一种车道线检测方法和装置制造方法及图纸

本发明专利技术公开了一种车道线检测方法和装置，属于智能交通领域。所述方法包括：采集待测图像，并在待测图像中确定第一感兴趣区；确定属于同一角度区间的所有像素的梯度幅值的累加值，并根据累加值确定第一梯度角度和第二梯度角度；将第一感兴趣区内的图像分别与代入第一梯度角度、第二梯度角度的方向可调节滤波器进行卷积，得到第一矩阵、第二矩阵；对第一矩阵和第二矩阵中的元素值取绝对值，并将元素值取绝对值后的第一矩阵和第二矩阵相加，得到第三矩阵；对第三矩阵中的元素值计算均值和方差，进而得到阈值，将大于阈值的元素值对应的像素作为特征点；对特征点组成的边缘二值化图像进行霍夫变换，确定车道线的直线模型。本发明专利技术车道线检测准确性高。

【技术实现步骤摘要】
一种车道线检测方法和装置
本专利技术涉及智能交通领域，特别涉及一种车道线检测方法和装置。
技术介绍
车道线检测技术是指利用图像传感等手段检测出道路虚实标线的技术。利用车道线检测技术，可以防止汽车偏离车道，也可以在车辆发生偏移或具有偏移趋势时给驾驶员以警示信息，提醒驾驶员采取措施，防止事故发生。因此，车道线检测对于汽车的行车安全非常重要。现有的车道线检测方法包括：采用Sobel(索贝尔)边缘检测算子计算待测图像中每个像素的梯度；将梯度大于固定阈值的像素判定为车道线特征点；根据判定的车道线特征点，采用最优贝叶斯估计和最大似然估计方法，获取车道线模型的参数。在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题：由于现有技术中采用Sobel边缘检测算子计算待测图像中每个像素的梯度，并将梯度大于固定阈值的像素判定为车道线特征点，车道线特征点判断标准的适用范围有限。如当道路受到树木、光强、路面标记、阴影等影响时，采用现有方法检测车道线，容易将非车道线特征点判定为车道线特征点，进而导致车道线模型的参数估计出现偏差，无法获得正确的车道线。
技术实现思路
为了解决现有技术存在无法获得正确车道线的问题，本专利技术实施例提供了一种车道线检测方法和装置。所述技术方案如下：一方面，本专利技术实施例提供了一种车道线检测方法，所述方法包括：采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于90°-180°，90°属于所述第一梯度角度或所述第二梯度角度；将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵；对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点；对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。在第一种可能的实现方式中，所述对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，包括：采用索贝尔边缘检测算子计算所述第一感兴趣区内的图像中每个像素的横轴方向的梯度和纵轴方向的梯度；计算所述每个像素的梯度幅值和梯度角度；将0°-180°划分为若干个角度区间，将梯度角度属于同一角度区间的梯度幅值进行累加，得到每个角度区间的所有像素的梯度幅值的累加值；在属于0-90°的角度区间中，选取所述累加值最大的区间中的一个角度作为第一梯度角度，在属于90°-180°的角度区间中，选取所述累加值最大的区间中的一个角度作为第二梯度角度。在第二种可能的实现方式中，所述根据得到的均值和方差设定判断特征点的阈值，包括：以所述均值和a倍的方差之和作为所述阈值，2.5≤a≤3.5。在第三种可能的实现方式中，所述对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型，包括：对所有所述特征点进行坐标转换，并得到所有经过所述特征点的直线组；将所有经过所述特征点的直线组映射到霍夫空间，得到参数空间累加图像；将所述累加图像的上半幅图像中所述特征点个数最多的像素的坐标，确定为左车道线的直线模型的参数，得到所述左车道线的直线模型；将所述累加图像的下半幅图像中所述特征点个数最多的像素的坐标，确定为右车道线的直线模型的参数，得到所述右车道线的直线模型；其中，所述左车道线的直线模型和所述右车道线的直线模型为u*sinθ+v*cosθ＝ρ，(ρ，θ)为所述左车道线的直线模型和所述右车道线的直线模型的参数，(u，v)为车道线的坐标。在第四种可能的实现方式中，所述在所述待测图像中确定第一感兴趣区，包括：以所述待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为所述第一感兴趣区，m、n为正整数，m＜n。在第五种可能的实现方式中，所述方法还包括：作经过所述左车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第一垂线，作经过所述右车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第二垂线，并以所述第一垂线、所述第二垂线、所述地平面消失线、所述第一感兴趣区靠近所述地平面消失线的边界线之间的区域作为第二感兴趣区；对所述第二感兴趣区内的图像进行坎尼边缘提取，确定所述第二感兴趣区中的特征点；根据所述左车道线的直线模型、所述右车道线的直线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型。可选地，所述根据所述左车道线的直线模型、所述右车道线的直线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型，包括：计算所述左车道线的直线模型和所述右车道线的直线模型的交点，并将所述交点的横轴坐标作为所述左车道线的曲线模型和所述右车道线的曲线模型的第一弯道参数，将所述交点的纵轴坐标作为所述地平面消失线的纵轴坐标；将所述左车道线的直线模型的斜率作为所述左车道线的曲线模型的第二弯道系数，将所述右车道线的直线模型的斜率作为所述右车道线的曲线模型的第二弯道参数；将所有的所述第二感兴趣区中的特征点坐标代入所述左车道线的曲线模型，选取满足所述第二感兴趣区中的特征点数量最多的第三弯道参数作为所述左车道线的曲线模型的第三弯道参数，将所有的所述第二感兴趣区中的特征点坐标代入所述右车道线的曲线模型，选取满足所述第二感兴趣区中的特征点数量最多的第三弯道参数作为所述右车道线的曲线模型的第三弯道参数；其中，所述左车道线的曲线模型和所述右车道线的曲线模型为u＝k/(v-h)+b*(v-h)+vp，u为车道线横轴坐标，v为车道线纵轴坐标，h为所述地平面消失线的纵轴坐标，vp为所述第一弯道参数，b为所述第二弯道参数，k为所述第三弯道参数。另一方面，本专利技术实施例提供了一种车道线检测装置，所述装置包括：图像采集模块，用于采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；梯度统计模块，用于对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于90°-180°，90°属于所述第一梯度角度或所述第二梯度角度；卷积模块，用于将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷本文档来自技高网...

