基于视觉的快速路智能车导航中车道信息的提取系统及方法，属于机器视觉与智能控制领域。其包括图像坐标系建立，道路图像预处理，车道模型建立和车道信息提取四个环节。其中，道路图像预处理包括加权平均灰度化方法，中值滤波，灰度拉伸对比度增强，基于Otsu算法的自适应二值化处理；车道模型建立环节对左右车道线建立直线模型，明确了提取的车道信息为kl，bl，kr和br，其中kl和bl为左车道线的斜率和截矩，kr和br为右车道线的斜率和截矩；车道信息提取算法基于应用广泛的Hough变换进行实现。由于采用了灰度拉伸对比度增强算法，因此本发明专利技术的车道信息提取算法可以适应一定光照变化的道路图像，可以适应不同视野即远视野和近视野的道路图像。
【技术实现步骤摘要】
本专利技术属于机器视觉与智能控制领域，是一种利用计算机技术、图像处理技术、无线传输技术等对车道信息进行提取。
技术介绍
随着公路交通基础设施的逐渐完善和私人汽车数量的增加，道路交通问题日益严重。近年来，交通事故频繁，道路交通事故造成的生命和财产损失越来越引起人们的关注。据统计2008年，全国共发生道路交通事故265204起，造成73484人死亡，304919人受伤，直接财产损失10. I亿元；2009年，全国共发生道路交通事故238351起，造成67759人死亡，275125人受伤，直接财产损失9. I亿元；2010年，全国共发生道路交通事故3906164起，造成65225人死亡，254075人受伤，直接财产损失9. 3亿元。为了尽力减少道路交通事故造成 的生命和财产损失，在过去的几十年中，国内外专家和学者都在积极开展有关智能交通系统(ITS)的研究工作。智能车辆导航作为智能交通系统中的关键技术之一，成为研究的热点。虽然经过多年的研究，但由于真实道路的复杂性，智能车辆导航是一个十分复杂的问题，至今仍无一个通用的算法。从德国的VaMP系统、美国的NavLab系统、法国的Infra系统、意大利的ARGO系统等所进行的实验中可以看到，虽然进行长期的研究，这些系统的智能车辆导航算法在实验中仍然表现出一些不足与缺陷。因此，在较长的一段时间内，有关智能车辆导航的研究仍然会是一个不断完善不断改进的过程。因此，本专利技术基于车载视频，对智能车导航中车道信息提取的各个环节进行了深入分析，并根据需要进行了改进研究，最终实验证明，本专利技术整体算法可以满足实时提取车道信息的要求。
技术实现思路
本专利技术对基于车载视频的智能车导航中车道信息提取算法的各个环节进行了深入分析。整个车道信息提取系统由硬件部分和软件部分两部分组成。硬件部分的整体框图如附图I所示，主要有五部分组成摄像头部分、无线发送模块、无线接受模块、视频采集卡和PC机。其中，摄像头部分装载在智能车的前端中间位置，采集模拟道路图像；无线发送模块和摄像头部分连接在一起，将摄像头采集的模拟图像信息传送给PC机；无线接收模块和PC机连接在一起，接收无线发送模块发送过来的模拟图像信息；视频采集卡装载在PC机上，将模拟图像信息转换为数字图像信息便于PC机处理；PC机用于数据处理。软件部分实时读取视频采集卡转换过来的数字图像并提取车道信息。整体流程图如附图2所示，主要包括图像坐标系建立，道路图像预处理，车道模型建立和车道信息提取四个环节。其中，道路图像预处理包括加权平均灰度化方法，中值滤波，灰度拉伸对比度增强，基于Otsu算法的自适应二值化处理；车道模型建立环节对左右车道线建立直线模型，明确了提取的车道信息为I^b1A和Iv其中Ic1和Id1为左车道线的斜率和截矩，匕和\为右车道线的斜率和截矩；车道信息提取算法基于应用广泛的Hough变换进行实现。具体实现过程如下所述。SI :图像坐标系建立将从视频采集卡读取的原始数字图像，以图像左下角为坐标原点，水平向右为X轴正方向，垂直向上为y轴正方向建立图像坐标系。S2 :道路图像预处理道路图像预处理主要包括加权平均灰度化，中值滤波，灰度拉伸对比度增强，基于Otsu算法的自适应二值化。整体流程图如附图3所示。