一种车道线提取与生成方法技术

本发明专利技术提供了一种车道线提取与生成方法，属于辅助驾驶技术领域，包括：图像预处理，将图像进行畸变矫正，得到图像内车道线的正射影像，阈值分割，利用颜色和梯度阈值结合的方式对分割正射影响内的车道线，滑动窗口提取车道线，将车道线离散化为多个窗口，最底部的窗口开始通过对二值化图像的直方图统计获得车道线的起始点，二值化图像从底部由下往上进行滑动扫描，将扫描结果进行图示，跟踪车道线，通过单个窗口滤波和拟合参数滤波，得到更加平滑稳健的车道线，车道生成，将扫描结果与地面线上的车道线进行比对，本发明专利技术提供的一种车道线提取与生成方法，解决了由于路面状况、光线条件、车辆遮挡等情况下不能有效提取出道路中的车道线信息的问题。道线信息的问题。道线信息的问题。

【技术实现步骤摘要】
一种车道线提取与生成方法


[0001]本专利技术属于辅助驾驶
，更具体地说，是涉及一种车道线提取与生成方法。

技术介绍

[0002]智能驾驶和智能交通的发展依赖高精度、高可用、高安全的导航定位辅助。高精度地图作为实现自动驾驶的必要条件，对于提高城市道路复杂环境下的定位精度有着十分重要的作用。高精度地图需要格式化存储交通场景中的各种交通要素，包括传统地图的道路网数据、车道网络数据、车道线以及交通标志等要素。为了提取高精度地图的主体车道信息，众多学者展开了一系列的探索：早在1998年Bertozzi和Broggi就提出了利用逆透视变换的方式提取车道线；2002年Lee提出了通过建立线性模型提取边缘得到车道线；2013年Shang等人提出利用消失点提取车道线；之后车道线的提取逐渐形成了对图像预处理，通过选定拟合的模型，借助sobel、canny等边缘提取算子的提取模式。随着计算机性能的提升和深度学习的不断发展，2017年Lee提出了VGPNet提取车道线，卷积神经网络提取车道线的方法也越来越多。虽然车道线的提取方式多种多样，但仍然制约于路面状况、光线条件、车辆遮挡等情况。

