析，以期能够更加快速，准确的提供车道线和障碍物信息，提高驾驶安全性。解决了现有只能在结构化的道路上使用、用来定位车辆横向位置的一些图像特征点可能被其他车辆或行人干扰、使用单目视觉图像时需要连续的生成图像序列、需要提前知道车道的宽度且不能对远区的弯曲车道进行拟合的问题。(1)灰度图像二值化采用基于行的局部阈值分割，大幅度提高了分割的准确性，具有更强的实时性和鲁棒性。(2)采用DLD算法处理，有效提高车道线识别在阴雨天气下的识别精度，经过将经典边缘检测算法处理图与经过DLD算法处理后的结果图比较后得知，由于大面积路面非车道线标志物被去除，解决了车道线检测不准确以及前方障碍物检测精度低的问题，本专利技术可以准确检测车道线，对车道线的检测精度提高了15％左右；(3)对左右两个部分进行梯形区域分割，霍夫变换的总计算量与分割区域的块数近似成反比，将左右部分分割成小的区域，可以大幅度减少霍夫变换的总计算量；(4)由霍夫变换检测的两条直线来确定感兴趣区域(AreaofInterest,AOI)。在这之后，我们便不需要对整个图像区域进行操作，只需要在此区间内进行后续操作即可。(5)在车辆底部阴影检测中，由于实际行驶环境错综复杂，既有路况的变化，也有天气、光照的变化，底部阴影很容易受到干扰，导致采用单一阈值二值化的处理效果下降，提取目标特征的同时也会保留不少其他非感兴趣的图像元素，不利于后续识别。因此本专利技术采用自适应双阈值法检测车辆底部阴影，然后再确定阴影位置，即可相应确定前方车辆障碍物的位置。由附图2a、2b可以明显看出车道线被明显提取出来，附图4a、4b说明滤波算法有效地去除了车道线以外的白色亮点，达到了去噪的目的，附图6a、6b、6c显示应用DLD算法将道路信息中大片白色区域视为转弯标志而加以去除，仅留下车道线信息；图6a为普通边缘检测算法处理后的图，可见存在较大误差；图6b为本专利技术采用的边缘检测图，较之传统边缘检测方法边缘提取更好，提高了一定准确度，但与图6c中DLD算法处理后(后图)比较明显左转弯标识会对车道线检测进行干扰；附图13表示将整条车道线拟合成功；附图14a、14b体现车辆底部阴影检测效果较为明显，能够很好地完成障碍物检测的要求。附图说明图1为本专利技术流程图；图2a为原始灰度图；图2b为二值化处理效果图；图3为近邻法去除杂波流程图；图4a为杂波处理前的二值化效果图；图4b为近邻法去除杂波后的二值化效果图；图5为DLD算法流程图，DLD为暗-亮-暗；图6a为普通边缘检测算法处理后的图；图6b为本专利技术采用的边缘检测图；图6c为本专利技术采用DLD算法处理后实际效果图；图7a为原始图像点空间示意图，Hough为霍夫变换；图7b为对图7aHough变换后的参数空间示意图；图8为Hough变换区域分割图；图9a为左压线情况示意图；图9b为压中间线情况示意图；图9c为右压线情况示意图；图10为压线判定流程图；图11为图像近场与远场区定义；图12a为初始检测得到的车道线检测算法示意图；图12b为远区弯道检测算法示意图；图13为车道线拟合结果；图14a为原始灰度图；图14b为采用自适应双阈值检测法对车辆底部阴影检测后的效果图；图15为前方障碍物检测算法流程图。具体实施方式具体实施方式一：结合图1说明本实施方式，本实施方式的一种基于单目视觉的车道线与前方障碍物检测方法具体过程为：步骤一、采用车载CCD摄像机获取原始图像，对原始图像进行灰度处理，得到灰度图像；步骤二、对灰度图像进行预处理，得到去除杂波后的二值化图像；步骤三、对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；步骤四、根据步骤三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；步骤五、对步骤四得到的拟合车道线的内部进行障碍物检测。具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二中对灰度图像进行预处理；预处理包括灰度图像二值化和滤波；得到去除杂波后的二值化图像；具体过程为：步骤二一、对灰度图像进行二值化预处理，得到二值化图像；具体过程为：步骤二二、对二值化图像进行滤波预处理，得到去除杂波后的二值化图像。其它步骤及参数与具体实施方式一相同。具体实施方式三：本本文档来自技高网...

