基于霍夫变换的车道线识别方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及基于霍夫变换的车道线识别方法及系统。该方法包括：采集路面图像，对路面图像进行边缘检测，得到边缘图像以及该边缘图像内的多条边缘线；根据每条边缘线上白色像素点的数量获取边缘线的颜色特征指标；选取最长的两条边缘线，根据其中心点坐标获取对称中心点，根据所有边缘线的中心点到对称中心点的距离获取多对对称边缘，基于每对对称边缘上的像素点到对称中心点的距离获取每条边缘线的对称性指标；根据颜色特征指标和对称性指标获取每条边缘线为车道线的概率，进而获取该边缘线进行霍夫变换的必要性；对必要性大于预设阈值的边缘线进行霍夫变换，得到车道线直线。本发明专利技术实施例能够降低霍夫变换的计算量。霍夫变换的计算量。霍夫变换的计算量。

【技术实现步骤摘要】
基于霍夫变换的车道线识别方法及系统


[0001]本专利技术涉及图像处理
，具体涉及基于霍夫变换的车道线识别方法及系统。

技术介绍

[0002]随着城市机动车数量的增加，城市交通压力不断增加，随之而来的智慧交通系统迅速发展，其中车道线识别技术广泛应用于无人驾驶领域，用户利用车道线识别技术来使车辆一直在道路区域中运行。
[0003]传统的识别车道线的方法为霍夫变换，但是对图像中车道线的识别时，由于道路中干扰量较多，直接使用霍夫变换往往需要大量的计算，然后再进行车道线的筛选，对车道线识别的速度较慢，耗费很多时间做无用计算，浪费资源。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于霍夫变换的车道线识别方法及系统，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了一种基于霍夫变换的车道线识别方法，该方法包括以下步骤：
[0006]采集路面图像，对所述路面图像进行边缘检测，得到边缘图像以及该边缘图像内的多条边缘线；
[0007]根据每条所述边缘线上白色像素点的数量获取所述边缘线的颜色特征指标；
[0008]选取最长的两条边缘线，根据其中心点坐标获取对称中心点，根据所有所述边缘线的中心点到所述对称中心点的距离获取多对对称边缘，基于每对对称边缘上的像素点到所述对称中心点的距离获取每条所述边缘线的对称性指标；
[0009]根据所述颜色特征指标和所述对称性指标获取每条边缘线为车道线的概率，进而获取该边缘线进行霍夫变换的必要性；对所述必要性大于预设阈值的边缘线进行霍夫变换，得到车道线直线。
[0010]优选的，所述边缘线的获取过程为：
[0011]获取所述边缘图像中的多个连通域，在每个所述连通域中，选取连通域边缘上任意一个边缘像素点作为起点，根据所述起点的邻域像素点的像素值与所述起点的像素值的差异搜索其他边缘像素点，得到每个所述连通域中的所述边缘线。
[0012]优选的，所述颜色特征指标的获取过程为：
[0013]将所述边缘线上每个像素点的像素值与颜色阈值相比较，大于所述颜色阈值的像素点为白色像素点，获取每条所述边缘线上的白色像素点的数量，以其在所述边缘线上的数量占比作为所述颜色特征指标。
[0014]优选的，所述对称中心点的获取过程为：将最长的两条边缘线的中心点相连，以连接线的中点作为所述对称中心点。
[0015]优选的，所述对称边缘的获取过程为：
[0016]获取每条所述边缘线中心点到所述对称中心点的距离，将每两条边缘线对应的距离做差，将差值小于距离阈值的两条边缘线组成一对对称边缘。
[0017]优选的，所述对称性指标的获取过程为：
[0018]对于每对所述对称边缘，计算该对称边缘中每条边缘线上每个像素点到所述对称中心点的距离并求和得到两个边缘距离，根据两个边缘距离之和与最大的边缘距离获取所述对称性指标。
[0019]优选的，所述概率的获取过程为：以所述颜色特征指标和所述对称性指标的乘积作为该边缘线为车道线的所述概率。
[0020]优选的，所述必要性的获取过程为：获取必要性系数，利用所述必要性系数对所述概率进行差异扩大，获取所述必要性。
[0021]优选的，所述车道线直线的获取过程为：
[0022]筛选出所述必要性大于预设阈值的边缘线，利用向量表示这些边缘线来进行直线的霍夫变换再逆映射至图像空间，得到所述车道线直线。
[0023]第二方面，本专利技术另一个实施例提供了一种基于霍夫变换的车道线识别系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于霍夫变换的车道线识别方法的步骤。
