一种基于参数不唯一的车道线检测与跟踪方法
【专利说明】一种基于参数不唯一的车道线检测与跟踪方法 【技术领域】
[0001] 本发明属于数字图像处理领域，特别涉及一种基于参数不唯一的车道线检测与跟 踪方法。 【【背景技术】】
[0002] 车道线是非常重要的道路信息，道路信息检测是安全辅助驾驶系统的重要组成部 分。Hough变换是经典的车道线检测算法，1962年Paul Hough提出了Hough变换，其核心是一 个空间和另一个空间的对应关系，后来Hough变换被应用于车道线检测，取得了极好的效 果，算法的效率决定了车道线检测与跟踪系统的性能。车道线检测与跟踪算法主要运用在 车载视频设备上，而且需要对前方道路信息进行实时的检测，因此，车道线检测必须有很好 的实时性。
[0003] 车道线检测可以分为基于特征的车道线检测和基于模版的车道线检测。
[0004] 基于特征的车道线检测主要是根据车道线和图中其他部分特征的不同（例如 gradient-based method(梯度），texture based approach(纹理)等)通过区域分割等方式 检测车道线，算法简单，易于实现，但是当图中车道线或者车道边缘不明显时容易受到影 响；基于模版的车道线检测用参数代表车道线(例如Hough变换，双曲线模型等），车道线可 以被看成是直线也可以被看成是曲线，检测车道线的过程就被看成是求取直线或者曲线参 数的问题。
[0005] Hough变换的基本思想是：一个空间和另外一个空间的转换。用在车道线检测时， 就是图像二维空间和直线极坐标空间的转换。
[0006] Hough变换的基本原理可以用下式表示：
[0007] p = x cosB+y sinB (1)
[0008] 其中x，y代表的是直线上像素点在图像中的二维坐标，ρ，θ代表的是直线到坐标原 点的垂直距离和垂线的夹角。
[0009] 车道线的检测问题，经过Hough变换，变成了直线参数Ρ，θ的求取过程，在后面的章 节中，以极径和角度代称。角度范围是[0,360]，极径范围的确定根据极径的最大值确定。 [00?0]极径最大值由下式确定：
[0011]
Q)
[0012] 其中w表示图像的宽度，h表示图像高度。因此，极径检测范围为[0，pmax]。
[0013] 图像中基于Hough变换检测车道线基本的算法步骤为：
[0014] 1)对输入图像进行边缘提取，得到边缘二值化图像；
[0015] 2)对边缘二值化图像中每一个非零像素，以其二维坐标(x，y)为参数，以角度为自 变量，在360度角范围内，计算在每一度角的极径参数值，保存在参数矩阵中；
[0016] 3)在参数矩阵中，选择最大的两个参数，得到两条车道线的参数(Ρ^θ:)和（p2， θ2);
[0017] 4)对图像的每一个像素进行验证，验证过程为：对每一个像素的二维坐标值(X， y)，如果满足等式Pi = x cosQi+y sinQ!或者p2 = x cos02+y sin02,则该像素是车道线上的 点。
[0018] 由角度的范围和极径的范围可以看出基于Hough变换的车道线检测计算消耗大， 效率低。
[0019] 针对基于Hough变换的车道线检测算法的效率，很多研究学者都进行过改进。其中 R0I(感兴趣区域）以及极角约束和动态R0I是两个非常重要的改进。其中R0I减少了单幅图 像的车道线检测消耗，极角约束和动态R0I适合于视频流的处理。
[0020] 车道线的 R0I(H Lin，S Ko，W Shi，Y Kim，H Kim.Lane departure identification on Highway with searching the region of interest on Hough space · Control，Automat ion and Systems · 2007:1088-1091) -般是在马路图像的下半部 分，因为马路上图像的内容较为复杂，图像的上半部分内容通常会包括路灯，房屋，树木，天 空等和车道线检测无关的信息，而且这些复杂而且繁多的信息会影响车道线的检测。经过 先验知识得到车道线的感兴趣区域，然后在感兴趣区域内进行车道线检测与跟踪能够极大 减少计算消耗，不仅如此还可以增强算法的鲁棒性。
[0021] 极角约束和动态R0I (杨喜宁，段建民，高德芝，郑榜贵.基于改进Hough变换的车道 线检测技术.计算机测量与控制，2010,18(2))利用的是视频流帧与帧之间的相关性。极角 约束指的是根据先验知识将车道线的参数约束在一定区域内，区域指得是根据前一帧车道 线参数检测结果进行区间约束得到的感兴趣区域。
[0022]计算量一直是基于Hough变换检测车道线的瓶颈，虽然感兴趣区域和动态感兴趣 区域等方法已经改进了算法，感兴趣区域的确定依然需要改进，外部决定的先验知识并不 能运用到实时的移动终端上。
