一种道路边沿检测跟踪方法技术

本发明专利技术公开了一种道路边沿检测跟踪方法，涉及道路边沿检测技术领域，具体步骤包括如下：对道路图像进行预处理，得到道路图像阈值分割图；对所述道路图像阈值分割图进行边缘检测，采用Canny边缘检测算子得到道路图像边缘检测图；对所述道路图像边缘检测图通过带方向约束的Hough变换和概率投票法识别出正确路沿直线；跟踪所述正确路沿直线，并根据路沿参数信息动态划定ROI区域。本发明专利技术能够有效的滤除干扰因素，将道路边沿准确的识别出来，具有实时性好、准确率高等优点。

【技术实现步骤摘要】
一种道路边沿检测跟踪方法
本专利技术涉及道路边沿检测
，更具体的说是涉及一种道路边沿检测跟踪方法。
技术介绍
原始道路标线工作需要人工实时操控，工作效率低且容易受主观因素的影响，影响喷涂质量。自动化技术和传感器技术的不断发展，智能驾驶系统开始走入人们的事业，采用各种传感器技术实现自动识别道路，自动调整设备位置。将机器视觉技术引入道路标线领域，可提高标线工作效率，避免因工人操作失误造成损失。道路环境是复杂多变的，标线过程中可能出现强光、阴影等干扰情况，影响路沿识别精度和准确率。当前的道路识别技术在遇到强光、阴影或杂物干扰时，容易出现检测失误的现象，不能适应复杂多变的道路标线施工环境。所以，如何实现准确识别路沿并跟踪路沿参数，对本领域技术人员来说是亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种道路边沿检测跟踪方法，解决现有道路加测跟踪技术在一些强光、阴影的环境下出现的识别不准确，偏差过大的问题，实现准确识别路沿并跟踪路沿参数的技术效果。为了实现上述目的，本专利技术采用如下技术方案：一种道路边沿检测跟踪方法，具体步骤包括如下：对道路图像进行预处理，得到道路图像阈值分割图；对所述道路图像阈值分割图进行边缘检测，采用Canny边缘检测算子得到道路图像边缘检测图；对所述道路图像边缘检测图通过带方向约束的Hough变换和概率投票法识别出正确路沿直线；跟踪所述正确路沿直线，并根据路沿参数信息动态划定ROI区域。优选的，所述对道路图像进行预处理，具体包括如下步骤：对所述道路图像进行加权平均灰度化，获取灰度化图像；对所述灰度化图像进行ROI区域提取，滤除无关区域，得到第一道路图像；对所述第一道路图像进行双边滤波，得到第二道路图像；将所述第二道路图像采用Otsu阈值分割，分离目标信息和背景信息，得到所述道路图像阈值分割图。通过采用上述技术方案，具有以下有益的技术效果：对灰度化图像进行ROI区域提取，将道路图像中无关区域滤除，减少后续算法运算量，可大幅提高算法的运算速率。优选的，通过Canny边缘检测算子对所述道路图像阈值分割图进行边缘检测。优选的，通过卡尔曼滤波器对所述正确路沿直线的斜率和坐标进行跟踪；根据拉尔曼滤波器动态划定ROI区域。优选的，所述灰度化图像的灰度值为：Gray(i，y)＝0.299*R(i，y)+0.578G(i，y)+0.114B(i，y)；其中，R(i，y)表示所述道路图像红色分量值，G(i，y)表示所述道路图像绿色分量的值，B(i，y)表示所述道路图像蓝色分量的值。通过采用上述技术方案，具有以下有益的技术效果：赋予采集到道路图像的三种颜色分量不同的权值，当R、G、B的权值分别为0.299、0.578和0.114时，得到灰度图像比较符合人类视觉。经由上述的技术方案可知，本专利技术公开提供了一种道路边沿检测跟踪方法，与现有技术相比，具有以下有益的技术效果：1、本专利技术使用了道路图像预处理技术，使得到的灰度图像比较符合人类视觉，提高了算法的运算速率和后续的图像处理和特征提取的效率，减少了无关信息。2、本专利技术使用了道路边缘直线特征提取的技术，提高了对道路实际情况提取的准确性，减少偏差过大现象的发生。3、本专利技术能够有效的滤除干扰因素，将道路边沿准确的识别出来，具有实时性好、准确率高的优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术的方法流程示意图；图2(a)-图2(b)为本专利技术道路边沿直线特征提取效果图；图3为本专利技术卡尔曼滤波跟踪效果图；图4为本专利技术校园道路图像处理过程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种道路边沿检测跟踪方法，如图1所示，包括以下步骤：步骤一：对道路图像进行预处理，得到道路图像阈值分割图。具体的，对道路图像进行预处理，具体包括如下步骤：(1)对道路图像进行加权平均灰度化，获取灰度化图像。通过赋予采集到的道路图像三种颜色分量不同的权值，当R、G、B的权值分别为0.299、0.578和0.114时，得到灰度图像比较符合人类视觉。所以，灰度化图像的灰度值为：Gray(i，y)＝0.299*R(i，y)+0.578G(i，y)+0.114B(i，y)；其中，R(i，y)表示道路图像红色分量值，G(i，y)表示道路图像绿色分量的值，B(i，y)表示道路图像蓝色分量的值。(2)对灰度化图像进行ROI区域提取，滤除无关区域，得到第一道路图像。车载摄像机在工作时采集到的道路图像中路面在图像中的位置是基本不变的，天空、树木、绿化带等无效信息总是出现在图像的上方和两侧。因此，需要通过算法将路面信息截取出来，进行后续的图像处理和特征提取，滤除掉无关信息，可大幅提高算法的运算速率。(3)对第一道路图像进行双边滤波，得到第二道路图像。双边滤波同时对图像目标像素点邻域的空间距离和像素相似度进行考虑，得出两个不同的权值表，同时考虑两个独立的权值可以实现滤除噪声干扰，保证边缘信息的效果。设f(m，n)为目标像素点的灰度值，g(x，y)为第二道路图像目标像素灰度值。双边滤波公式为：邻域像素点的空间和值域的加权组合：其中，(x，y)为目标像素点的坐标值，(m，n)为邻域像素点坐标值，σd和σr为卷积平滑因子。(4)将第二道路图像采用Otsu阈值分割，分离目标信息和背景信息，得到道路图像阈值分割图。设灰度化图像中有L个灰度级，其中灰度值i出现的概率为其中，N为灰度化图像像素总数；ni为灰度值为i的像素值个数；L为图像的灰度级。将道路图像中出现的灰度值依次赋予阈值k，将图像分为目标区域(M)和背景区域(B)，p(i)为灰度值为i的像素点出现的概率，目标信息出现的概率为：背景信息出现的概率为：目标区域灰度值为：背景区域灰度值为：第二图像整体灰度均值：目标区域和背景区域之间的类间方差为：σ(x)2＝ωB(x)[μM(x)-μ]2+ωM(x)[μB(x)-μ]2＝ωB(x)ωM(x)[μB(x)-μM(x)]2目标区域和背景区域之间的类间方差最大时，所对应的灰度值即为道路图本文档来自技高网...

