Based on image model constrained non-uniform B-spline curve fitting lane detection method, the enhanced lane image is obtained by median filtering and histogram equalization. Secondly, Canny operator is used to detect the edge of the lane image, and then Hough transform line detection is applied to the edge image to improve the edge continuity and reduce the edge continuity at the same time. Secondly, based on the hypothesis that the camera optical axis is parallel to the road plane and the left and right lanes are parallel, the control point estimation model constrained by the lane-camera imaging model is deduced on the basis of the camera geometric imaging model. Finally, the parameters of the non-uniform B-spline curve model are solved by combining the location information of the lane edge pixels to achieve lane line fitting. The invention can effectively improve the positioning accuracy of control points and lane detection accuracy, and improve the robustness of lane detection algorithm based on curve fitting to background interference.
【技术实现步骤摘要】
基于成像模型约束非均匀B样条曲线拟合车道线检测方法
本专利技术属于交通视频检测领域，具体涉及一种基于成像模型约束非均匀B样条曲线拟合车道线检测方法。
技术介绍
当前无人驾驶技术是智能交通领域的研究热点，国内外众多科研院所、企业的大量科研投入大大推进了无人驾驶技术的迅猛发展。车道线作为车辆进行车道保持、变道等驾驶行为的必要信息，是无人车行车环境感知中的一项重要环境数据，因此车道线检测方法的性能优劣对无人车环境感知系统性能乃至整个无人车驾驶系统的安全性有着不可忽视的影响。车道线检测的主要目的是从视频图像中提取车道线的位置信息。目前常用的车道线检测方法大致可分为基于区域、基于特征和基于模型三类，而其中以基于模型的车道线检测方法最为普遍。这类方法通常基于结构化道路的车道线走向可以用特定的数学模型来逼近这一思想，针对直线型、抛物线型、蛇型等不同走向的车道线采用直线、抛物线、双曲线、样条曲线等数学模型来拟合，从而在保证车道线检测准确性的同时大大降低检测成本。其中样条曲线由分段多项式表达，可精确拟合任意形状的曲线，因此在车道线检测中得到了广泛应用。分析相关研究可知控制点的确定是...
【技术保护点】
1.基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，包括以下步骤：步骤一：图像预处理；从卡内基梅隆图像数据库中的车道线标准图像库中获取原始车道线图像I，对原始车道线图像I进行中值滤波去除椒盐噪声，再进行直方图均衡化增强图像的亮度和对比度，使边缘特征突出，得到增强后的车道线图像I1；步骤二：边缘检测；对增强后的车道线图像I1采用Canny算子进行边缘检测，得到初始车道线边缘图像I2；步骤三：Hough直线检测；对步骤二中得到的初始车道线边缘图像I2进行Hough直线检测，保留包含直线检测结果的边缘，去除其余干扰边缘，得到边缘图像I3；步骤四：推导成像模型约束条...
【技术特征摘要】
1.基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，包括以下步骤：步骤一：图像预处理；从卡内基梅隆图像数据库中的车道线标准图像库中获取原始车道线图像I，对原始车道线图像I进行中值滤波去除椒盐噪声，再进行直方图均衡化增强图像的亮度和对比度，使边缘特征突出，得到增强后的车道线图像I1；步骤二：边缘检测；对增强后的车道线图像I1采用Canny算子进行边缘检测，得到初始车道线边缘图像I2；步骤三：Hough直线检测；对步骤二中得到的初始车道线边缘图像I2进行Hough直线检测，保留包含直线检测结果的边缘，去除其余干扰边缘，得到边缘图像I3；步骤四：推导成像模型约束条件；推导得到的成像模型约束条件为：在世界坐标系中长度为ΔY的车道线线段对应的图像坐标系中第u列中的线段长度Δv为：在世界坐标系中宽度为ΔX的左右车道线间距对应的图像坐标系中第v行中的间距宽度Δu为：步骤五：非均匀B样条曲线控制点提取；以对应世界坐标系中ΔY的长度在图像中按成像模型约束设置扫描线，每条扫描线与左右车道边缘的交点即为一对控制点；步骤六：车道线拟合；由步骤五得到非均匀B样条曲线控制点信息，再利用NUBS插值方法对左右车道线进行拟合，完成对车道线的检测。2.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤一中，进行中值滤波时，采用中值滤波函数f^(x,y)为：其中f^(x,y)为中值滤波输出，Sxy表示中心在(x,y)，尺寸为M×N的矩形子图像窗口的坐标组，f(a,b)为坐标为(a,b)的像素灰度值。3.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤一中，进行直方图均衡化时，直方图均衡化函数sk为：其中sk为直方图均衡化输出，rk代表离散灰度级，0≤rk≤255，k＝0,1,2,…,n-1，ni为图像中出现灰度ri的像素数，n是图像中的像素总数，就是概率论中的频数。4.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤二的具体步骤如下：(1)用高斯滤波器平滑图像I1；高斯平滑函数G(x,y)为：用G(x,y)与增强后的车道线图像I1进行卷积，得到平滑图像f1；f1(x,y)＝I1(x,y)*G(x,y)(4)(2)用一阶偏导的有限差分来计算梯度的幅值和方向，得到梯度图像f2；一阶微分卷积模板(3)对梯度幅值进行非极大值抑制，得到非极大值抑制图像f3；在梯度图像f2的每一点上，将8邻域的中心像素S与沿着梯度线的两个象素相比；如果S的梯度值不比沿梯度线的两个相邻像素梯度值大，则令S＝0；(4)用双阈值算法检测和连接边缘；对非极大值抑制图像f3设置两个阈值T1和T2，T1＝0.4T2，将梯度值小于T1的像素的灰度值设为0，得到图像f4；然后将梯度值小于T2的像素的灰度值设为0，得到图像f5；以图像f5为基础，以图像f4为补充，连结图像的边缘，得到初始车道线边缘图像I2。5.根据权利要求1所述的基于成像模型约束非均匀B样条曲线拟合车道线检测方法，其特征在于，步骤三的具体步骤如下：(1)Hough直线检测；对于直角坐标系中的任意一点A(x0,y0)，经过点A的直线满足y＝kx+l(5)其中k是斜率，l是截距，则在X-Y平面过点A(x0,y0)的直线簇均用式(5)表示，对于垂直于X轴的直线斜率是无穷大的则无法表示；因此将直角坐标系转换到极坐标系；在极坐标系中表示直线的方程为ρ＝xcosθ+ysinθ(6)其中ρ为原点到直线的法线距离，θ为法线与X轴的正向夹角；则图像空间中的一点对应极坐标系ρ-θ中的一条正弦曲线；通过检测ρ-θ空间的交集点来检测图像空间中的直线；将ρ，θ离散化，在参数θ对应的每一取值，分别按照公式(6)计算相应的参数ρ的取值，然后在相应的参数累加单元中加1；...
【专利技术属性】
技术研发人员：穆柯楠，赵祥模，王会峰，惠飞，卢勇，杨澜，景首才，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61
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。