车道线检测方法及系统技术方案

本公开实施例公开了一种车道线检测方法及系统。其中车道线检测方法，包括：在获取的图像中选取ROI区域，所述ROI区域包括车道线；对所述ROI区域进行缩放处理，得到突显车道线在图像中分布特征的缩放图像；将所述缩放图像转换为黑白图；在所述黑白图中所有白色连通区域内提取中心点；对所有中心点进行归类整理，形成多个线段；将属于同一条直线的多个线段进行聚合处理；在所有聚合形成的直线中筛选出有效的车道标识线。避免使用较为耗时的透视变换，较为耗时的Hough变换的方法，而是利用图像中所有白色像素点的位置关系，筛选查找出有效车道线。从而降低了计算复杂性，达到保证实时性的同时能够兼顾识别准确性的目的。

【技术实现步骤摘要】
车道线检测方法及系统
本公开属于图像处理
，更具体地，涉及一种车道线检测方法及系统。
技术介绍
随着社会的进步与经济的飞速发展，人们越来越追求高品质的生活，汽车的逐年增加更是为人类的生活带来诸多便利，但随着汽车的不断增多，交通拥挤问题不断加剧，由此所引发的交通事故也逐年增加。因此，改善道路环境，保障行车安全，提高汽车安全技术，减少道路交通事故的发生越来越受到政府和社会的强烈关注，车辆驾驶辅助系统应运而生。车辆驾驶辅助系统功能五花八门，常见的驾驶辅助系统包括车道偏离预警系统、交通标志识别、刹车辅助系统、自适应巡航、倒车辅助系统等。其中车道线的检测与识别是驾驶辅助系统中最重要的功能之一，是实现车道偏离预警的关键技术。对车道线的准确识别并实现对车道线的实时跟踪是辅助驾驶系统不断优化升级的关键。根据统计，由于汽车偏离所在行驶车道导致的交通事故最常发生，而这些交通事故发生的主因都是驾驶员在开车的过程中精力不集中导致偏离所在车道，或对路况信息的错误判断导致违章变道，引发车辆刮碰甚至侧翻事故发生。在城市快速路以及高速公路等长时间保持直道驾驶的路况下，驾驶员容易疲劳分神，驾驶时不能时刻保持注意力高度集中，更容易发生行车偏离车道。因此，及时对车辆行驶区域的道路标识线进行检测，从而告知车辆是否偏离车道是汽车主动安全技术中重要一环。一般对于车道线的相关检测问题，主要是基于计算机视觉的方法。但由于传感器自身的缺点以及现实世界中实际道路情况复杂多变、干扰较多的特点，现有的车道线检测方法中，一般首先会对道路图像进行透视变换处理，将主视图像转换为俯视图像，再利用车道标识线的平行特点进行检测；在检测过程中通常会用到Hough变换进行直线查找的方法。透视变换转换图像及Hough变换查找直线需要对图像中每一个像素点进行数学操作，较为复杂，当需要处理的图像较大时会大大增加计算量，难以保证车道线检测的实时性，同时对处理器等硬件资源带来很大挑战。综上所述，现有方法为了提高识别准确性，在利用图像处理进行车道线识别过程中往往使用复杂度较高的算法，导致实时性较差。
技术实现思路
有鉴于此，本公开实施例提供了一种车道线检测方法及系统，至少解决现有技术中实时性差的问题。第一方面，本公开实施例提供了一种车道线检测方法，包括：在获取的图像中选取ROI区域，所述ROI区域包括车道线；对所述ROI区域进行缩放处理，得到突显车道线在图像中分布特征的缩放图像；将所述缩放图像转换为黑白图；在所述黑白图中所有白色连通区域内提取中心点；对所有中心点进行归类整理，形成多个线段；将属于同一条直线的多个线段进行聚合处理；在所有聚合形成的直线中筛选出有效的车道标识线。可选的，所述将所述缩放图像转换为黑白图的步骤之后，还包括：对黑白图进行降噪处理。可选的，所述在所述黑白图中所有白色连通区域内提取中心点，包括：对所述黑白图中所有白色连通区域进行细化处理；在细化处理后的连通区域内提取中心点。可选的，所述对所有中心点进行归类整理，包括：对所有中心点依据横向及纵向位置关系进行归类整理。