一种车道线的检测方法技术

本发明专利技术公开了一种车道线的检测方法，具体包括：利用高斯金字塔来减少图像噪声和细节；设定感兴趣区域并对其进行灰度化处理；采用canny边缘检测和改进的Harris角点检测对图像进行角点检测，并对检测到角点进行去除；提取图像中线段的斜率和宽度特征；采用限制线段角度条件对图像中的若干线段进行去除；采用最小二乘法拟合的方法输出车道线。本发明专利技术具有很好的鲁棒性，通过建立高斯金字塔有效的降低图像的噪声和计算的复杂度，Harris角点检测和限制线段角度条件的算法，有效减少因阴影、裂缝和滑痕等对道路车道线检测的干扰，从而提高车道线检测的准确性，本发明专利技术方法具有广泛的应用前景和实用价值。景和实用价值。景和实用价值。

【技术实现步骤摘要】
一种车道线的检测方法


[0001]本专利技术涉及汽车辅助驾驶领域，尤其涉及一种车道线的检测方法。

技术介绍

[0002]现阶段，交通安全问题面临着严峻的挑战，交通事故对人民的生命和财产安全造成了巨大的威胁，汽车安全问题已成为关注的核心。据统计，每年约有50％汽车交通事故是因为汽车偏离正常行驶的车道引起的，因此对于车道偏离预警的研究是非常有意义的，而车道线的检测是车道偏离预警的重要组成部分，因此对于车道线检测的研究是很有必要的。
[0003]目前针对车道线检测的方法有很多，已经提出了基于视觉的方法有反透视映射、粒子滤波和Hough变换等，但这些方法都具有较高的计算复杂度和在不同的道路条件下具有不理想的性能。因此亟需解决的技术难题是如何在含有阴影、裂痕和滑痕的道路条件下工作和降低计算复杂度。

