一种非平坦路面车道线检测方法与流程

文档序号：11520258阅读：516来源：国知局

本发明具体涉及一种非平坦路面车道线检测方法。

背景技术：

基于机器视觉的车道线检测技术广泛应用于车辆自动/辅助驾驶系统。近些年，新一代智能车辆的研究更多地融入了人的操作和决策习惯，车道线检测仍然是智能车辆状态监控，车道偏离报警及自动导航系统的重要组成部分。mccall等总结了过去几十年来提出的各种车道线检测算法，主张依据系统的具体目标及不同的应用环境对检测算法的各个环节进行针对性设计。

当前的车道线检测算法普遍基于道路平坦性假设，很难适应坡度变化的复杂路况。zhou等基于模型匹配方法确定车辆前方两条车道线的位置及曲率，该方法要求逆透视变换(ipm)产生的顶视图中车道线呈平行状态。逆透视变换矩阵一般由摄像机内外参数计算得到，当前方道路满足平坦性假设时，顶视图中的车道线可始终保持平行，但当存在坡度变化时将不再满足平行条件。因此，该方法很难适应道路坡度的变化，且只能检测前方较近距离处的两条车道线。

borkar等提出了一种改进的随机霍夫变换车道线提取技术，在计算速度和内存效率上均优于经典的霍夫变换。然而，这些方法在霍夫变换时只是单纯地利用车道线上的点特征，在有车辆及路旁树木干扰的路况下容易出现误检。

技术实现要素：

本发明要解决的技术问题是提供一种非平坦路面车道线检测方法。

一种非平坦路面车道线检测方法，包括以下步骤：

s1：建立基于法向车道线模型，提取车道线的线特征；

s2：结合线特征的方向特性和强度信息，采用改进的hough变换车道线直线检测方法进行检测车道线；

s3：利用检测出的直线对车道线进行精确定位，采用加权最小二乘曲线拟合方法完整地提取出图像中的车道线。

进一步的，步骤s1的具体方法如下：

1）在法方向上，车道线模型可表示为：

；

即从法方向看过去，车道线高度为h，宽度为2b；

2）令为车道线法方向单位向量，则沿法方向经过车道线中心位置时，函数r的一阶导数过零点，二阶导数取得极小值；在二维空间中，函数的一阶和二阶偏导数分别为：

，，

，，；

法方向可通过hessian矩阵的特征值与特征向量得到，其中hessian矩阵为：

；

在绝对值最大的特征值所对应的特征向量方向上，函数的二阶导数取最小(大)值，因此该特征向量所表示的方向即为法方向；

3）令、分别为函数在方向上的一阶与二阶导数，则：

，

；

在点(x，y)附近沿方向对进行泰勒展开得：

；

令，有：；

当且小于预设阈值时，说明点（x，y）具有车道线特征，且特征强度。

进一步的，改进的hough变换车道线直线检测方法如下：

1）假定参数空间，将参数空间量化为单元格，并设置累加器矩阵保存累加值，初始值设为0，计算出量化步长：

，；

2）取特征量，令，使j在整数区间[-k，k]依次取值，并进行如下循环计算：

将代入式，计算

，

其中，为取整运算，（r,t）表示累加器中对应的单应格，w为当前单元格累加量的权重，最后进行累加计算：

；

3）按步骤2）对依次取值进行循环计算，直至取遍全部特征量为止。

进一步的，加权最小二乘曲线拟合方法如下：

1）三次贝塞尔曲线定义为：

；

式中，与为曲线起点和终点，与控制样条曲线形状，上式写成矩阵形式为：

；

式中，，；

2）令为n个待拟合的修正点，假定在贝塞尔曲线中每个对应为：

；

式中，表示点与之间的欧式距离；

3）令，

；

则q=tmp，采用加权最小二乘法可求取曲线控制点：

；

式中，h=tm；w为由所有修正点特征强度构成的加权矩阵：

。

本发明的有益效果是：

本发明能够提取任意方向的车道线特征，不受车道线平行条件的约束，基于提取出的线特征利用改进的hough变换进行直线检测，最后采用加权最小二乘法对车道线进行曲线拟合，在弯道和非平坦路面上都能准确鲁棒地检测出车道线。该方法计算也较为简单，因此整个计算过程能够达到较高的实时性。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。