可选的，所述归类整理，包括：依次遍历所述黑白图中每一个像素点，获取白色像素点的坐标信息；将所述白色像素点的坐标信息与已经组合形成的所有线段中最后一个点的坐标值进行比对；如所述比对结果小于设定阈值，则将该白色像素点归类为相应线段；如比对结果对设定阈值，则为该白色像素点创建一条线段。可选的，所述将属于同一条直线的多个线段进行聚合处理，包括：依据所有直线的位置分布及角度信息，将属于同一条直线的多个线段进行聚合处理。可选的，所述聚合处理，包括：对多个线段中的每一条线段，依次与其余线段进行比对，将满足以下条件的两条线段合并；两个线段的角度之差小于设定角度阈值；两个线段的位置相近；两个线段的姿态位置相近。可选的，所述在所有聚合形成的直线中筛选出有效的车道标识线，包括：依据车道线在图像中位置及分布特征，在所有聚合形成的直线中筛选出有效的车道标识线。可选的，在所有聚合形成的直线中筛选出有效的车道标识线，包括：在多条直线中获取最长直线，并判断该最长直线是否为干扰线；判断最长直线是否为干扰线，包括：依次将多条直线中的每条直线与的最长直线进行比对，当最长直线符合以下条件的任意一条，则认为该最长直线为干扰线；两线之间相离较近；存在与所述最长直线交叉的直线；存在与所述最长直线的角度差小于设定角度差阈值的直线；可选的，所述在所有聚合形成的直线中筛选出有效的车道标识线，包括：在多条直线中获取有效的最长直线；将所有候选直线按照姿态位置顺序排列，并找出最长直线所处的位置；以最长直线为基准，将所述候选直线分划为两部分；在其中一部分查找与最长直线相距最近的有效车道标识线，即与最长直线的姿态位置差值小于第一阈值且与最长直线的角度相差小于第二阈值的直线；将所述第一阈值和第二阈值扩缩，并基于扩缩的第一阈值和第二阈值在第一部分中继续查找有效车道标识线；待第一部分查找完后或第一部分查找的同时，在第二部分，查找有效车道标识线。第二方面，本公开实施例提供了一种车道线检测系统，包括：ROI区域获取模块：用于在获取的图像中选取ROI区域，所述ROI区域包括车道线；缩放模块：用于对所述ROI区域进行缩放处理，得到突显车道线在图像中分布特征的缩放图像；图像转换模块：用于将所述缩放图像转换为黑白图；提取模块：用于在所述黑白图中所有白色连通区域内提取中心点；归类模块：用于对所有中心点进行归类整理，形成多个线段；聚合模块：用于将属于同一条直线的多个线段进行聚合处理；筛选模块：用于在所有聚合形成的直线中筛选出有效的车道标识线。可选的，还包括：降噪模块：用于对黑白图进行降噪处理。可选的，提取模块还包括：对所述黑白图中所有白色连通区域进行细化处理；在细化处理后的连通区域内提取中心点。可选的，所述归类模块，包括：对所有中心点依据横向及纵向位置关系进行归类整理。可选的，所述归类模块，包括：依次遍历所述黑白图中每一个像素点，获取白色像素点的坐标信息；将所述白色像素点的坐标信息与已经组合形成的所有线段中最后一个点的坐标值进行比对；如所述比对结果小于设定阈值，则将该白色像素点归类为相应线段；如比对结果对设定阈值，则为该白色像素点创建一条线段。可选的，所述聚合模块，包括：依据所有线段的位置分布及角度信息，将属于同一条直线的多个线段进行聚合处理。可选的，所述聚合模块，还包括：对多个线段中的每一条线段，依次与其余线段进行比对，将满足以下条件的两条线段合并；两个线段的角度之差本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于，包括：/n在获取的图像中选取ROI区域，所述ROI区域包括车道线；/n对所述ROI区域进行缩放处理，得到突显车道线在图像中分布特征的缩放图像；/n将所述缩放图像转换为黑白图；/n在所述黑白图中所有白色连通区域内提取中心点；/n对所有中心点进行归类整理，形成多个线段；/n将属于同一条直线的多个线段进行聚合处理；/n在所有聚合形成的直线中筛选出有效的车道标识线。/n

