本发明涉及汽车偏离预警技术领域，尤其涉及一种高效的车道线检测跟踪方法及系统。
背景技术：
我国汽车产量和数量的急剧增长，驾驶安全问题受到越来越多的关注。目前,汽车驾驶辅助系统产品随着消费者需求量的增加而快速发展，城市建设和汽车产业的迅速发展，致使世界各国面临着日益严峻的交通问题。鉴于交通事故带来的巨大损失，智能辅助驾驶系统和自动驾驶汽车技术成为了当今交通领域和汽车工业界的研究热点。其中车道线的识别技术是非常重要的一个环节。为了满足智能驾驶的实际需要，车道线识别算法必须保证具有很好的可靠性、实时性和鲁棒性。
国内外学者对基于机器视觉的车道线检测算法已经进行了大量研究并取得了一定成果。在检测算法中，主要可以分为2类:模型法和特征法。基于模型的方法主要是通过提取的车道线特征点与车道线几何模型进行匹配提取车道线；基于特征的方法主要是通过车道线边缘点的梯度、方向和灰度值等一些特征来检测车道线。基于特征的车道线检测容易受到道路环境的干扰；基于模型的方法具有较好的鲁棒性，但是运算量大，实时性较差。
技术实现要素：
基于背景技术存在的技术问题，本发明提出了一种高效的车道线检测跟踪方法及系统。
本发明提出的高效的车道线检测跟踪方法，包括以下步骤：
s1、采集车辆环境图像信息；
s2、根据车辆环境图像信息确定消失线位置、感兴趣区域、匹配的车道线宽度的最大值和最小值；
s3、根据消失线位置、匹配的车道线宽度的最大值和最小值在感兴趣区域内进行边缘检测并搜索满足车道线特征搜索条件的特征点；
s4、对满足车道线特征搜索条件的特征点往消失线以及预设的两条车道水平线上进行投影，并在消失线上寻找消失点；
s5、根据消失点位置进行反向搜索，提取车道边界线的特征点，并根据车道边界线的特征点确定车道线；
s6、根据车道线建立带状区域，并利用置信度约束车道线位置和宽度。
优选地，步骤s2具体包括：
车道线宽度的范围由更改比例系数k1、k2确定其幅度；
k1为车道线宽度的最小值，k2为车道线宽度的最大值，且k2与k1满足正比例关系；
优选地，步骤s3具体包括：
边缘检测通过周围八个像素点的加权值代替中间点的像素值，提取车道线的轮廓，再搜索满足车道线特征搜索条件的特征点；
满足车道线特征搜索条件具体包括：
满足上升沿和下降沿阈值范围；其中，上升沿阈值为64，下降沿阈值为-64；
满足车道线宽度范围；
对消失线以下的车道线宽度进行车道线宽度设定，车道线宽度比例系数分别为k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
优选地，步骤s4具体包括：
若车道线的上升沿和下降沿具有相同的投影斜率，则投影角度相同，即
其中，投影斜率为边缘检测垂直方向梯度和水平方向梯度比值；
建立一维数组对车道线上每个点在消失线上的投影位置进行统计，当投影位置重合时，对该投影位置计票加一，如此循环，直至完成整个感兴趣区域的遍历，并将一维数组内计票数最大的点作为消失点。
优选地，步骤s5具体包括：
建立二维数组对投影线位置坐标进行存储；
根据消失点的位置在二维数组中找到对应的纵坐标，并统计上述纵坐标所在行计票的最大值和次大值，上述最大值和次大值即为左右车道边界线的特征点，并根据上述左右车道边界线的特征点确定车道线。
优选地，步骤s6具体包括：
优选地，基于车辆环境图像信息相邻帧间的道路位置变化连续的特性建立带状区域，并在搜索窗进行车道识别；
利用前帧图像检测结果，在本帧图像的预测位置定义一搜索窗；
将前帧图像确定的车道线点的坐标υi作为中心，在本帧图像相应水平邻域[υi-25,υi+25]内搜索新特征点；
在上述本帧图像相应水平邻域[υi-25,υi+25]内利用置信度约束车道线位置和宽度具体包括：
其中，nl为左车道线最大值点的数值，nr右车道线最大值点的数值，xa为右车道投影线的水平坐标，xb左车道投影线的水平坐标；
