一种矩采样车道跟踪检测方法
【技术领域】
[0001] 本发明涉及一种矩采样车道跟踪检测方法，属于数字图像处理技术和用于快速检 测并跟踪车道的技术领域。
【背景技术】
[0002] 作为工业时代最伟大的发明之一，汽车以它庞大的数量在人类交通史中占有极为 重要的地位。2015年，仅我国汽车保有量就达到1. 5亿，平均10人就有一辆汽车，而发达国 家的数字还要远超我国。
[0003] 庞大保有量和使用人数也使得汽车成为了夺取生命最多的交通工具。虽然我国汽 车保有量不到全世界2 %，但是交通事故伤亡人数却占到了全球伤亡人数的20 %，每年超 过10万人在交通事故中受伤或身亡。其中很大一部分原因是驾驶员安全意识淡薄，危险变 道或者在疲劳驾驶。
[0004] 另一方面，随着车辆的增多，互联网技术的发展以及更强大、更高效的硬件设备的 出现，无人驾驶成为了当今热门的研宄领域。
[0005] 世界上汽车工业较为发达的国家都已经开始展开了对无人驾驶的研宄。比如，美 国谷歌公司研发的智能无人驾驶汽车，内华达州机动车辆管理局已正式向谷歌颁发首张无 人驾驶车辆牌照，由谷歌研发的这种无人驾驶汽车今后可以驶上开放公路进行测试；德国 "路克斯"可以在错综复杂的城市公路系统中实现无人驾驶，它还能识别各种交通标志，保 证汽车在遵守交通规则的前提下安全行驶。但是，我国却在该方面还处在一个非常初级的 阶段。
[0006] 车道检测是无人驾驶体系中一项十分重要的技术，如果提供一种可靠性高、运算 量小的车道检测方法用于判断车辆行驶时是否偏离车道，对我国无人驾驶技术发展将有较 大意义。
【发明内容】
[0007] 针对现有技术的不足，本发明公开了一种可用于实时系统的快速、可靠的矩采样 车道跟踪检测方法；
[0008] 本发明能够快速、可靠的检测并跟踪车道，并且在汽车偏离道路方向的情况下结 合车辆辅助驾驶系统提醒驾驶员注意行车方向，避免交通事故的发生，保证汽车内外的人 员安全，降低车祸的发生几率。
[0009] 本发明的技术方案为：
[0010] 一种矩采样车道跟踪检测方法，通过安装在沿车辆中心线的车辆前方的相机获取 车辆前方道路影像，将前方道路影像分解成大量帧图像，W= 〇,具体步骤包括：
[0011] (1)选取感兴趣区域并进行初始化处理加N，
，其中，FPS为所述 相机拍摄的帧率，V表示车辆速度，Pm指车辆每行驶1米所需处理的图像帧数，在大量帧图 像中第W帧图像中，选取车辆前方且靠近车辆的一段矩形道路区域作为感兴趣区域P;
[0012] 在车辆行驶过程中，为了保证本发明提供方法的实时性，对于相机拍摄的影像，不 需要处理每一帧的图像，可以通过每处理一帧，忽略接下来的N帧图像，N的具体数值可以 根据车辆的行驶速度来动态改变；同时，由于选取的感兴趣区域较小，对于行驶的车辆，感 兴趣区域的位置可以看作基本不变，又因为相近的帧之间车道线在感兴趣区域中的位置的 变化量较小，只需要通过检测车道线在当前帧的位置即可预测下一帧中车道线的大概位 置，通过微调感兴趣区域在帧图像中的位置来实现对车道线的追踪，从而避免重复选取感 兴趣区域，在保证检测车道线可靠性的同时又加快了处理速度。
[0013] (2)利用自适应阈值法检测道路上的车道线：将步骤⑴得到的感兴趣区域P进 行灰度化处理，得到灰度图像，采用自适应阈值法计算分割阈值，利用分割阈值对灰度图像 进行二值化处理，得到二值化图像Ib，再对二值化图像Ib进行形态学上的闭操作，去除干扰 点，形成一个完整的矩形车道线段，得到二值图像Ib';
[0014] 得到二值化图像Ib后，由于实际道路中车道线存在磨损，利用分割阈值对灰度图 像进行二值化处理后，车道线中必然存在干扰点，为了去除干扰点，选取一个合适大小的矩 形窗，对二值化图像Ib进行形态学的闭操作处理，去除干扰点，使之形成一个连通的整体， 得到二值图像1/。
