【技术实现步骤摘要】
一种用于无人车的自适应精准车道线检测及偏离预警方法
本专利技术涉及无人驾驶和图像处理
，具体涉及一种用于无人车的自适应精准车道线检测及偏离预警方法。
技术介绍
车道线检测是自动驾驶汽车感知领域重要的一部分，是辅助或自动驾驶汽车车道保持、车道偏离预警的基础。目前，车道线检测的方法有基于激光雷达和基于摄像机两种。激光雷达虽然精度高，但是现阶段其价格昂贵，难以满足自动驾驶普及提出的大规模、低成本、车规级需求；而摄像头价格低廉，精度较高，是目前无人车感知领域的主流设备。基于摄像头的车道线检测方法有许多种，比较传统的方法是利用霍夫变换和映射来找到直线，该方法对直线检测准确度较高，但是无法对车道转弯处的曲线进行检测，而且光照变化和车道线被遮挡对霍夫变换算法的影响较大。另外，霍夫变换算法还有一个缺点就是其计算量大，无法应用在实时的无人车感知系统中。比较新比较热门的方法是利用机器学习的方法，利用机器学习可以较为精确的找到车道线区域，但其缺点就是需要采集大量的车道线图片数据，并且需要人工大量标注。
技术实现思路
针对现有传统车道线检测方法存在的问题和不足，本专利技术提出了一种用于...
【技术保护点】
1.一种用于无人车的自适应精准车道线检测方法，其特征在于，包括以下步骤：步骤1，将车载工业摄像机安装在无人车挡风玻璃前，通过摄像机获取车辆前方图像信息；步骤2，将摄像机获取到的图像进行剪裁，得到要检测的兴趣区域，并对剪裁后的兴趣区域进行预处理；步骤3，对预处理后的兴趣区域粗提取出车道线步骤3.1，统计出兴趣区域中所有像素灰度级分布，将所有像素按照灰度值的大小，统计其出现的频率，得到灰度频率直方图；步骤3.2，任取一个灰度值g，将所述的频率直方图根据g的值分为两部分，并计算这两部分像素所占比和平均值，然后利用Ostu大津算法计算类间方差；步骤3.3，重新选择一个灰度值g，按照...
【技术特征摘要】
1.一种用于无人车的自适应精准车道线检测方法，其特征在于，包括以下步骤：步骤1，将车载工业摄像机安装在无人车挡风玻璃前，通过摄像机获取车辆前方图像信息；步骤2，将摄像机获取到的图像进行剪裁，得到要检测的兴趣区域，并对剪裁后的兴趣区域进行预处理；步骤3，对预处理后的兴趣区域粗提取出车道线步骤3.1，统计出兴趣区域中所有像素灰度级分布，将所有像素按照灰度值的大小，统计其出现的频率，得到灰度频率直方图；步骤3.2，任取一个灰度值g，将所述的频率直方图根据g的值分为两部分，并计算这两部分像素所占比和平均值，然后利用Ostu大津算法计算类间方差；步骤3.3，重新选择一个灰度值g，按照步骤3.2的方法计算类间方差，直至所有灰度值均被选择过；步骤3.4，取最大类间方差时的g值作为阈值来分割整个兴趣区域，大于g值的像素设置为黑色，小于g值的像素设置为白色；步骤4，用曲线拟合在图像中精确找到车道线位置；步骤4.1，对于步骤3处理后的图像进行二次兴趣区域提取，裁减掉图像中的车身部分，得到新的兴趣区域；步骤4.2，将新的兴趣区域用仿射变换转换为俯视图；步骤4.3，将所述的俯视图分为左右两部分，再将每一部分沿水平方向从上到下各分成8个部分，一共把俯视图分为16个部分；步骤4.4，对于俯视图的这16个部分，从每个部分的底侧沿图像的x轴方向做白色像素点的直方图统计；对于每一个部分的直方统计图，找到图中峰值对应的像素点；步骤4.5，以每个部分的直方统计图中峰值像素点左侧的M个像素点作为基点，将每一个基点作为一个正方形检测框的左下角点，如图3所示；如果检测框中的白色像素点数目大于N，则认为检测框里的白色像素点为车道线对应的像素点；步骤4.6，如果检测框里的白色像素点数目小于N，则认为此检测框中不包含车道线，丢弃此检测框；步骤4.7，如果一个检测框被丢弃，则将该检测框对应基点向右移10个像素处的像素点作为新基点，将新基点作为正方形检测框的左下角点，检测此检测框中的白色像素点；步骤4.8，如果在俯视图的16个部分中，有一部分中的正方形检测框被丢弃5次以上，认为此处车道线检测可能被遮挡，则放弃当摄像机获取的当前帧图像的车道线位置检测过程，执行步骤6...
【专利技术属性】
技术研发人员：赵祥模，刘佳琳，孙朋朋，闵海根，徐志刚，刘占文，王润民，程超轶，杨一鸣，高赢，周文帅，方煜坤，
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。