【技术保护点】
一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：该方法具体过程为：步骤一、采用车载CCD摄像机获取原始图像，对原始图像进行灰度处理，得到灰度图像；步骤二、对灰度图像进行预处理，得到去除杂波后的二值化图像；步骤三、对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；步骤四、根据步骤三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；步骤五、对步骤四得到的拟合车道线的内部进行障碍物检测。

【技术特征摘要】
1.一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：该方法具体过程为：步骤一、采用车载CCD摄像机获取原始图像，对原始图像进行灰度处理，得到灰度图像；步骤二、对灰度图像进行预处理，得到去除杂波后的二值化图像；步骤三、对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；步骤四、根据步骤三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；步骤五、对步骤四得到的拟合车道线的内部进行障碍物检测。2.根据权利要求1所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤二中对灰度图像进行预处理；得到去除杂波后的二值化图像；具体过程为：步骤二一、对灰度图像进行二值化预处理，得到二值化图像；步骤二二、对二值化图像进行滤波预处理，得到去除杂波后的二值化图像。3.根据权利要求2所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤二一中对灰度图像进行二值化预处理，得到二值化图像；具体过程为：采用灰度阈值分割算法对灰度图像每一行进行处理，每一行灰度阈值定在每一行最大灰度值与该行平均灰度值之间，即：RowAvg[i]<T[i]<MaxGray[i]；其中：RowAvg[i]为第i行的平均灰度值；MaxGray[i]为第i行的最大灰度值；T[i]为第i行灰度阈值；i取值为正整数；选定一个比例因子R，0<R<1，定义T[i]＝RowAvg[i]+(MaxGray[i]-RowAvg[i])*R*为乘号。4.根据权利要求3所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤二二中对二值化图像进行滤波预处理，得到去除杂波后的二值化图像；具体过程为：采用近邻法去除杂波：取二值化图像的灰度值不为0的点P周围8个点，将二值化图像分为近区、中区、远区和极远区四个部分；若二值化图像处于近区时8个点中不为0的点数小于4则判断点P为杂波并去除；若二值化图像处于中区时8个点中不为0的点数小于3则判断点P为杂波并去除；若二值化图像处于远区时8个点中不为0的点数小于2则判断点P为杂波并去除；若二值化图像处于极远区时8个点中不为0的点数小于1则判断点P为杂波并去除；得到去除杂波后的二值化图像。5.根据权利要求4所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤三中对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；具体过程为：步骤三一、筛选车道线区域；步骤三二、在步骤一的基础上进行基于霍夫变换的近半区车道线初始检测；步骤三三、根据近半区车道线初始检测结果在左右车道线都存在时采用压线判定算法进行压线报警检测。6.根据权利要求5所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤三一中车道线区域的筛选；过程为：采用Dark-Light-Dark,即DLD算法进行筛选，包括以下步骤：1)确定参数参数包括：a、根据车道线在图像中的宽度确定每一行DLD操作时操作点与左右两个领域点的距离；b、用于与灰度差的最小值作比较的门限值；2)计算去除杂波后的二值化图像每行内各点与相邻左右固定距离点灰度差；固定距离为根据车道线在图像中的宽度确定每一行DLD操作时操作点与左右两个领域点的距离；3)求每行内各点与相邻左右固定距离点灰度差的最小值；4)比较最小值与门限值大小，若最小值大于门限值则保留该点的灰度值不变，若小于门限值则设置该点灰度值为零。7.根据权利要求6所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤三二中基于霍夫变换的近半区车道线初始检测；具体过程为：1)将二值化图像近半区车道线平均分成左右两个部分，将左半部分和右半部分分别用斜率为-1和+1的18条直线各分割为17个梯形区域；2)分别在左右部分按照从1到17的顺序对每个梯形区域内的点运用霍夫变换进行直线检测，得到霍夫变换检测到的直线Lhough，检测时将车道线直线斜率对应角度限制在[20,75]度之间；3)设定门限，判定左右部分是否存在车道线，并估计出车道线直线的位置参数；过程为：如果某一个梯形区域中最长的直线对应的霍夫变换积累点数不超过20个点，则认为不存在车道线，否则存在车道线并记录下车道线直线对应的斜率和截距，根据车道线直线对应的斜率和截距，估计出车道线直线的位置。8.根据权利要求7所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤三三中根据近半区车道线初始检测结果在左右车道线都存在时采用压线判定算法进行压线报警检测具体过程为：1)计算存在车道线区域下边缘左车道线与中间线距离AO，AO值与阈值进行比较以检测是否左车道线压线；若AO值小于阈值，则判定为左车道线压线；若AO值大于等于阈值，则判定左车道线不压线；阈值为人为设定；2)计算存在车道线区域下边缘左右车道线所围三角形的两个底角之和Φ，若Φ值小于角度阈值，则判定为车辆压着中间的车道线；若Φ值大于等于角度阈值，则判定为车辆不压着中间的车道线；所述角度阈值为60度；3)计算存在车道线区域下边缘右车道线与中间线距离BO，BO值与某阈值进行比较以检测是否右车道线压线，若BO值小于阈值，则判定为右车道线压线；若BO值大于等于阈值，则判定右车道线不压线。9.根据权利要求8所述一种基于单目视觉的车道线与前方障碍物检测方法，其特征在于：所述步骤四中根据步骤三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；具体过程为：选用的车道线模型为直线-抛物线模型：近视场区域为直线车道线模型，远视场区域为抛物线车道线模型：

【专利技术属性】
技术研发人员：高建军，宿富林，徐新博，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23