【技术特征摘要】
1.一种车道线检测方法，其特征在于，包括：
在获取的图像中选取ROI区域，所述ROI区域包括车道线；
对所述ROI区域进行缩放处理，得到突显车道线在图像中分布特征的缩放图像；
将所述缩放图像转换为黑白图；
在所述黑白图中所有白色连通区域内提取中心点；
对所有中心点进行归类整理，形成多个线段；
将属于同一条直线的多个线段进行聚合处理；
在所有聚合形成的直线中筛选出有效的车道标识线。


2.根据权利要求1所述的车道线检测方法，其特征在于，所述将所述缩放图像转换为黑白图的步骤之后，还包括：
对黑白图进行降噪处理；
和/或
所述在所述黑白图中所有白色连通区域内提取中心点，包括：
对所述黑白图中所有白色连通区域进行细化处理；
在细化处理后的连通区域内提取中心点；
和/或
所述对所有中心点进行归类整理，包括：
对所有中心点依据横向及纵向位置关系进行归类整理；
和/或
所述归类整理，包括：
依次遍历所述黑白图中每一个像素点，获取白色像素点的坐标信息；
将所述白色像素点的坐标信息与已经组合形成的所有线段中最后一个点的坐标值进行比对；
如所述比对结果小于设定阈值，则将该白色像素点归类为相应线段；
如比对结果对设定阈值，则为该白色像素点创建一条线段；
和/或
所述将属于同一条直线的多个线段进行聚合处理，包括：
依据所有线段的位置分布及角度信息，将属于同一条直线的多个线段进行聚合处理；
和/或
所述聚合处理，包括：
对多个线段中的每一条线段，依次与其余线段进行比对，将满足以下条件的两条线段合并；
两个线段的角度之差小于设定角度阈值；
两个线段的位置相近；
两个线段的姿态位置相近。


3.根据权利要求1所述的车道线检测方法，其特征在于，所述在所有聚合形成的直线中筛选出有效的车道标识线，包括：
依据车道线在图像中位置及分布特征，在所有聚合形成的直线中筛选出有效的车道标识线。


4.根据权利要求3所述的车道线检测方法，其特征在于，在所有聚合形成的直线中筛选出有效的车道标识线，包括：
在多条直线中获取最长直线，并判断该最长直线是否为干扰线；
判断最长直线是否为干扰线，包括：
依次将多条直线中的每条直线与的最长直线进行比对，当最长直线符合以下条件的任意一条，则认为该最长直线为干扰线；
两线之间相离较近；
存在与所述最长直线交叉的直线；
存在与所述最长直线的角度差小于设定角度差阈值的直线。


5.根据权利要求3或4所述的车道线检测方法，其特征在于，包括：在所有聚合形成的直线中筛选出有效的车道标识线，包括：
在多条直线中获取有效的最长直线；
将所有候选直线按照姿态位置顺序排列，并找出最长直线所处的位置；
以最长直线为基准，将所述候选直线分划为两部分，分别为第一部分和第二部分；
在其中一部分查找与最长直线相距最近的有效车道标识线，即与最长直线的姿态位置差值小于第一阈值且与最长直线的角度相差小于第二阈值的直线；
将所述第一阈值和第二阈值扩缩，并基于扩缩的第一阈值和第二阈值在第一部分中继续查找有效车道标识线；
待第一部分查找完后或第一...

【专利技术属性】
技术研发人员：孟凯，何君舰，赵东旭，张金华，王已伟，
申请(专利权)人：安徽奇点智能新能源汽车有限公司，
类型：发明
国别省市：安徽;34