一种在环仿真条件下车道线智能识别方法技术

本发明专利技术公开了一种在环仿真条件下车道线智能识别方法，包括以下步骤：采集在环仿真系统中包含车道线的场景图像，对采集图像截取感兴趣区域并对感兴趣区域进行滤波处理；对滤波处理后图像进行颜色空间转换，并提取Cb单通道图像；图像二值化，将提取的Cb单通道图像左右均分，分别对两部分图像的每一行求单通道的像素值的均值和标准差，依据3σ原则设定阈值进行单通道的二值化；图像模板化，将二值化图像与拟合车道线位置的模板图像做与运算；车道线识别，对模板化后的图像进行边缘检测和霍夫直线检测。本发明专利技术避免了车道线识别受室外强光影响的问题，具有识别率高、算法简单、实时性高、稳定、鲁棒性高等优点。

【技术实现步骤摘要】
一种在环仿真条件下车道线智能识别方法
本专利技术属于车道线的智能识别
，具体涉及一种环仿真条件下车道线智能识别方法。
技术介绍
随着科学技术的发展，数字图像处理的应用愈加广泛，除了对视觉效果的增强之外，图像识别的应用场景也越来越多，随着科技数字化、智能化，图像识别技术越来越多地应用于军事、智能交通领域中。随着智能交通系统(IntelligentTransportSystem,ITS)的迅速发展，车道线自动识别技术早已成为图像处理与模式识别技术在智能交通领域重要的研究课题之一，车道线检测技术实现的精准程度在汽车驾驶辅助系统中尤其重要，直接决定了预警系统的及时性和准确性。基于图像处理的前方车辆车道线识别逐渐成为当前研究热点。目前这类方法主要是通过摄像头获取图片或视频，然后在图像处理技术的基础上对获取的图片进行识别。检测与识别目标来自自然场景，这就为系统的设计带来更多的挑战。主要有以下几点：1、图像受光照影响。不同天气和时间段，光照差别很大，且有树、电线杆之类的障碍物投影到车道线上，这使得车道线在图像中的成像产生很大变化。2、实时性需求。由于车辆对于信息实时性要求很高，因此在准确检测与识别的同时要保证算法实时性。另外检测图像的来源是搭载在车辆上的相机，车辆在行驶过程中相机中会产生运动模糊，导致图像不清晰。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种在环仿真条件下车道线智能识别方法。本专利技术避免了车道线识别受室外强光影响的问题，具有识别率高、算法简单、实时性高、稳定、鲁棒性高等优点。为了达到上述目的，本专利技术采用以下技术方案：一种在环仿真条件下车道线智能识别方法，其特征在于，包括以下步骤：采集在环仿真系统中包含车道线的场景图像，截取采集的图像的下半部分作为感兴趣区域并对感兴趣区域进行滤波处理；对滤波处理后图像进行颜色空间转换和通道图像提取，得到Cb单通道图像；图像二值化，将得到的Cb单通道图像左右均分，分别对两部分图像的每一行求像素值的均值和标准差，依据3σ原则设定阈值进行Cb单通道的二值化；图像模板化，将二值化后的图像与拟合车道线位置的模板图像做与运算；车道线识别，对模板化后的图像进行边缘检测，生成边缘图像，对边缘图像进行霍夫直线检测，得到车道线检测识别图像。进一步的，所述截取感兴趣区域具体为：将采集的场景图像中包含车道线的下半部分作为感兴趣区域，截取公式为：image_roi＝image(H/2:H,1:W)其中，image_roi为截取后的图像，image为原始采集的场景图像，H为原始采集图像高，W为原始采集图像宽。进一步的，所述滤波处理具体为：对截取的感兴趣区域图像，采用高斯滤波器进行滤波，二维高斯函数为：其中(x,y)为点坐标，σ为标准差，σ选择越大，滤波效果越明显；由于奇数大小的窗口中心点坐标唯一确定，故高斯滤波器窗口模板选择奇数大小，通常大小为3*3或5*5；对于窗口大小为(2k+1)×(2k+1)的模板，模板中各元素值的计算公式为：其中，k∈N，(i,j)表示点在图像中的位置，i表示第i行，j表示第j列。进一步的，所述颜色空间转换和通道图像提取具体为从RGB颜色空间转为YCbCr空间，然后提取Cb单通道图像，RGB颜色空间与YCbCr颜色空间之间的关系为：进一步的，所述分别对两部分图像的每一行求像素值的均值和标准差，均值和标准差的公式如下：其中，μi表示图像第i行的平均像素值，pin表示图像第i行第n的像素值；σi表示图像第i行的标准差，pij表示图像第i行第j列的像素值，表示图像第i行的平均像素值。进一步的，所述依据3σ原则设定阈值进行Cb单通道的二值化具体为：对均分后的两部分图像，每一行依据3σ原则设定阈值来进行基于Cb通道的二值化，公式如下：进一步的，所述图像模板化具体为：将车道线的位置用一张二值图像来拟合，该二值图像命名为车道线模板图像，从该模板图像里定位车道线并将二值化的结果图像与该车道线模板图像做与运算，公式如下：其中，tij代表模板的第i行第j列的像素值，p'ij代表二值化结果图像的第i行第j列的像素值，.&代表按位与。进一步的，所述边缘检测具体为对图像模板化后的图像进行Canny边缘检测，包括以下步骤：使用高斯滤波器平滑图像，滤去噪声；计算图像中每个像素点的梯度幅值和方向；应用非极大值抑制，以消除边缘检测带来的杂散相应；应用双阈值检测来确定真实的和潜在的边缘，选择高低阈值，如果边缘像素的梯度值高于高阈值，将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，边缘像素受到抑制；所述阈值的选择取决于采集的场景图像的内容；通过抑制孤立的弱边缘完成边缘检测，跟踪弱边缘连接，通过查看弱边缘像素及其8个邻域像素，只要其中一个为强边缘像素，则该弱边缘点保留为真实的边缘。进一步的，所述计算图像中每个像素点的梯度幅值和方向具体为利用一阶偏导的有限差分来计算，一阶差分卷积模板为：得到幅值与角度公式为：进一步的，所述应用非极大值抑制中，为确定边缘，必须保留局部梯度最大的点，而抑制非极大值，即将非局部极大值点置零以得到细化的边缘；在每一点上，领域的中心像素与沿着梯度线的两个像素相比；如果中心像素的梯度值不比沿梯度线的两个相邻像素梯度值大，则令中心像素为零。本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术采用在环仿真和图像处理技术相结合的方法，解决了环仿真条件中车道线识别效果差的技术问题，从而实现了准确率高、普适性强的在环仿真条件下车道线智能识别方法，而且本专利技术在准确检测与识别的同时保证了算法的实时性。2、本专利技术具有识别准确度高、算法简单、稳定、鲁棒性高等优点。附图说明图1是本专利技术方法的流程图；图2是在环仿真系统的包含车道线的场景图像的下半部分；图3是本实施例YCbCr颜色空间Cb通道的图像；图4是基于Cb通道二值化后的图像；图5是本专利技术图像二值化步骤的流程图；图6是车道线模板图；图7是本专利技术边缘检测的示意图；图8是车道线识别的图像；图9是Canny边缘检测的流程图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例如图1所示，本专利技术一种在环仿真条件下车道线智能识别方法，包括以下步骤：S1、采集在环仿真系统中包含车道线的场景图像，对图像进行预处理，具体为：S11、采集在环仿真系统中包含车道线的本文档来自技高网...