[0023] 如果能够在确定感兴趣区域方面减少计算量，将会很有意义。 【
【发明内容】
】
[0024] 本发明的目的在于解决上述问题，提供一种基于参数不唯一的车道线检测与跟踪 方法，该方法能够克服基于Hough变换的车道线检测计算量大的问题，在一定程度上优化了 基于Hough变换的车道线检测。
[0025]为了实现上述目的，本发明采用以下技术方案予以实现：
[0026] -种基于参数不唯一的车道线检测与跟踪方法，包括以下步骤：
[0027] 1)首先进行边缘信息的提取；
[0028] 2)在边缘图像中，利用车道线参数的不唯一性，限定检测角度步长，进行Hough变 换，初步估测车道线的位置；
[0029] 3)对参数进行区间约束得到感兴趣区域；
[0030] 4)在感兴趣区域内再次进行Hough变换，精确定位车道线；
[0031] 5)利用视频帧之间的相关性，对参数进行区间约束，跟踪车道线。
[0032]本发明进一步的改进在于：
[0033] 所述步骤1)中，采用Canny边缘提取算法，得到边缘图像，具体方法如下：
[0034] 1-1)对灰度图像进行高斯滤波进行平滑处理，滤除噪声；
[0035] 1-2)对平滑后的图像通过一阶偏导，计算图像梯度矢量的模和方向
[0036]
〇)
[0037] θ[ i , j] =arctan(Gi(i , j)/Gj(i , j)) (4)
[0038] 式中:Gi(i，j)为行方向一阶偏导，Gj(i，j)为列方向一阶偏导，M[ i，j ]为像素点处 梯度矢量的模，θ [ i，j ]为像素点处梯度矢量方向；
[0039] 1-3)边缘是梯度极大的点，需要进行非极大值抑制，通过梯度角度将梯度离散为 四个扇区：
[0040] 第一个扇区包括：[0,22.5]，[157.5,202.5]，[337.5,360];扇区内像素梯度与左 右像素梯度相比，若为极大值则保留该点；
[0041 ] 第二个扇区包括：[22.5，67.5 ]，[ 202.5，247.5];扇区内像素梯度与右上和坐下像 素梯度相比，若为极大值则保留该点；
[0042]第三个扇区包括：[67.5，112.5]，[ 247.5，292.5];扇区内像素梯度与上下像素梯 度相比，若为极大值则保留该点；
[0043]第四个扇区包括：[112.5,157.5]，[292.5,337.5];扇区内像素梯度与左上和右下 像素梯度相比，若为极大值则保留该点；
[0044] 1-4)对非极大值抑制图像使用两个阈值thrl和thr2得到low和high两幅图，其中 thr2>thrl;得到高阈值图像和低阈值图像，其中，高阈值图像滤除了大部分噪声但是同时 滤除了边缘信息，低阈值图像保留了所有边缘信息但是同时保留了部分噪声；
[0045] 1-5)利用低阈值图像补充高阈值图像滤除掉的边缘信息，具体方法是：
[0046] 浏览低阈值图像的非零像素，对高阈值图像的相同位置进行八邻域扫描如果在包 含该像素在内有非零点则标记为边缘点，直到浏览完所有像素，完成Canny边缘提取。
[0047] 所述步骤2)中，初步估测车道线位置的方法为：
[0048] 2-1)选定角度步长变为θ〇,角度范围为[0,360]，极径检测范围为[0，pmax];
[0049] 2-2)通过Hough变换公式
[0050] p = x cosB+y sinB
[0051 ]得到参数矩阵中，各个参数条件即直线参数下边缘点的个数；
[0052] 2-3)选出边缘点个数最多的两条直线，（Ριθ:)和(ρ2，θ2)，即为初步估测的两条车 道线；
[0053]得到两条车道线的参数(Ρ^θχ)和(ρ2，θ2)后，通过Hough变换公式对二维图像的像 素位置进行验证，符合：
[0054] pi = x cosBi+y sin9i或者P2 = x cos02+y sin02
[0055] 则为车道线。
[0056] 所述步骤3)中，对参数进行区间约束得到感兴趣区域的具体方法为：
[0057] 3-1)第一条车道线感兴趣区域参数为：
[0058] - θ? / 2, / 2]? tpj ~ YPi Pi + V/?]
[0059]在感兴趣区域内进行Hough变换，得到参数矩阵；
[0060] 3-2)选出参数矩阵中最大参数即为第一条车道线；
[0061 ] 3-3)第二条车道线感兴趣区域参数为：
[0062] V&2 ~ ( 2, θ^, + θ% J 2] r \.p,, - yp, p，z + V/?]
[0063] 重复第一条车道线检测步骤得到第二条车道线。
[0064] 所述步骤4)中，精确定位车道线的具体方法如下：
[0065] 4-1)以θ〇为步长，通过Hough变换初步估测车道线位置，得到车道线参数为P和Θ;
[0066] 4-2)在该位置对极径、角度进行约束，得到感兴趣区域，角度约