一种基于消失点和颜色过滤器的车道线检测方法技术

本发明专利技术公开一种基于消失点和颜色过滤器的车道线检测方法，包括如下步骤：S1、从行车视频中获取连续多帧图像进行预处理，获取行车环境下车道线的消失点位置，进而自适应提取感兴趣区域ROI；S2、根据车道线颜色特征对ROI进行过滤得到二值图像，获取二值图像中所有连通区域及其质心和倾斜角，基于消失点特征和角度约束筛选符合车道线特征的连通区域；S3、从剩余连通区域中进一步获取符合车道线特征的质心点，对获取的质心点使用最小二乘法进行拟合并标识出车道线。在车道线破损、车道标识干扰和车道线被遮挡等复杂情况也能够完成车道线检测，具有一定的鲁棒性，且提高了车道线检测方法的准确率和实时性。法的准确率和实时性。法的准确率和实时性。

【技术实现步骤摘要】
一种基于消失点和颜色过滤器的车道线检测方法


[0001]本专利技术属于车道线检测
，更具体地，本专利技术涉及一种基于消失点和颜色过滤器的车道线检测方法。

技术介绍

[0002]交通安全问题已成为世界性的大问题，因此汽车的安全性对人类生命财产的影响是不言而喻的。随着高速公路的发展和汽车性能的提高，汽车行驶速度也相应加快，加之汽车数量增加以及交通运输日益繁忙，汽车事故增多所引起的人员伤亡和财产损失，已成为一个不容忽视的社会问题，汽车的行车安全更显得非常重要。
[0003]随着智能驾驶技术的发展，车道线检测已成为汽车辅助驾驶和无人驾驶的基础环节，准确地检测和识别车道线是车道偏离预警、车道保持、变道等功能的重要前提。因此，车道线检测技术对于准确性的要求较高，车道线检测的准确性能够直接影响车辆的行车安全。
[0004]车道线检测技术在车辆辅助系统发挥着关键性作用，现有车道线检测算法在车道线破损、车道标识干扰和车道线被遮挡等复杂情况下检测精度严重下降，进而限制智能驾驶能力的发展，且也严重影响到智能驾驶的行驶安全性。

