一种基于边缘特征及滑动窗的车道线检测方法技术

本发明专利技术公开了一种基于边缘特征及滑动窗的车道线检测方法，包括如下步骤：S1使用车载摄像机从不同角度拍摄多张棋盘格照片，利用张氏标定法进行畸变系数计算，对待检测图像进行校正得到校正图像；S2对校正图像进行透视变换，得到路面俯视图；S3在路面俯视图中提取HLS颜色特征和使用Sobel算子提取边缘特征，组合两种特征实现车道线分割；S4采用二次曲线作为车道线模型使用滑动窗多项式拟合来求解车道线的二次曲线参数；S5绘制二次多项式拟合的车道线，并使用逆透视变换反投影到校正图像，实现车道线检测在校正图像上的可视化效果。本发明专利技术能够兼顾实时性和鲁棒性，可以简单快速实现车道线检测。

A lane detection method based on edge feature and sliding window

【技术实现步骤摘要】
一种基于边缘特征及滑动窗的车道线检测方法
本专利技术涉及自动驾驶图像处理
，具体涉及一种基于边缘特征及滑动窗的车道线检测方法。
技术介绍
随着汽车产业与公路交通建设的快速发展，交通安全问题日趋严重，运用计算机技术手段对车辆驾驶系统进行辅助成为未来发展的一种趋势，通过实现汽车的智能化，逐步实现汽车的自动驾驶。基于视觉信息的车道线识别与检测是自动驾驶领域中一个重要的问题，其需要从车载摄像机拍摄的视频或者数字图像信息中，将车道线与道路背景进行快速准确地分离，进一步获得车道线位置及走向信息。目前国内外现有的车道线检测方法主要可分为基于模型的方法和基于特征的方法。基于模型的方法主要是基于不同的车道线曲线模型，如直线模型，二次曲线模型、双曲线模型等，获取车道线特征图中位于车道线上的像素点，使用Hough变换等来拟合车道线曲线模型的参数，根据曲线模型参数来获取车道线位置即走向信息。其特点是使用较多且复杂的参数建立车道线模型，对于较为复杂的车道线实用性较差，算法设计也存在较大的复杂度，一定程度上降低了算法检测的鲁棒性和实时性。基于特征的方法主要是本文档来自技高网...

【技术保护点】
1.一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，包括如下步骤：/nS1：使用车载摄像机从不同角度拍摄多张棋盘格照片，利用张氏标定法进行畸变系数计算，根据畸变系数对车载摄像机拍摄的待检测图像进行畸变校正，得到校正图像；/nS2：对校正图像进行透视变换，得到路面俯视图；/nS3：在路面俯视图中提取HLS颜色特征和使用Sobel算子提取边缘特征，组合两种特征实现车道线分割；/nS4：采用二次曲线作为车道线模型使用滑动窗多项式拟合得到车道线的二次曲线参数；/nS5：根据二次曲线参数绘制二次多项式拟合的车道线，并使用逆透视变换反投影到校正图像，实现车道线检测在校正图像上的可视化效果。/n

【技术特征摘要】
1.一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，包括如下步骤：
S1：使用车载摄像机从不同角度拍摄多张棋盘格照片，利用张氏标定法进行畸变系数计算，根据畸变系数对车载摄像机拍摄的待检测图像进行畸变校正，得到校正图像；
S2：对校正图像进行透视变换，得到路面俯视图；
S3：在路面俯视图中提取HLS颜色特征和使用Sobel算子提取边缘特征，组合两种特征实现车道线分割；
S4：采用二次曲线作为车道线模型使用滑动窗多项式拟合得到车道线的二次曲线参数；
S5：根据二次曲线参数绘制二次多项式拟合的车道线，并使用逆透视变换反投影到校正图像，实现车道线检测在校正图像上的可视化效果。


2.根据权利要求1所述的一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，所述S1具体包括如下步骤：
S1.1：设置一个棋盘格标定板，通过移动车载摄像机，从不同角度、距离拍摄10幅畸变棋盘格图像；
S1.2：找到每幅畸变棋盘格图像中的棋盘格角点，将畸变棋盘格角点在像素坐标系下的位置信息与棋盘格角点在世界坐标系下的位置信息进行一一对应；
S1.3：使用张氏标定法根据S1.2中得到的角点信息进行相机标定，得到车载摄像机的内参矩阵mtx及畸变系数矩阵dist；
S1.4：根据S1.3中得到的内参矩阵mtx及畸变系数矩阵dist对车载摄像机拍摄的待检测图像A1进行畸变校正，得到校正图像A2。


3.根据权利要求1所述的一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，所述S2具体包括如下步骤：
S2.1：获取校正图像A2中四个关键像素点的位置坐标数组src及进行图像扭转之后与四个像素点相对应的位置坐标数组dst；
S2.2：使用S2.1中的数组src及dst进行透视变换计算，得到用于透视变换的扭转矩阵M以及用于恢复图像的反扭转矩阵Minv；
S2.3：根据S2.2中扭转矩阵M对校正图像A2进行透视变换得到路面俯视图A3。


4.根据权利要求1所述的一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，所述S3具体包括如下步骤：
S3.1：针对路面俯视图A3，将路面俯视图A3从RGB颜色空间转换到HLS颜色空间，对S通道和L通道应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P1，其中S通道阈值条件为[140，255]，L通道阈值条件为[120，255]；
S3.2：针对路面俯视图A3，将图像A3转换为灰度图，得到图像A4，对图像A4进行边缘提取处理，边缘提取处理使用Sobel算子；
其中，横向Sobel算子为纵向Sobel算子为
S3.3：利用横向Sobel算子对图像A4进行卷积运算，得到图像A4的横向梯度gx，然后将gx归一化到[0，255]，并应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P2，其中阈值条件为[25，200]；
S3.4：利用纵向Sobel算子对图像A4进行卷积运算，得到图像A4的纵向梯度gy，然后将gy归一化到[0，255]，并应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在...

【专利技术属性】
技术研发人员：袁国慧，周祥东，张文超，彭真明，
申请(专利权)人：江苏罗思韦尔电气有限公司，
类型：发明
国别省市：江苏;32