若dl＜ζ、dr<ζ，重新检测下一帧图像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用车道线边界线的特征点确定车道线；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，进一步分析dl与dr的大小，当dl＜dr时，根据右侧两点坐标值检测出右车道线，并基于车道宽度w补充左侧车道边缘点；当dl＞dr时，根据左侧两点坐标值检测出左车道线，并基于车道宽度w补充右侧车道边缘点；
其中，γ为置信度差值阈值且γ＝0.2，ζ＝0.6。
本发明提出的高效的车道线检测跟踪系统，包括：
图像采集模块，用于采集车辆环境图像信息；
信息确定模块，用于根据车辆环境图像信息确定消失线位置、感兴趣区域、匹配的车道线宽度的最大值和最小值；
特征点搜索模块，用于根据消失线位置、匹配的车道线宽度的最大值和最小值在感兴趣区域内进行边缘检测并搜索满足车道线特征搜索条件的特征点；
消失点寻找模块，用于对满足车道线特征搜索条件的特征点往消失线以及预设的两条车道水平线上进行投影，并在消失线上寻找消失点；
车道线确定模块，用于根据消失点位置进行反向搜索，提取车道边界线的特征点，并根据车道边界线的特征点确定车道线；
车道线约束模块，用于根据车道线建立带状区域，并利用置信度约束车道线位置和宽度。
优选地，信息确定模块具体用于：
车道线宽度的范围由更改比例系数k1、k2确定其幅度；
k1为车道线宽度的最小值，k2为车道线宽度的最大值，且k2与k1满足正比例关系；
优选地，特征点搜索模块具体用于：
边缘检测通过周围八个像素点的加权值代替中间点的像素值，提取车道线的轮廓，再搜索满足车道线特征搜索条件的特征点；
满足车道线特征搜索条件具体包括：
满足上升沿和下降沿阈值范围；其中，上升沿阈值为64，下降沿阈值为-64；
满足车道线宽度范围；
对消失线以下的车道线宽度进行车道线宽度设定，车道线宽度比例系数分别为k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
优选地，消失点寻找模块具体用于：
若车道线的上升沿和下降沿具有相同的投影斜率，则投影角度相同，即
其中，投影斜率为边缘检测垂直方向梯度和水平方向梯度比值；
建立一维数组对车道线上每个点在消失线上的投影位置进行统计，当投影位置重合时，对该投影位置计票加一，如此循环，直至完成整个感兴趣区域的遍历，并将一维数组内计票数最大的点作为消失点。
优选地，车道线确定模块具体用于：
建立二维数组对投影线位置坐标进行存储；
根据消失点的位置在二维数组中找到对应的纵坐标，并统计上述纵坐标所在行计票的最大值和次大值，上述最大值和次大值即为左右车道边界线的特征点，并根据上述左右车道边界线的特征点确定车道线。
优选地，车道线约束模块具体用于：
优选地，基于车辆环境图像信息相邻帧间的道路位置变化连续的特性建立带状区域，并在搜索窗进行车道识别；
利用前帧图像检测结果，在本帧图像的预测位置定义一搜索窗；
将前帧图像确定的车道线点的坐标υi作为中心，在本帧图像相应水平邻域[υi-25,υi+25]内搜索新特征点；
在上述本帧图像相应水平邻域[υi-25,υi+25]内利用置信度约束车道线位置和宽度具体包括：
其中，nl为左车道线最大值点的数值，nr右车道线最大值点的数值，xa为右车道投影线的水平坐标，xb左车道投影线的水平坐标；
若dl＜ζ、dr<ζ，重新检测下一帧图像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用车道线边界线的特征点确定车道线；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，进一步分析dl与dr的大小，当dl＜dr时，根据右侧两点坐标值检测出右车道线，并基于车道宽度w补充左侧车道边缘点；当dl＞dr时，根据左侧两点坐标值检测出左车道线，并基于车道宽度w补充右侧车道边缘点；
其中，γ为置信度差值阈值且γ＝0.2，ζ＝0.6。
本发明基于投票机制检测消失点，并划分目标搜索区域，过滤图像中不属于车道线的多数干扰线和干扰点，减少车道线中央标示符的干扰，可以快速筛选出车道边缘点，提高检测车道线的有效性和实时性；通过采集车道边缘线上的两点，能够快速准确地检测出车道线，通过置信度的判断以及车道宽度的信息，能够识别出在模糊、阴影或车辆遮挡等情况下的车道线；并通过前帧的检测结果建立动态的感兴趣区域，使得算法变得更加简单高效，实用性很强。