【技术保护点】
一种车道线检测方法，其特征在于，所述方法包括：采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0?90°，所述第二梯度角度属于90°?180°；将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵；对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点；对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。

【技术特征摘要】
1.一种车道线检测方法，其特征在于，所述方法包括：采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于90°-180°，90°属于所述第一梯度角度或所述第二梯度角度；将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵；对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点；对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。2.根据权利要求1所述的方法，其特征在于，所述对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，包括：采用索贝尔边缘检测算子计算所述第一感兴趣区内的图像中每个像素的横轴方向的梯度和纵轴方向的梯度；计算所述每个像素的梯度幅值和梯度角度；将0°-180°划分为若干个角度区间，将梯度角度属于同一角度区间的梯度幅值进行累加，得到每个角度区间的所有像素的梯度幅值的累加值；在属于0-90°的角度区间中，选取所述累加值最大的区间中的一个角度作为第一梯度角度，在属于90°-180°的角度区间中，选取所述累加值最大的区间中的一个角度作为第二梯度角度。3.根据权利要求1所述的方法，其特征在于，所述根据得到的均值和方差设定判断特征点的阈值，包括：以所述均值和a倍的方差之和作为所述阈值，2.5≤a≤3.5。4.根据权利要求1所述的方法，其特征在于，所述对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型，包括：对所有所述特征点进行坐标转换，并得到所有经过所述特征点的直线组；将所有经过所述特征点的直线组映射到霍夫空间，得到参数空间累加图像；将所述累加图像的上半幅图像中所述特征点个数最多的像素的坐标，确定为左车道线的直线模型的参数，得到所述左车道线的直线模型；将所述累加图像的下半幅图像中所述特征点个数最多的像素的坐标，确定为右车道线的直线模型的参数，得到所述右车道线的直线模型；其中，所述左车道线的直线模型和所述右车道线的直线模型为u*sinθ+v*cosθ＝ρ，(ρ，θ)为所述左车道线的直线模型和所述右车道线的直线模型的参数，(u，v)为车道线的坐标。5.根据权利要求1-4任一项所述的方法，其特征在于，所述在所述待测图像中确定第一感兴趣区，包括：以所述待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为所述第一感兴趣区，m、n为正整数，m＜n。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：作经过所述左车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第一垂线，作经过所述右车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第二垂线，并以所述第一垂线、所述第二垂线、所述地平面消失线、所述第一感兴趣区靠近所述地平面消失线的边界线之间的区域作为第二感兴趣区；对所述第二感兴趣区内的图像进行坎尼边缘提取，确定所述第二...

【专利技术属性】
技术研发人员：王海，陈军，孙锐，王继贞，
申请(专利权)人：奇瑞汽车股份有限公司，
类型：发明
国别省市：