一种基于图像修复算法的强光干扰车道线检测方法技术

本发明专利技术提供一种基于图像修复算法的强光干扰车道线检测方法，属于图像处理和道路安全驾驶技术领域；包括以下步骤S1、视频隔帧抽取图像；S2、对抽取的图像进行ROI处理，并计算离散系数，若高于阈值，则进行S3，反之则进行S4；S3、利用inpaintCoherent算法消除强光干扰；S4、图像由RGB通道转换为HSV通道，并做全局均衡化处理；S5、进行灰度处理，再用LoG算子进行图像边缘检测，然后进行均值滤波处理；S6、基于均值滤波后的亮度均值和方差的阙值约束进行二值化处理；S7、用霍夫变换检测算法进行车道线检测，并进行离群值过滤，最小二乘法拟合，绘制出车道线。本发明专利技术可以有效提高在外界强光干扰下的车道线检测精度，避免将条状强光识别为车道线，提高道路行车安全性。提高道路行车安全性。提高道路行车安全性。

【技术实现步骤摘要】
一种基于图像修复算法的强光干扰车道线检测方法


[0001]本专利技术属于图像处理和道路安全驾驶
，尤其涉及一种基于图像修复算法的强光干扰车道线检测方法。

技术介绍

[0002]车道线检测技术是当前车辆高阶自动辅助驾驶的重要组成部分之一，在城市复杂道路环境或有遮挡的行车环境下，强烈阳光穿过遮挡物的缝隙在路面上形成形状不一的光照投影干扰车道线检测，特别是阳光穿过缝隙在路面上形成长条状强光，这对基于摄像头观测的车道线检测方法提出了挑战，车辆经过强光干扰的场景，在一定程度上强光会干扰车道线的检测降低检测精度，影响自动驾驶的安全性和道路行车安全。
[0003]现有的车道线检测方法是在光照充足且柔和的环境下，并且道路宽阔无遮挡，车道标线与车道对比明显。但是在复杂道路环境或有遮挡的行车环境下，光线透过上方遮挡物的缝隙在车道上形成复杂的光照投影，特别是在高架桥下面行驶的车辆容易受到穿过缝隙的强光影响，形成了与车道线几乎平齐的直线强光，这对于依赖摄像头图像检测技术的车道线检测是一项困难的挑战。现有的车道线检测方法在受到上述强光干扰的影响，出现误将直线强光当做车道线和检测出的车道线偏离实际的情况，这导致在强光干扰环境下车道线检测精度不高；现有的车道线检测方法在识别当前图像是否为强光环境时忽略了图像的光照离散系数作为区分图像区分标准；另外在现有的车道线检测方法面对强光干扰是对图片整体进行增强处理，导致存在直线强光干扰下车道线的识别情况不太理想。