技术实现思路

[0003]本专利技术的目的在于提供一种车道线提取与生成方法，旨在解决由于路面状况、光线条件、车辆遮挡等情况下不能有效提取出道路中的车道线信息的问题。
[0004]为实现上述目的，本专利技术采用的技术方案是：提供一种车道线提取与生成方法，包括以下步骤：
[0005]步骤1：获取目的图像；
[0006]步骤2：目的图像预处理；将所述目的图像进行畸变矫正，得到所述图像内车道线的正射影像，
[0007]所述正射影像模型为：
[0008][0009]以所述目的图像建立坐标系，
[0010](x
i
,y
i
)是所述目的图像上多个边缘点的坐标，(x
i
',y
i
')是在进行透视变换后鸟瞰视角下同名点的坐标，map_matrix是一个3
×
3的透视变换矩阵，t
i
是尺度因子；
[0011]步骤3：阈值分割；利用颜色和梯度阈值结合的方式对分割所述正射影响内的所述车道线；
[0012]步骤4：滑动窗口提取车道线；将所述车道线离散化为多个窗口，最底部的所述窗口开始通过对二值化图像的直方图统计获得车道线的起始点，所述二值化图像从底部由下往上进行滑动扫描，将扫描结果进行图示；
[0013]步骤5：跟踪车道线；通过单个所述窗口滤波和拟合参数滤波，得到更加平滑稳健的所述车道线，实现跟踪效果，
[0014]所述跟踪车道线的速度模型为：
[0015][0016]q
x
和q
v
分别表示位置和速度的过程噪声，x
k
为照片观测值为当前提取到的当前窗口中心x坐标，x
k+1
为照片观测值为当前提取到的窗口的下一串口中心x坐标，v
k
为照片观测值为当前提取到的窗口速度值，v
k+1
为照片观测值为当前提取到的窗口的下一窗口速度值，那么观测方程为：
[0017]z
k+1
＝x
k+1
+ε
[0018]ε为常数，z
k+1
为下一观测值，
[0019]经过计算后得到每个所述窗口中心的位置并拟合出所述车道线，拟合出的所述车道线分别为直线模型或二次曲线模型。
[0020]步骤6：车道生成；将所述扫描结果进行单应性变换与地面线上的所述车道线进行比对。
[0021]优选地，所述阈值分割包优选地，括：
[0022]步骤3.1：在明亮情况下采用LAB，HSL，HSV三种模型；
[0023]步骤3.2：在较暗或者道线被污渍覆盖，设置梯度阈值提取出车道线的边缘，结合颜色阈值和梯度阈值的提取结果我们得到了所述车道线的所述二值化影像。
[0024]优选地，所述滑动窗口提取车道线包括：
[0025]步骤4.1，通过所述二值化影像获取高斯分布曲线，每一个所述高斯分布曲线的顶点作为起始窗口的中心位置；
[0026]步骤4.2，通过所述起始窗口为中心重新确定新的窗口，并以颜色区分新旧所述窗口，最终得到一连串的所述窗口。
[0027]优选地，所述直线模型为：
[0028][0029]a，b为常数，经过计算后得到每个所述窗口中心的位置为
[0030]优选地，所述二次曲线模型为：
[0031][0032]c为常数。
[0033]优选地，由于前后窗口车道线相似，模型参数变化较小，使用随机游走模型估计系数部分，常量参数使用白噪声进行估计，状态方程为：
[0034][0035][0036]a
k
，b
k
，c
k
，为当前模型下的系数，a
k+1
，b
k+1
，c
k+1
为模型更新以后的系数，q
a
，q
b
为变化量，通过单个窗口滤波和拟合参数，得到更加平滑稳健的车道线，尤其是在经过斑马线或车道线部分缺失的情况下可以实现良好的跟踪效果。
[0037]优选地，车道生成模型为：
[0038][0039]其中(x1,y1)表示的是控制点在图片的像素坐标，(x2,y2)表示的是相机坐标系下地面点的相机坐标，t
i
是尺度因子。
[0040]优选地，像素坐标直接通过所述车道线提取获得，地面点坐标通过双目相机匹配同名点前方交会得到，公式为：
[0041][0042](u,v)是像主点坐标，f是相机参数，b是双目基线，du是左右影像同名点u的差值，z为观测值。
[0043]本专利技术提供的一种车道线提取与生成方法的有益效果在于：与现有技术相比，本专利技术一种车道线提取与生成方法图像预处理时得到图像的正射影像，得到正射影响后面对颜色阈值理想情况的路面采用LAB模型对黄色的车道线的良好区分度，HSL，HSV模型分别车道线的亮度，明度的良好区分度，从而对车道线进行提取合成，面对颜色阈值不理想的情况下，结合了梯度阈值进行辅助分割置，梯度阈值可以在光照条件不好的情况下提取出车道线的边缘，结合颜色阈值和梯度阈值的提取结果得到车道线的二值化影像。将所述车道线离散化为多个窗口，最底部的所述窗口开始通过对二值化图像的直方图统计获得车道线的起始点，所述二值化图像从底部由下往上进行滑动扫描，将扫描结果进行图示，再根据得到的扫描结果建立速度模型，根据速度模型与车道线进行拟合，以得到更加平滑稳健的车道线，经过斑马线或车道线部分缺失的情况下可以实现良好的跟踪效果，通过单个所述窗口滤波和拟合参数滤波，得到更加平滑稳健的所述车道线，再由得到的车道线构建数学模型，与地面车道线对应改善了在城市复杂的多变的环境下实时更新和维护车道线是非常耗时且昂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线提取与生成方法，其特征在于，包括以下步骤：步骤1：获取目的图像；步骤2：目的图像预处理；将所述目的图像进行畸变矫正，得到所述图像内车道线的正射影像，所述正射影像模型为：以所述目的图像建立坐标系，(x
i
,y
i
)是所述目的图像上多个边缘点的坐标，(x
i
',y
i
')是在进行透视变换后鸟瞰视角下同名点的坐标，map_matrix是一个3
×
3的透视变换矩阵，t
i
是尺度因子；步骤3：阈值分割；利用颜色和梯度阈值结合的方式对分割所述正射影响内的所述车道线；步骤4：滑动窗口提取车道线；将所述车道线离散化为多个窗口，最底部的所述窗口开始通过对二值化图像的直方图统计获得车道线的起始点，所述二值化图像从底部由下往上进行滑动扫描，将扫描结果进行图示；步骤5：跟踪车道线；通过单个所述窗口滤波和拟合参数滤波，得到更加平滑稳健的所述车道线，实现跟踪效果，所述跟踪车道线的速度模型为：q
x
和q
v
分别表示位置和速度的过程噪声，x
k
为照片观测值为当前提取到的当前窗口中心x坐标，x
k+1
为照片观测值为当前提取到的窗口的下一串口中心x坐标，v
k
为照片观测值为当前提取到的窗口速度值，v
k+1
为照片观测值为当前提取到的窗口的下一窗口速度值，那么观测方程为：z
k+1
＝x
k+1
+εε为常数，z
k+1
为下一观测值，经过计算后得到每个所述窗口中心的位置并拟合出所述车道线，拟合出的所述车道线分别为直线模型或二次曲线模型。步骤6：车道生成；将所述扫描结果进行单应性变换与地面线上的所述车道线进行比对。2.如权利要求1所述的一种车道线提取与生成方法，其特征在于，所述阈值分割包括：步骤3.1：在明亮情况下采用...

【专利技术属性】
技术研发人员：马春鹏，
申请(专利权)人：北京庆龙科技有限公司，
类型：发明
国别省市：