技术实现思路

[0004]专利技术目的：本专利技术的目的是为了解决上述问题，提出一种车道线检测方法，降低算法计算的复杂度，减少道路中阴影、裂痕和滑痕对于车道线检测的干扰，提高车道线检测方法的鲁棒性。
[0005]技术方案：一种车道线的检测方法，包括如下步骤：
[0006]步骤1：对输入的图像进行高斯金字塔处理；
[0007]步骤2：设定图像感兴趣区域ROI并对其进行灰度化处理；
[0008]步骤3：对图像进行Canny边缘检测和改进的Harris角点检测并对角点进行去除；
[0009]步骤4：采用限制线段角度条件对其中的线段进行去除；
[0010]步骤5：对图像中的线段采用拟合的方法，得到相应的车道线。
[0011]进一步地，步骤1具体包括：
[0012]步骤1.1：对图像进行一次高斯平滑处理；
[0013]步骤1.2：去除图像中的偶数行和偶数列；
[0014]步骤1.3：连续循环步骤1.1和步骤1.2两次，得到一张新图片。
[0015]进一步地，步骤3具体包括：
[0016]步骤3.1：采用Barron算子计算图像中每一个像素在X方向和Y方向上的梯度，具体公式如下：
[0017][0018][0019]其中，f
x
表示图像f(x,y)的X方向梯度，f
y
表示图像f(x,y)的Y方向梯度，表示卷
积计算；
[0020]步骤3.2：计算图像X和Y方向梯度的乘积和各自方向的平方，分别表示为f
x
f
y
、和
[0021]步骤3.3：采用B样条滤波函数对和f
x
f
y
进行加权生成矩阵M的元素A、B和C，表示为：
[0022][0023][0024][0025]其中，表示图像f(x,y)的X方向梯度的乘积，表示图像f(x,y)的Y方向梯度的乘积，f
x
f
y
表示图像f(x,y)的X方向梯度与Y方向梯度的乘积，L表示B样条的3x3滤波模板，表示卷积计算，A表示由L卷积得到，B表示由L卷积得到，C表示由L卷积f
x
f
y
得到；
[0026]步骤3.4：计算每个像素的Harris响应值R，并对大于某一阈值T的R(x,y)置为零，公式表示为：
[0027]R＝[det(M)
‑
k(trace(M))2]>T
[0028]其中，k一般取0.04，det(M)是矩阵M行列式的值，tr(M)是矩阵M的迹；
[0029]步骤3.5：在3
×
3或5
×
5的邻域内进行非最大值抑制，同时选取局部极大值；
[0030]步骤3.6：同时满足R(x,y)大于一定阈值T和R(x,y)是某领域内的局部极大值这两个条件，则被认为是角点；
[0031]步骤3.7：对检测到的角点进行去除，得到若干的线段。
[0032]进一步地，步骤4具体包括：根据步骤3中得到若干线段，通过Hough变换提取这些线段的斜率k，车道线相对于水平方向的夹角在合理度数(θ1，θ2)之间，对于线段与水平方向的夹角不在这个范围中的线段进行去除，公式如下：
[0033]θ1<|arctan(k)|<θ2。
[0034]进一步地，θ1为45
°
，θ2为90
°
。
[0035]进一步地，步骤5利用最小二乘法对线段进行拟合，得到最终的车道线。
[0036]有益效果：与现有技术相比，本专利技术具有如下显著的优点：
[0037](1)利用高斯金字塔对图像进行处理，降低道路图像细节和噪声，同时也降低图像计算量和提高算法的效率；
[0038](2)采用改进的Harris角点检测的算法，有效减少因阴影、裂缝和滑痕等对道路车道线检测的影响；
[0039](3)解决不同的光照条件和复杂路面下的车道线检测困难的问题。
附图说明
[0040]图1为本专利技术中车道预警系统的流程图；
[0041]图2为本专利技术中高斯金字塔的算法流程图；
[0042]图3为本专利技术中改进的Harris角点检测算法的流程图；
具体实施方式
[0043]下面结合附图和具体实施例，进一步阐明本专利技术。
[0044]如图1所示，本实施例包括以下步骤：
[0045]步骤1：对输入的图像进行2级的高斯金字塔的处理：
[0046]具体地，设置高斯金字塔的层数为2，对输入的图像进行高斯金字塔变换，如图2所示，实施步骤如下：
[0047]步骤1.1：对于给定的图像先做一次高斯平滑处理；
[0048]步骤1.2：去除图像中的偶数行和偶数列，然后就得到一张新图像；
[0049]步骤1.3：连续循环步骤1.1和步骤1.2两次，得到一张新图片。
[0050]步骤2：根据步骤1得到的结果，首先使用灰度化进行处理，之后建立感兴趣区域(ROI)。
[0051]步骤3：将感兴趣区域内图像应用canny边缘检测算法，再通过改进的Harris角点检测算法的得到感兴趣区域内图像的角点，最后对检测到角点进行去除，这样会得到若干线段；
[0052]如图3所示，具体步骤如下：
[0053]步骤3.1：采用Barron算子计算图像中每一个像素在X方向和Y方向上的梯度，具体公式如下：
[0054][0055][0056]其中，f
x
表示图像f(x,y)的X方向梯度，f
y
表示图像f(x,y)的Y方向梯度，表示卷积计算。
[0057]步骤3.2：计算图像X和Y方向梯度的乘积和各自方向的平方，表示为f
x
f
y
、和
[0058]步骤3.3：采用B样条滤波函数对f
x
f
y
、和进行加权，生成矩阵M，表示为：
[0059][006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线的检测方法，其特征在于，包括如下步骤：步骤1：对输入的图像进行高斯金字塔处理；步骤2：设定图像感兴趣区域ROI并对其进行灰度化处理；步骤3：对图像进行Canny边缘检测和改进的Harris角点检测并对角点进行去除；步骤4：采用限制线段角度条件对其中的线段进行去除；步骤5：对图像中的线段采用拟合的方法，得到相应的车道线。2.根据权利要求1所述的车道线的检测方法，其特征在于，所述步骤1具体包括：步骤1.1：对图像进行一次高斯平滑处理；步骤1.2：去除图像中的偶数行和偶数列；步骤1.3：连续循环步骤1.1和步骤1.2两次，得到一张新图片。3.根据权利要求1所述的车道线的检测方法，其特征在于，所述步骤3具体包括：步骤3.1：采用Barron算子计算图像中每一个像素在X方向和Y方向上的梯度，具体公式如下：如下：其中，f
x
表示图像f(x,y)的X方向梯度，f
y
表示图像f(x,y)的Y方向梯度，表示卷积计算；步骤3.2：计算图像X和Y方向梯度的乘积和各自方向的平方，分别表示为f
x
f
y
、和步骤3.3：采用B样条滤波函数对和f
x
f
y
进行加权生成矩阵M的元素A、B和C，表示为：为：为：其中，表示图像f(x,y)的X方向梯度的乘积，表示图像f(x,y)的Y方向梯度的乘积，f
x
f
y
表示图像f(x,y)的X方向梯度与Y方向...

【专利技术属性】
技术研发人员：赵志国，孙中，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：