[0024]本专利技术实施例至少具有如下有益效果：
[0025]本专利技术实施例对路面灰度图像进行边缘检测，根据每条边缘的白色像素点的数量占比获取颜色特征指标，根据各边缘像素点到对称中心点的距离获取对称性指标，利用颜色特征指标和对称性指标计算每条边缘为车道线的概率，选取概率大于阈值的边缘进行霍夫变换，得到车道线，能够在进行霍夫变换之前判断边缘线为车道线的概率，减少无关边缘的干扰，降低霍夫变换的计算量，减少计算的空间复杂度和时间复杂度，使识别效果更加准确及快速。
附图说明
[0026]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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这些附图获得其它附图。
[0027]图1为本专利技术一个实施例提供的基于霍夫变换的车道线识别方法的步骤流程图；
[0028]图2为采集的路面图像；
[0029]图3为对图2进行边缘检测后得到的边缘图像。
具体实施方式
[0030]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于霍夫变换的车道线识别方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或
特点可由任何合适形式组合。
[0031]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0032]下面结合附图具体的说明本专利技术所提供的基于霍夫变换的车道线识别方法及系统的具体方案。
[0033]请参阅图1，其示出了本专利技术一个实施例提供的基于霍夫变换的车道线识别方法的步骤流程图，该方法包括以下步骤：
[0034]步骤S001，采集路面图像，对路面图像进行边缘检测，得到边缘图像以及该边缘图像内的多条边缘线。
[0035]具体的步骤包括：
[0036]1.采集路面图像，并将其转换为灰度图像。
[0037]通过相机采集需要识别车道线的路面图像，如图2所示，利用车辆或者无人机以及其他可以采集到路面图像的手段均可，采集到的路面图下为RGB图像。
[0038]将采集到的RGB图像进行灰度化，得到灰度图像。灰度图像(GRAY)通常指8位灰度图，其具有256个灰度级，像素值的范围是[0,255]。当图像从RGB色彩空间转换为GRAY色彩空间时，一般有三种处理方式，作为一个示例，本专利技术实施例采用的方式为：
[0039]Gray＝0.299*R+0.587*G+0.114*B
[0040]根据每个像素点处三通道的值计算处该点的灰度值，组成灰度图像。
[0041]2.对灰度图像进行边缘检测，得到边缘图像及其包含的多条边缘线。
[0042]本专利技术实施例中利用canny算子对灰度图像进行边缘检测：
[0043]对图像进行去噪，因为噪声会影响边缘检测的准确性，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于霍夫变换的车道线识别方法，其特征在于，该方法包括以下步骤：采集路面图像，对所述路面图像进行边缘检测，得到边缘图像以及该边缘图像内的多条边缘线；根据每条所述边缘线上白色像素点的数量获取所述边缘线的颜色特征指标；选取最长的两条边缘线，根据其中心点坐标获取对称中心点，根据所有所述边缘线的中心点到所述对称中心点的距离获取多对对称边缘，基于每对对称边缘上的像素点到所述对称中心点的距离获取每条所述边缘线的对称性指标；根据所述颜色特征指标和所述对称性指标获取每条边缘线为车道线的概率，进而获取该边缘线进行霍夫变换的必要性；对所述必要性大于预设阈值的边缘线进行霍夫变换，得到车道线直线。2.根据权利要求1所述的方法，其特征在于，所述边缘线的获取过程为：获取所述边缘图像中的多个连通域，在每个所述连通域中，选取连通域边缘上任意一个边缘像素点作为起点，根据所述起点的邻域像素点的像素值与所述起点的像素值的差异搜索其他边缘像素点，得到每个所述连通域中的所述边缘线。3.根据权利要求1所述的方法，其特征在于，所述颜色特征指标的获取过程为：将所述边缘线上每个像素点的像素值与颜色阈值相比较，大于所述颜色阈值的像素点为白色像素点，获取每条所述边缘线上的白色像素点的数量，以其在所述边缘线上的数量占比作为所述颜色特征指标。4.根据权利要求1所述的方法，其特征在于，所述对称中心点的获取过程为...

【专利技术属性】
技术研发人员：刘旭萍，
申请(专利权)人：南通顺沃供应链管理有限公司，
类型：发明
国别省市：