附图说明
图1为一种高效的车道线检测跟踪方法的步骤示意图；
图2为一种高效的车道线检测跟踪系统的结构示意图；
图3为一种高效的车道线检测跟踪方法及系统的流程示意图；
图4为一种高效的车道线检测跟踪方法及系统中消失线与感兴趣区域的位置示意图；
图5为一种高效的车道线检测跟踪方法及系统中消失点的位置示意图；
图6为一种高效的车道线检测跟踪方法及系统中带状区域的位置示意图。
具体实施方式
参照图1，本发明提出的高效的车道线检测跟踪方法，其特征在于，包括以下步骤：
s1、采集车辆环境图像信息；实际应用过程中，利用摄像机采集车辆环境信息以获取连续的视频流，为分析车辆环境图像信息提供准确的参考依据；
s2、根据车辆环境图像信息确定消失线位置、感兴趣区域、匹配的车道线宽度的最大值和最小值；
步骤s2具体包括：读取当前帧，对车辆环境图像进行预处理，确定消失线位置以及感兴趣区域，并确定匹配的车道线宽度的最大值和最小值；
车道线宽度的范围由更改比例系数k1、k2确定其幅度；
k1为车道线宽度的最小值，k2为车道线宽度的最大值，且k2与k1满足正比例关系；
s3、根据消失线位置、匹配的车道线宽度的最大值和最小值在感兴趣区域内进行边缘检测并搜索满足车道线特征搜索条件的特征点；
步骤s3具体包括：
边缘检测通过周围八个像素点的加权值代替中间点的像素值，提取车道线的轮廓，再搜索满足车道线特征搜索条件的特征点；
满足车道线特征搜索条件具体包括：
满足上升沿和下降沿阈值范围；其中，上升沿阈值为64，下降沿阈值为-64；
满足车道线宽度范围；
对消失线以下的车道线宽度进行车道线宽度设定，车道线宽度比例系数分别为k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
s4、对满足车道线特征搜索条件的特征点往消失线以及预设的两条车道水平线上进行投影，并在消失线上寻找消失点；
步骤s4具体包括：
若车道线的上升沿和下降沿具有相同的投影斜率，则投影角度相同，即
其中，投影斜率为边缘检测垂直方向梯度和水平方向梯度比值；
建立一维数组对车道线上每个点在消失线上的投影位置进行统计，当投影位置重合时，对该投影位置计票加一，如此循环，直至完成整个感兴趣区域的遍历，并将一维数组内计票数最大的点作为消失点。
s5、根据消失点位置进行反向搜索，提取车道边界线的特征点，并根据车道边界线的特征点确定车道线；
步骤s5具体包括：
建立二维数组对投影线位置坐标进行存储；
根据消失点的位置在二维数组中找到对应的纵坐标，并统计上述纵坐标所在行计票的最大值和次大值，上述最大值和次大值即为左右车道边界线的特征点，并根据上述左右车道边界线的特征点确定车道线。
s6、根据车道线建立带状区域，并利用置信度约束车道线位置和宽度。
步骤s6具体包括：
优选地，基于车辆环境图像信息相邻帧间的道路位置变化连续的特性建立带状区域，并在搜索窗进行车道识别；
利用前帧图像检测结果，在本帧图像的预测位置定义一搜索窗；
将前帧图像确定的车道线点的坐标υi作为中心，在本帧图像相应水平邻域[υi-25,υi+25]内搜索新特征点；
在上述本帧图像相应水平邻域[υi-25,υi+25]内利用置信度约束车道线位置和宽度具体包括：
其中，nl为左车道线最大值点的数值，nr右车道线最大值点的数值，xa为右车道投影线的水平坐标，xb左车道投影线的水平坐标；
若dl＜ζ、dr<ζ，表明车道线提取失败，则为保障顺利提取车道线，重新检测下一帧图像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用车道线边界线的特征点确定车道线；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，进一步分析dl与dr的大小，当dl＜dr时，表明右侧车道线的置信度更高，则根据右侧两点坐标值检测出右车道线，并基于车道宽度w补充左侧车道边缘点；当dl＞dr时，表明左侧车道线的置信度更高，此时根据左侧两点坐标值检测出左车道线，并基于车道宽度w补充右侧车道边缘点；