技术实现思路

[0004]本专利技术目的在于提供一种基于图像修复算法的强光干扰车道线检测方法，以解决现有方法没有考虑强光干扰对车道线检测的影响。
[0005]为实现上述目的，本专利技术的一种基于图像修复算法的强光干扰车道线检测方法的具体技术方案如下：
[0006]一种基于图像修复算法的强光干扰车道线检测方法，包括以下步骤，且以下步骤顺次进行：
[0007]步骤S1：根据汽车前部的单目视觉摄像头获取视频图像，并根据车辆实时速度隔帧抽取图像，将其处理为png格式；
[0008]步骤S2：对抽取的当前帧图像进行ROI处理，用一个二值掩膜进行过滤操作，选择图像中的道路部分作为感兴趣区域，计算ROI区域亮度均值和标准差，进而计算离散系数做强光环境的判断条件，若计算的离散系数高于阈值，则进行步骤S3，若计算的散系数小于等于阈值，则进行步骤S4；该方法考虑亮度均值和标准差，计算亮度离散系数，离散系数可以有效反应亮度的差异化。通过测试计算发现，采用本专利方法的案例离散系数为0.97，正常道路的离散系数为0.21，离散系数越大强光干扰越大，本专利设定的阈值为0.45，所以本专利案例的图像是受到强光干扰的。且该方法适用于不同形状的强光，有效判断强光干扰；
[0009]步骤S3：标定强光干扰区域生成mask掩膜，基于一种快速的非迭代图像修补方法，利用相邻区域内不相干的像素进行图像修复消除强光干扰，该算法采用快速推进的方法，只遍历一次修补区域，同时沿结构张量稳健估计的相干方向传输图像值，即利用inpaintCoherent算法消除强光干扰；通过修复强光干扰的区域让图像正常化，从而进行车道线检测。现有的车道线检测方法没有考虑到图像修复，通过对图像进行修复可以让车辆外界感知传感器适用范围更广，提高了系统的可靠性；
[0010]步骤S4：图像由RGB通道转换为HSV通道，并对HSV通道的每个通道做全局均衡化处理，做到彩色图像的全局均衡化，通过改变图像的直方图来改变图像中各像素的亮度，增强动态范围偏小的图像的对比度，原始图像由于其亮度分布不均造成图像不够清晰，采用全局直方图均衡化，可以把原始图像的直方图变换为均匀分布的形式，并且保留了图像的彩色信息，从而达到增强图像整体对比度的效果；通过将RGB图像格式转换为HSV格式，并针对每一通道进行直方图均衡化从而实现了全局直方图均衡化。优势在于保留了图像的彩色信息，提高了全局对比度使得图像更加清晰。现有的车道线检测方法有一部分是进行了直方图均衡化，没有保留彩色信息。本方法可以提高系统的可靠性；
[0011]步骤S5：对增强后的图像进行灰度处理，进一步用高斯
‑
拉普拉斯算子(Laplacian of Gaussian，LOG算子)进行图像边缘检测，其卷积核大小为5
×
5，然后进行均值滤波处理图像3
×
3范围的噪声；
[0012]步骤S6：计算均值滤波后的亮度均值和方差，构造阈值约束进行图像的二值化处理并选定待检测区域ROI图像；
[0013]步骤S7：用霍夫变换检测算法进行车道线检测，对检测结果基于直线的斜率正负进行分类，并进行离群值过滤，在每个分类中找出距离最远的直线端点并进行直线拟合，绘制出车道线。
[0014]进一步地，所述步骤S1中，根据车辆实时速度隔帧抽取图像将其处理为png格式，包括以下步骤，且以下步骤顺次进行：
[0015]步骤S11：计算抽取实时帧间隔
[0016]定义单目视觉摄像头的帧率为f，车辆的实时表显速度为v。为保证在车辆行驶过程中，车道线检测实时性的要求，计算的抽取实时帧间隔为：
[0017][0018]步骤S12：根据计算的抽取实时帧间隔t，每隔t帧抽取一次当前实时图像，将其处理为png格式。
[0019]进一步地，所述步骤S2中，计算ROI区域亮度均值和标准差进而计算离散系数做强光环境的判断条件，包括以下步骤，且以下步骤顺次进行：
[0020]步骤S21：计算ROI区域的亮度均值为mean_value，标准差为std_value，进而计算离散系数：
[0021][0022]步骤S22：设置离散系数阈值为0.45，若c＞0.45进行步骤S3，若c≤0.45进行步骤S4。
[0023]进一步地，所述步骤S4中，图像由RGB通道转换为HSV通道并对HSV通道的每个通道做均衡化处理，做到彩色图像的全局均衡化包括以下步骤：
[0024]步骤S41：将图像由RGB通道转换为HSV通道，将V通道分量进行处理到[0,255]范围；
[0025]步骤S42：计算V的直方图分布和频率，计算V的累计分布频率，对V通道分量进行均衡化处理，并还原到[0,1]范围，统计频率分布公式和均衡化公式为：
[0026][0027]其中r
k
为灰度级数，M,N分别为像素点个数的行数与列数，n
k
为当前灰度值出现的次数，L为最大灰度级数，s
k
为均衡化后的灰度级数；
[0028]步骤S43：将均衡化后的V通道分量替换原来的未均衡化V通道分量，并将图像从HSV空间转换回RGB空间，输出均衡化后的图像。
[0029]进一步地，所述步骤S5中，用高斯
‑
拉普拉斯算子进行图像边缘检测算子的5
×
5离散卷积核为：
[0030][0031]由于拉普拉斯算子对图像噪声敏感度较高，故先对图像进行高斯模糊处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像修复算法的强光干扰车道线检测方法，其特征在于，包括以下步骤，且以下步骤顺次进行：步骤S1：根据汽车前部的单目视觉摄像头获取视频图像，并根据车辆实时速度隔帧抽取图像，将其处理为png格式；步骤S2：对抽取的当前帧图像进行ROI处理，用二值掩膜进行过滤操作，选择图像中的道路部分作为感兴趣区域，计算ROI区域亮度均值和标准差，进而计算离散系数做强光环境的判断条件，若计算的离散系数高于阈值，则进行步骤S3，若计算的离散系数小于等于阈值，则进行步骤S4；步骤S3：标定强光干扰区域生成mask掩膜，利用相邻区域内不相干的像素进行图像修复消除强光干扰，采用快速推进的方法，只遍历一次修补区域，同时沿结构张量稳健估计的相干方向传输图像值，消除强光干扰；步骤S4：图像由RGB通道转换为HSV通道，并对HSV通道的每个通道做全局均衡化处理，做到彩色图像的全局均衡化；步骤S5：对增强后的图像进行灰度处理，再用高斯
‑
拉普拉斯算子进行图像边缘检测，其卷积核大小为5
×
5，然后进行均值滤波处理图像3
×
3范围的噪声；步骤S6：计算均值滤波后的亮度均值和方差，构造阈值约束进行图像的二值化处理并选定待检测区域ROI图像；步骤S7：用霍夫变换检测算法进行车道线检测，对检测结果基于直线的斜率正负进行分类，并进行离群值过滤，在每个分类中找出距离最远的直线端点并进行直线拟合，绘制出车道线。2.根据权利要求1所述的基于图像修复算法的强光干扰车道线检测方法，其特征在于，所述步骤S1中，根据车辆实时速度隔帧抽取图像将其处理为png格式，包括以下步骤，且以下步骤顺次进行：步骤S11：计算抽取实时帧间隔定义单目视觉摄像头的帧率为f，车辆的实时表显速度为v，计算的抽取实时帧间隔为：步骤S12：根据计算的抽取实时帧间隔t，每隔t帧抽取一次当前实时图像，将其处理为png格式。3.根据权利要求1所述的基于图像修复算法的强光干扰车道线检测方法，其特征在于，所述步骤S2中，计算ROI区域亮度均值和标准差进而计算离散系数做强光环境的判断条件，...

【专利技术属性】
技术研发人员：杨志发，王龙，董朔，李宗尧，孙勃，马骎，于卓，田晶晶，孙宁，
申请(专利权)人：吉林大学，
类型：发明
国别省市：