技术实现思路

[0005]本专利技术提供一种基于消失点和颜色过滤器的车道线检测方法，旨在提高较复杂行车环境下的车道线检测准确率。
[0006]本专利技术是这样实现的，一种基于消失点和颜色过滤器的车道线检测方法，所述方法包括如下步骤：
[0007]S1、从行车视频中获取连续多帧图像进行预处理，获取行车环境下车道线的消失点位置，进而自适应提取感兴趣区域ROI；
>[0008]S2、根据车道线颜色特征对ROI进行过滤得到二值图像，获取二值图像中所有连通区域及其质心和倾斜角，基于消失点特征和角度约束筛选符合车道线特征的连通区域；
[0009]S3、从剩余连通区域中进一步获取符合车道线特征的质心点，对获取的质心点使用最小二乘法进行拟合并标识出车道线；
[0010]步骤S3中的剩余连通区域为二值图像中所有连通区域与符合消失点特征和角度约束的连通区域的差值。
[0011]进一步的，图像的预处理依次包括：图像的灰度化、基于Canny算子的边缘检测及基于Hough变换的直线提取，其中，灰度化的计算公式具体如下：
[0012]I(x)＝R(x)+G(x)
‑
B(x)
[0013]式中，I(x)表示灰度化后图像中第x个像素点的灰度值，R(x)表示灰度化前图像中第x个像素点的红色通道亮度值，G(x)表示灰度化前图像中第x个像素点的绿色通道亮度值，B(x)表示灰度化前图像中第x个像素点的蓝色通道亮度值。
[0014]进一步的，车道线的消失点位置获取方法具体如下：
[0015]Hough变换中的参数空间选用极坐标系，计算在极坐标系下各直线间的交点(ρ，θ)；按图像长宽大小创建一个指定大小的单元格集，对图像中的每个交点(ρ，θ)进行检测，若交点落入的单元格即为交点的投票单元格，选出具有最大投票数的单元格，并计算该单元格内所有投票交点的平均值，作为消失点。
[0016]进一步的，满足如下条件的连通区域即为符合角度约束的连通区域，条件具体如下：
[0017]右侧连通区域对角线与x轴之间的夹角位于角度范围为[20
°
，80
°
]，左车连通区域对角线与x轴之间的夹角处于角度范围为[100
°
，160
°
]。
[0018]进一步的，满足公式的连通区域即为符合消失点特征的连通区域，公式具体如下：
[0019][0020]式中，dis为设定的距离阈值，(x0,y0)为消失点的坐标，(x1,y1)为对应连通区域最小矩阵对角线所在直线与消失点在同一水平位置处的交点坐标，其中，y1＝y0。
[0021]进一步的，在步骤S2之后步骤S3之前还包括：
[0022](1)检测连通区域的宽度；
[0023](2)对于宽度大于设定宽度阈值split_dis的连通区域，沿宽度方向将连通区域等分形成两个连通区域，执行步骤(1)，直至所有连通区域的宽度均小于宽度阈值split_dis；
[0024](3)提取各个连通区域的质心，并映射到对应的连通区域。
[0025]进一步的，剩余连通区域中符合车道线特征的质心点获取过程具体如下：
[0026]对存储空间left_lines、right_lines中质心点进行一次项拟合，获得两条直线方程的斜率left_k、right_k与截距left_b、right_b；
[0027]将各个剩余连通区域的质心C
i
(x
i
,y
i
)的x
i
坐标值分别代入左、右直线方程，分别求解出y
new
坐标值；
[0028]若y
new
坐标值小于坐标阈值T
add
，将该连通区域的质心数据添加到左、右车道线的数据点存储空间left_lines和right_lines中。
[0029]进一步的，在步骤S3之后还包括：
[0030]判断当前帧车道线拟合参数与上一帧车道线拟合参数之间的偏差，若偏差均在允许的偏差范围内，则认为当前帧车道线检测准确，否则上一帧检测到车道线作为当前帧的车道线。
[0031]进一步的，二值图像的获取过程具体如下：
[0032]对图像中的黄色车道线和白色车道线分别设置不同的阈值进行二值化，合并两种颜色车道线的二值图像；
[0033]对合并后的二值图像进行腐蚀与膨化处理。
[0034]本专利技术所提出的车道线检测方法具有如下有益技术效果：
[0035](1)对行车视频连续五帧图像进行预处理，获取该行车环境下车道线消失点位置，
检测出不符合车道特征的线，改善了车道线整体检测率下降的问题。
[0036](2)根据车道线颜色特征对ROI进行过滤得到二值图像，获取二值图像中所有连通区域质心和倾斜角等数据，通过结合消失点特征和角度阈值筛选符合车道线特征连通区域，提高了车道线的检测准确率；
[0037](3)通过分割较大区域获取更多质心点，同时获取漏检区域内符合车道线特征的质心点，并对获取的质心点使用最小二乘法进行拟合并标识出车道线，提高算法车道线的检测准确率。
附图说明
[0038]图1为本专利技术实施例提供的感兴趣区域ROI提取流程图；
[0039]图2为本专利技术实施例提供的基于消失点和颜色过滤器的车道线检测方法流程图；
[0040]图3为本专利技术实施例提供的灰度化对比图，其中，(a)为原图，(b)为加权平均法，(c)本专利技术方法；
[0041]图4为本专利技术实施例提供的Canny边缘检测的效果图；
[0042]图5为本专利技术实施例提供的)Hough变换过程，其中(a)极坐标空间域中的峰值，(b)Hough变换检测出的线段；
[0043]图6为本专利技术实施例提供的感兴趣区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于消失点和颜色过滤器的车道线检测方法，其特征在于，所述方法包括如下步骤：S1、从行车视频中获取连续多帧图像进行预处理，获取行车环境下车道线的消失点位置，进而自适应提取感兴趣区域ROI；S2、根据车道线颜色特征对ROI进行过滤得到二值图像，获取二值图像中所有连通区域及其质心和倾斜角，基于消失点特征和角度约束筛选符合车道线特征的连通区域；S3、从剩余连通区域中进一步获取符合车道线特征的质心点，对获取的质心点使用最小二乘法进行拟合并标识出车道线。2.如权利要求1所述基于消失点和颜色过滤器的车道线检测方法，其特征在于，图像的预处理依次包括：图像的灰度化、基于Canny算子的边缘检测及基于Hough变换的直线提取，其中，灰度化的计算公式具体如下：I(x)＝R(x)+G(x)
‑
B(x)式中，I(x)表示灰度化后图像中第x个像素点的灰度值，R(x)表示灰度化前图像中第x个像素点的红色通道亮度值，G(x)表示灰度化前图像中第x个像素点的绿色通道亮度值，B(x)表示灰度化前图像中第x个像素点的蓝色通道亮度值。3.如权利要求1所述基于消失点和颜色过滤器的车道线检测方法，其特征在于，车道线的消失点位置获取方法具体如下：Hough变换中的参数空间选用极坐标系，计算在极坐标系下各直线间的交点(ρ，θ)；按图像长宽大小创建一个指定大小的单元格集，对图像中的每个交点(ρ，θ)进行检测，若交点落入的单元格即为交点的投票单元格，选出具有最大投票数的单元格，并计算该单元格内所有投票交点的平均值，作为消失点。4.如权利要求1所述基于消失点和颜色过滤器的车道线检测方法，其特征在于，满足如下条件的连通区域即为符合角度约束的连通区域，条件具体如下：右侧连通区域对角线与x轴之间的夹角位于角度范围为[20
°
，80
°
]，左车连通区域对角线与x轴之间的夹角处于角度范围为[100
°
，160
°
]。5.如权利要求1所述基于消失点和颜色过滤器的车道线检测方法，其特征在于，满足公式的连通区域...

【专利技术属性】
技术研发人员：刘贵如，胡昊东，王陆林，刘进，孙健，王征，李胜杰，陈为松，
申请(专利权)人：芜湖易来达雷达科技有限公司，
类型：发明
国别省市：