一种基于改进大津算法的结构化道路车道线识别方法技术

本发明专利技术公开了一种基于改进大津算法的结构化道路车道线识别方法，该方法包括以下步骤：1)采集包括待识别车道线的道路图像；2)对采集的图像进行阈值分割；3)根据步骤2)的分割结果获得道路车道线。本发明专利技术方法通过改进大津算法的步骤解决了原大津算法分割识别车道线存在的分割不准确以及不满足要求问题，可以准确分割车道线和道路背景，可以提高识别结果的实时性，有广阔的应用前景。

【技术实现步骤摘要】
一种基于改进大津算法的结构化道路车道线识别方法
本专利技术涉及智能驾驶辅助技术，尤其涉及一种基于改进大津算法的结构化道路车道线识别方法。
技术介绍
为了提高汽车的行驶安全，降低驾驶员的工作强度，世界各国对驾驶辅助系统(DriverAssistanceSystem，DAS)进行了多年的研究，并已扩展到自动驾驶汽车领域。在汽车实现自动驾驶之前，高级驾驶辅助系统(AdvancedDriverAssistanceSystem，ADAS))是研究的热点，ADAS在我国发展较晚，相关技术还不成熟，而我国高级驾驶辅助系统还有很大的空缺，具有较大发展潜力。车道线检测识别模块是ADAS系统中道路场景分析的核心模块，对ADAS的性能有着重要影响。因此，对车道线检测识别研究相当重要。目前车道线识别在实际应用中仍存在检测速度慢、准确率低等问题。因此，研究一种更快更高准确率的车道线检测识别方法具有重要的现实意义。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于改进大津算法的结构化道路车道线识别方法。本专利技术解决其技术问题所采用的技术方案是：一种基于改进大津算法的结构化道路车道线识别方法，包括以下步骤：1)采集包括待识别车道线的道路图像；2)对采集的图像进行阈值分割，具体如下：2.1)采集的图像共有l个不同的强度值，对每帧图像的强度值范围在[0,l-1]，设阈值k的取值为[0,l-1]，令阈值k取范围中的每个强度值，计算每个阈值的类间方差；2.2)获得使每帧图像类间方差达到最大的阈值k，如果有多个这样的阈值，则取它们的均值，作为全局最佳分割阈值T；2.3)比较前一帧图片的全局最佳分割阈值T1与当前帧的全局最佳分割阈值T2的绝对值之差，若绝对值之差小于设定值n，则使用阈值T2分割当前帧；若绝对值之差大于等于设定值n，则阈值T1分割当前帧，然后看分割后的图片的高灰度级像素总占比是否在5％～20％之间，若是，则令T2＝T1，若不是，则使用阈值T2再次分割当前帧；3)根据步骤2)的分割结果获得道路车道线。按上述方案，所述步骤2.3)中设定值n为20。本专利技术产生的有益效果是：本专利技术方法通过改进大津算法的步骤解决了原大津算法分割识别车道线存在的分割不准确以及不满足要求问题，可以准确分割车道线和道路背景，效果较好并且计算量小，可以提高识别结果的实时性，有广阔的应用前景。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的全局最优阈值的选取示意图；图2是本专利技术实施例的不同场景的有效区域截取图；图3是本专利技术实施例的不同场景图像的直方图；图4是本专利技术实施例的otsu算法阈值处理结果示意图；图5是本专利技术实施例的改进的大津算法流程；图6是本专利技术实施例的改进算法对连续帧图像阈值处理结果；图7是本专利技术实施例的方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图7所示，一种基于改进大津算法的结构化道路车道线识别方法，包括以下步骤：1)采集包括待识别车道线的道路图像；2)对采集的图像进行阈值分割，具体如下：2.1)采集的图像共有l个不同的强度值，对每帧图像的强度值范围在[0,l-1]，设阈值k的取值为[0,l-1]，令阈值k取范围中的每个强度值，计算每个阈值的类间方差；2.2)获得使每帧图像类间方差达到最大的阈值k，如果有多个这样的阈值，则取它们的均值，作为全局最佳分割阈值T；2.3)比较前一帧图片的全局最佳分割阈值T1与当前帧的全局最佳分割阈值T2的绝对值之差，若绝对值之差小于设定值n，则使用阈值T2分割当前帧；若绝对值之差大于等于设定值n，则阈值T1分割当前帧，然后看分割后的图片的高灰度级像素总占比是否在5％～20％之间，若是，则令T2＝T1，若不是，则使用阈值T2再次分割当前帧；3)根据步骤2)的分割结果获得道路车道线。实施例一：目标图像和背景图像的灰度级近似呈正态分布，整幅图像的直方图可以看作是几个灰度集合叠加。因此，当观察整幅图像的直方图时，可以发现该直方图的包络线有两个波峰，一个是目标图像部分的波峰，另外一个是背景部分图像的波峰，如图1所示，图中阈值T就是全局最优阈值，可以降低阈值分类处理的错误率。最大类间方差法(Otsu)可以用来自动估计全局最优阈值。日本学者大津展之在1979年提出了大津算法(otsu),由大津算法得到的全局阈值对图像进行阈值分割。大津算法得到全局阈值使前景和背景像素的灰度值的类间方差最大，所以此算法也被称为最大类间方差算法Otsu算法的原理：假设一幅m×n的图像共有l个不同的强度值，分别为0,1,2,…,l-1，用ni表示像素点的强度值为li的数目。总像素点数目为mn＝n0+n1+…+nl-1。某像素点的强度值是li的概率为pi＝ni/mn，其中p0+p1+…+pl-1＝1现在有一个强度值k，其中0＜k＜l-1。使用该阈值来分割图像，它会把图像所有的像素点划分成C1和C2两个集合。集合C1是由强度在0,k范围内的所有像素点组成，集合C2由强度在k+1,l-1范围内的所有像素点组成。使用阈值k，一个像素点属于C1的概率为P1(k)，如式(1-1)所示。则C1中所有像素点平均强度为g1(k)，如式(1-2)所示。一个像素点属于C2的概率为P2(k)，如式(1-3)所示。则C2中所有像素点平均强度值为g2(k)，如式(1-4)所示。P2(k)＝1-P1(k)(1-3)整幅图像的平均强度为g，如式(1-5)所示。从灰度0级到k级的平均强度为g(k)，如式(1-6)所示。整幅图像的加权均值与C1中所有像素点强度的加权均值和C2中所有像素点强度的加权均值的关系如式(1-7)所示。g＝g1(k)P1(k)+g2(k)P2(k)(1-7)g1和g2之间的方差计算公式如式(1-8)所示。根据P1(k)和P2(k)之间的关系，把式(1-8)转化为式(1-9)所示形式。类间方差σ2是两类之间的可分性测度。其值越大，则两类的差别越大，就越容易分割。因此，只要类g1和g2之间的方差最大，阈值k就会更接近理想阈值。大津算法的计算步骤如下：1)某图像的强度值范围[0，l-1]，则阈值k的取值也在该范围之内，令阈值K取范围中的每个强度值。2)计算每个阈值的类间方差。3)全局最佳分割阈值，其等于使类间方差达到最大的阈值k。如果有多个这样的阈值，则取它们的均值。其具体MATLAB代码为I＝imread('.jpg')；a＝rg本文档来自技高网...