其中，γ为置信度差值阈值且γ＝0.2，ζ＝0.6。
参照图，图为本发明提出的高效的车道线检测跟踪系统，包括：
图像采集模块，用于采集车辆环境图像信息；
信息确定模块，用于根据车辆环境图像信息确定消失线位置、感兴趣区域、匹配的车道线宽度的最大值和最小值；
信息确定模块具体用于：
车道线宽度的范围由更改比例系数k1、k2确定其幅度；
k1为车道线宽度的最小值，k2为车道线宽度的最大值，且k2与k1满足正比例关系；
特征点搜索模块，用于根据消失线位置、匹配的车道线宽度的最大值和最小值在感兴趣区域内进行边缘检测并搜索满足车道线特征搜索条件的特征点；
特征点搜索模块具体用于：
边缘检测通过周围八个像素点的加权值代替中间点的像素值，提取车道线的轮廓，再搜索满足车道线特征搜索条件的特征点；
满足车道线特征搜索条件具体包括：
满足上升沿和下降沿阈值范围；其中，上升沿阈值为64，下降沿阈值为-64；
满足车道线宽度范围；
对消失线以下的车道线宽度进行车道线宽度设定，车道线宽度比例系数分别为k1、k2，其中，k1＝5.0/125.0，k2＝35.0/125.0。
消失点寻找模块，用于对满足车道线特征搜索条件的特征点往消失线以及预设的两条车道水平线上进行投影，并在消失线上寻找消失点；
消失点寻找模块具体用于：
若车道线的上升沿和下降沿具有相同的投影斜率，则投影角度相同，即
其中，投影斜率为边缘检测垂直方向梯度和水平方向梯度比值；
建立一维数组对车道线上每个点在消失线上的投影位置进行统计，当投影位置重合时，对该投影位置计票加一，如此循环，直至完成整个感兴趣区域的遍历，并将一维数组内计票数最大的点作为消失点。
车道线确定模块，用于根据消失点位置进行反向搜索，提取车道边界线的特征点，并根据车道边界线的特征点确定车道线；
车道线确定模块具体用于：
建立二维数组对投影线位置坐标进行存储；
根据消失点的位置在二维数组中找到对应的纵坐标，并统计上述纵坐标所在行计票的最大值和次大值，上述最大值和次大值即为左右车道边界线的特征点，并根据上述左右车道边界线的特征点确定车道线。
车道线约束模块，用于根据车道线建立带状区域，并利用置信度约束车道线位置和宽度。
车道线约束模块具体用于：
优选地，基于车辆环境图像信息相邻帧间的道路位置变化连续的特性建立带状区域，并在搜索窗进行车道识别；
利用前帧图像检测结果，在本帧图像的预测位置定义一搜索窗；
将前帧图像确定的车道线点的坐标υi作为中心，在本帧图像相应水平邻域[υi-25,υi+25]内搜索新特征点；
在上述本帧图像相应水平邻域[υi-25,υi+25]内利用置信度约束车道线位置和宽度具体包括：
其中，nl为左车道线最大值点的数值，nr右车道线最大值点的数值，xa为右车道投影线的水平坐标，xb左车道投影线的水平坐标；
若dl＜ζ、dr<ζ，表明车道线提取失败，则为保障顺利提取车道线，重新检测下一帧图像；
若dl≥ζ或dr≥ζ、|dl-dr|≤γ，利用车道线边界线的特征点确定车道线；
若dl≥ζ或dr≥ζ、|dl-dr|＞γ，进一步分析dl与dr的大小，当dl＜dr时，表明右侧车道线的置信度更高，则根据右侧两点坐标值检测出右车道线，并基于车道宽度w补充左侧车道边缘点；当dl＞dr时，表明左侧车道线的置信度更高，此时根据左侧两点坐标值检测出左车道线，并基于车道宽度w补充右侧车道边缘点；
其中，γ为置信度差值阈值且γ＝0.2，ζ＝0.6。
基于投票机制检测消失点，并划分目标搜索区域，过滤图像中不属于车道线的多数干扰线和干扰点，减少车道线中央标示符的干扰，可以快速筛选出车道边缘点，提高检测车道线的有效性和实时性；通过采集车道边缘线上的两点，能够快速准确地检测出车道线，通过置信度的判断以及车道宽度的信息，能够识别出在模糊、阴影或车辆遮挡等情况下的车道线；并通过前帧的检测结果建立动态的感兴趣区域，使得算法变得更加简单高效，实用性很强。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。