S2. I :加权平均灰度化加权平均灰度化算法将从视频采集卡读取的原始数字图像中每个点的红、绿、蓝三分量赋以不同的权值进行加权平均，最终得到灰度图像，具体计算公式如下所示f: (x, y) = 0. 212671R(x, y)+0. 715160G(x, y)+0. 072169B(x, y) 其中f1 (x, y)为灰度化后(x, y)点的灰度值，R(x, y), G(x, y), B(x, y)分别为从视频采集卡读取的原始数字图像中(x，y)点的红，绿，蓝三分量。S2. 2 :中值滤波采用中值滤波对灰度化后的图像进行滤波处理，采用3*3的模板实现。具体计算公式如下所示权利要求1.基于视觉的快速路智能车导航中车道信息的提取系统，其特征在于其由五部分组成摄像头部分、无线发送模块、无线接受模块、视频采集卡和PC机；其中，摄像头部分采用1/3S0NY (XD，装载在智能车的前端中间位置，采集模拟道路图像；无线发送模块和摄像头部分连接在一起，将摄像头采集的模拟图像信息传送给PC机；无线接收模块和PC机连接在一起，接收无线发送模块发送过来的模拟图像信息；无线发送/接收模块采用FPV5.8G200MW发送接收套装；视频采集卡采用天敏SDK2500采集卡，装载在PC机上，将模拟图像信息转换为数字图像信息便于PC机处理；PC机用于数据处理。2.基于权利要求I所述的基于视觉的快速路智能车导航中车道信息的提取系统的车道信息提取方法，其特征在于包括图像坐标系建立，道路图像预处理，车道模型建立和车道信息提取四个环节；其中道路图像预处理包括加权平均灰度化方法，中值滤波，灰度拉伸对比度增强，基于Otsu算法的自适应ニ值化；车道模型建立环节对左右车道线建立直线模型，明确了提取的车道信息为k1; b1； kr和Iv其中Ic1和Id1为左车道线的斜率和截矩，kr和br为右车道线的斜率和截矩；车道信息提取算法基于应用广泛的Hough变换进行实现；具体步骤如下 51:图像坐标系建立将从视频采集卡读取的原始数字图像，以图像左下角为坐标原点，水平向右为X轴正方向，垂直向上为y轴正方向建立图像坐标系； 52:道路图像预处理道路图像预处理主要包括加权平均灰度化，中值滤波，灰度拉伸对比度增强，基于Otsu算法的自适应ニ值化；整体流程图如附图3所示； S2. 1 :加权平均灰度化加权平均灰度化算法将从视频采集卡读取的原始数字图像中每个点的红、绿、蓝三分量赋以不同的权值进行加权平均，最終得到灰度图像，具体计算公式如下所示f\(x，y) = O. 212671R(x, y) +0. 715160G(x, y) +0. 072169B(x, y) 其中fjx, y)为灰度化后(X, y)点的灰度值，R(x, y), G(x, y), B(x, y)分别为从视频采集卡读取的原始数字图像中(x，y)点的红，绿，蓝三分量； S2. 2 :中值滤波采用中值滤波对灰度化后的图像进行滤波处理，采用3*3的模板实现；具体计算公式如下所示3.根据权利要求2所述的车道信息提取方法，其特征在于软件部分基于VC2008和0penCV2. O进行实现。全文摘要基于视觉的快速路智能车导航中车道信息的提取系统及方法，属于机器视觉与智能控制领域。其包括图像坐标系建立，道路图像预处理，车道模型建立和车道信息提取四个环节。其中，道路图像预处理包括加权平均灰度化方法，中值滤波，灰度拉伸对比度增强，基于Otsu算法的自适应二值化处理；车道模型建立环节对左右车道线建立直线模型，明确了提取的车道信息为kl，bl，kr和br，其中kl和bl为左车道线的斜率和截矩，kr和br为右车道线的斜率和截矩；车道信息提取算法基于应用广泛的Hough变换进行实现。由于采用了灰度拉伸对比度增强算法，因此本专利技术的车道信息提取算法可以适应一定光照变化的道路图像，可以适应不同视野即远视野和近视野的道路图像。文档编号G06K9/46GK1026本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：闫豪杰，陈阳舟，辛乐，辛丰强，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。