【技术保护点】
1.一种在环仿真条件下车道线智能识别方法，其特征在于，包括以下步骤：/n采集在环仿真系统中包含车道线的场景图像，截取采集的图像的下半部分作为感兴趣区域并对感兴趣区域进行滤波处理；/n对滤波处理后图像进行颜色空间转换和通道图像提取，得到Cb单通道图像；/n图像二值化，将得到的Cb单通道图像左右均分，分别对两部分图像的每一行求像素值的均值和标准差，依据3σ原则设定阈值进行Cb单通道的二值化；/n图像模板化，将二值化后的图像与拟合车道线位置的模板图像做与运算；/n车道线识别，对模板化后的图像进行边缘检测，生成边缘图像，对边缘图像进行霍夫直线检测，得到车道线检测识别图像。/n

【技术特征摘要】
1.一种在环仿真条件下车道线智能识别方法，其特征在于，包括以下步骤：
采集在环仿真系统中包含车道线的场景图像，截取采集的图像的下半部分作为感兴趣区域并对感兴趣区域进行滤波处理；
对滤波处理后图像进行颜色空间转换和通道图像提取，得到Cb单通道图像；
图像二值化，将得到的Cb单通道图像左右均分，分别对两部分图像的每一行求像素值的均值和标准差，依据3σ原则设定阈值进行Cb单通道的二值化；
图像模板化，将二值化后的图像与拟合车道线位置的模板图像做与运算；
车道线识别，对模板化后的图像进行边缘检测，生成边缘图像，对边缘图像进行霍夫直线检测，得到车道线检测识别图像。


2.根据权利要求1所述的一种在环仿真条件下车道线智能识别方法，其特征在于，所述截取感兴趣区域具体为：
将采集的场景图像中包含车道线的下半部分作为感兴趣区域，截取公式为：
image_roi＝image(H/2:H,1:W)
其中，image_roi为截取后的图像，image为原始采集的场景图像，H为原始采集图像高，W为原始采集图像宽。


3.根据权利要求1所述的一种在环仿真条件下车道线智能识别方法，其特征在于，所述滤波处理具体为：
对截取的感兴趣区域图像，采用高斯滤波器进行滤波，二维高斯函数为：



其中(x,y)为点坐标，σ为标准差，σ选择越大，滤波效果越明显；
由于奇数大小的窗口中心点坐标唯一确定，故高斯滤波器窗口模板选择奇数大小，通常大小为3*3或5*5；对于窗口大小为(2k+1)×(2k+1)的模板，模板中各元素值的计算公式为：



其中，k∈N，(i,j)表示点在图像中的位置，i表示第i行，j表示第j列。


4.根据权利要求1所述的一种在环仿真条件下车道线智能识别方法，其特征在于，所述颜色空间转换和通道图像提取具体为从RGB颜色空间转为YCbCr空间，然后提取Cb单通道图像，RGB颜色空间与YCbCr颜色空间之间的关系为：





5.根据权利要求1所述的一种在环仿真条件下车道线智能识别方法，其特征在于，所述分别对两部分图像的每一行求像素值的均值和标准差，均值和标准差的公式如下：






其中，μi表示图像第i行的平均像素值，pin表示图像第i行第n的像素值；σi表示图像第i行的标准差，pij表示图像第i行第j列的像素值，表示...

【专利技术属性】
技术研发人员：游峰，宫云渤，王海玮，涂海清，曹水金，黄玲，张荣辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44