【技术保护点】
1.一种道路边沿检测跟踪方法，其特征在于，具体步骤包括如下：/n对道路图像进行预处理，得到道路图像阈值分割图；/n对所述道路图像阈值分割图进行边缘检测，采用Canny边缘检测算子得到道路图像边缘检测图；/n对所述道路图像边缘检测图通过带方向约束的Hough变换和概率投票法识别出正确路沿直线；/n跟踪所述正确路沿直线，并根据路沿参数信息动态划定ROI区域。/n

【技术特征摘要】
1.一种道路边沿检测跟踪方法，其特征在于，具体步骤包括如下：
对道路图像进行预处理，得到道路图像阈值分割图；
对所述道路图像阈值分割图进行边缘检测，采用Canny边缘检测算子得到道路图像边缘检测图；
对所述道路图像边缘检测图通过带方向约束的Hough变换和概率投票法识别出正确路沿直线；
跟踪所述正确路沿直线，并根据路沿参数信息动态划定ROI区域。


2.根据权利要求1所述的一种道路边沿检测跟踪方法，其特征在于，所述对道路图像进行预处理，具体包括如下步骤：
对所述道路图像进行加权平均灰度化，获取灰度化图像；
对所述灰度化图像进行ROI区域提取，滤除无关区域，得到第一道路图像；
对所述第一道路图像进行双边滤波，得到第二道路图像；
将所述第二道路图像采用Otsu阈值分割，分离目标信息和背景信息，得到所述道路图像阈值分割图。


3.根据权利要求1所述的一种道路边沿检测跟踪方法，其特征在于，通过Canny边缘检测算子对所述道路图像阈值分割图进行边缘检测。


4.根据权利要求1所述的一种道路边沿检测跟踪方法，...

【专利技术属性】
技术研发人员：卢立晖，石继岗，丁明亮，来庆亮，李双虎，张立华，王化建，李磊，张正强，
申请(专利权)人：曲阜师范大学，日照汇联众创智能技术研究院，
类型：发明
国别省市：山东;37