[0015] (3)通过图像分割提取车道线：对二值图像V中的白色区域进行图像分割处理， 将连通的白色区域标成同一标号，同一标号的像素点视作为一个超像素点，完成对白色连 通区域的分割，设定规则去除白色干扰区域，如果感兴趣区域P中不存在完整的车道线，则 进入步骤（1);否则，感兴趣区域P中存在完整的车道线，获取完整的车道线；
[0016] (4)判断车辆是否正在偏离行驶的车道：计算出步骤（3)得到完整的车道线的中 心线延伸方向，即车道延伸方向，图像平面坐标系的Y轴方向即车辆行驶方向，求取车道延 伸方向与车辆行驶方向之间的夹角0，如果0多10°，则车辆正在偏离行驶的车道，通过 车载辅助驾驶系统对车辆驾驶员发出警告，否则，进入步骤（1);其中，所述图像平面坐标 系是指：以第w帧图像的左下角为原点、以第w帧图像下边缘为X轴、以第w帧图像左边缘 为Y轴建立的坐标系。
[0017] 根据本发明优选的，步骤（2)中，采用自适应阈值法计算分割阈值，利用分割阈值 对灰度图像进行二值化处理，得到二值化图像Ib，具体步骤包括：
[0018] a、对步骤（1)所述灰度图像中的256种像素值进行统计，得到每一种像素值的像 素点个数，形成横坐标为像素值、纵坐标为像素值对应的像素点个数的统计直方图；
[0019] b、以像素值为横坐标、像素值对应的像素点个数为纵坐标，得到拟合曲线L，取拟 合曲线L上的两个极大值MaxJPMax2，并取拟合曲线L上两个极大值MaxJPMax2之间的 最小值Min，最小值Min对应的横坐标值取整后即为分割阈值T，利用分割阈值T对步骤（2) 所述灰度图像进行二值化处理，得到二值化图像Ib。
[0020] 由于路面上的车道线一般为黄色或白色，而路面本身接近于灰黑色，白色或黄色 车道线对应的灰度值较大，灰黑色路面对应的灰度值较小，而车道线占感兴趣区域P的面 积较小，大部分为路面，因此，统计直方图中会得到两个极大值。
[0021] 根据本发明优选的，步骤（3)中，通过图像分割提取车道线，具体步骤包括：
[0022] c、遍历步骤（2)得到的二值图像Ib'，对二值图像Ib'进行标号处理，S卩：将二值 图像Ib'中相邻的白色像素点标注成同一个标号i，1彡i彡n且i为正整数，得到n个连 通区域，即以......Si......Sn}；
[0023] d、对步骤c标号为l-n的数目分别进行统计，计算出连通区域 {Si......Si......sn}的面积分别为{Ai......Ai......An}，设定面积阈值Ts，面积阈值Ts 为{A:......Aj......AJ中的第二大值，将{Ai......Aj......AJ任一值分别与面积阈值八 进行比较，如果Ts，连通区域Si不属于车道线，去除连通区域Si;否则，保留；最终得到 剩余连通区域，即车道线，此时的二值图像为Ib" ；
[0024] e、取步骤d最终得到的剩余连通区域在图像平面坐标系上横坐标的最大值 纵坐标的最大值、横坐标的最小值、纵坐标的最小值，计算车道线的横轴长 度W= ，计算车道线的纵轴长度H= ，如果W大于H，则感兴趣区域P 中不存在完整的车道线，则进入步骤（1);否则，感兴趣区域P中存在完整的车道线，获取完 整的车道线。
[0025] 根据本发明优选的，步骤（4)中，计算出步骤（3)得到完整的车道线的中心线延伸 方向，即车道延伸方向，具体步骤包括：
[0026]①遍历二值图像Ib"，得到同一个标号i的连通区域Si中每一个像素点的横坐标 值及纵坐标值；
[0027] ②计算得到连通区域Si的中心坐标（xi,s，yi,s)，计算公式如式（I)、式（II)所 示：
[0028]
[0029]
[0030] 式（I)、式（II)中，连通区域矩ma,b(Si)定义如式（III)所示：
[0031] (III)
[0032] 式（III)中，a、b为非负数，a与b的和为区域Si的矩的阶数，x与y分别为属于 连通区域Si的像素点的横坐标值与纵坐标值，通过步骤①得到；