【技术保护点】
1.一种基于改进大津算法的结构化道路车道线识别方法，其特征在于，包括以下步骤：/n1)采集包括待识别车道线的道路图像；/n2)对采集的图像进行阈值分割，具体如下：/n2.1)采集的图像共有l个不同的强度值，对每帧图像的强度值范围在[0,l-1]，设阈值k的取值为[0,l-1]，令阈值k取范围中的每个强度值，计算每个阈值的类间方差；/n2.2)获得使每帧图像类间方差达到最大的阈值k，如果有多个这样的阈值，则取它们的均值，作为全局最佳分割阈值T；/n2.3)比较前一帧图片的全局最佳分割阈值T

【技术特征摘要】
1.一种基于改进大津算法的结构化道路车道线识别方法，其特征在于，包括以下步骤：
1)采集包括待识别车道线的道路图像；
2)对采集的图像进行阈值分割，具体如下：
2.1)采集的图像共有l个不同的强度值，对每帧图像的强度值范围在[0,l-1]，设阈值k的取值为[0,l-1]，令阈值k取范围中的每个强度值，计算每个阈值的类间方差；
2.2)获得使每帧图像类间方差达到最大的阈值k，如果有多个这样的阈值，则取它们的均值，作为全局最佳分割阈值T；
2.3)比较前一帧...

【专利技术属性】
技术研发人员：蔡永华，周志勇，吴迪，赵永华，孙靖茗，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42