有Canny算法的函 数，可以使用，减少了计算消耗。图2为边缘处理的结果。
[0140] 4、车道线位置的初步估测
[0141] 对第一帧图像分别以1度，3度，5度，10度为步长进行车道线的初步估测，并对比结 果，两条车道线分别命名为车道线1和车道线2。
[0142] 5、约束车道线的参数区间，角度分别以10度和20度为区间长度，极径的区间长度 为30。
[0143] 6、在约束区间内，再次进行Hough变换，得到精确的车道线。
[0144] 具体的表1是1度步长下车道线检测数据统计表。
[0145] 具体的表2是3度步长下车道线检测数据统计表。
[0146] 具体的表3是5度步长下车道线检测数据统计表。
[0147] 具体的表4是10度步长下车道线检测数据统计表。
[0148] 为了减少运算时间，三角函数值的计算，本方法用了两种，一种是三角函数值的计 算，第二种是将三角函数值保存在数组内，三角函数值的计算变成了数组的查询。从各个步 长的计算结果中不同计算方法的时间消耗，可以看出数组查询的方式比三角函数计算的方 式时间消耗减少了一倍。
[0149] 经实验，当检测步长较小，为1度和3度时，实验所用视频图像，像素最多的两个参 数均在车道线1附近，并不能检测到车道线2,车道线参数车道线2的像素点数小于车道线1 处伪车道线的像素点数。结果如表2,在总体大小来看，像素点最多的两组参数均在车道线1 附近，是相近的两条线，分别为:极径值279，角度值57和极径值276，角度值60。而且精确定 位后得到的车道线是同一条。这一点也证明了车道线参数的不唯一性。这种情况下，在两个 车道线的角度区间内选取最大值，两个区间内分别选取最大值，得到两条车道线的参数。对 比结果如表2所示。
[0150] 1度步长情况下，检测结果就是最终的车道线参数，不需要再进行车道线的精确定 位，检测数据如表2。3度步长情况下，角度检测数量为120,精确车道线时区间有10度和20度 两种，从表1结果来看，区间为10度和20度时，计算量有稍许差别，但是时间消耗差别不是很 大。
[0151] 表1 1度步长下车道线检测数据统计表
[0152]
[0153] 表2 3度步长下车道线检测数据统计表
[0154]
[0155] 表3 5度步长下车道线检测数据统计表
[0156]
[0157] 表4 10度步长下车道线检测数据统计表
[0158]
[0159] 从表2，表3，表4的结果来看，车道线1的精确参数为:极径279，角度57。车道线2的 精确参数为:极径7，角度311。
[0160] 7、利用视频帧之间的相关性，跟踪车道线。
[0161] 得到第一帧图像的车道线参数后，检测下一帧图像时，根据视频帧与帧之间的相 关性，对检测区间进行约束。
[0162] 极径约束范围 ΚΡυ-Ιδ,Ρυ+ΙδΗΡ^,?-ΙδΑ,?+Ιδ]。
[0163] 约束区间长度为20度时，角度约束范围：[θυ-ΙΟ,θ^+ΙΟ]和[02,广10，02,#10]。
[0164] 约束区间长度为10度时，角度约束范围：[Qi,1-5,0^+5]和[θ2,0
[0165] 具体的表5是区间长度为10度时视频流处理时间消耗。
[0166] 具体的表6是区间长度为20度时视频流处理时间消耗。
[0167] 从时间消耗来看，处理视频流时，区间长度为10度和20度时间并没有差别，即计算 机的计算速度可以忽略这10度差距的计算消耗。所以采用20度区间长度，覆盖更多角度，以 防止漏检。
[0168] 表5区间长度为10度时视频流处理时间消耗
[0169]
[0170]表6区间长度为20度时视频流处理时间消耗 [0171]
【主权项】
1. 一种基于参数不唯一的车道线检测与跟踪方法，其特征在于，包括以下步骤： 1) 首先进行边缘信息的提取； 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； 3) 对参数进行区间约束得到感兴趣区域； 4) 在感兴趣区域内再次进行Hough变换，精确定位车道线； 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。2. 如权利要求1所述的基于参数不唯一的车道线检测与跟踪方法，其特征在于，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： 1-1)对灰度图像进行高斯滤波进行平滑处理，滤除噪声； 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0[i , j]=arc tan(Gi(i, j)/Gj(i, j)) (4) 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； 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： 第一个扇区包括：[〇,22.5]，[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； 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； 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； 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； 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； 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： 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。3. 如权利要求1所述的基于参数不唯一的车道线检测与跟踪方法，其特征在于，所述步 骤2)中，初步估测车道线位置的方法为： 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]; 2-2)通过Hough变换公式 P = x cosB+y sinB 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； 2-3)选出边缘点个数最多的两条直线，（Ρ1，θ〇和(ρ2，θ2)，即为初步估测的两条车道线； 得到两条车道线的参数(Piji)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： Pi = x cosBi+y sin0i或者P2 = x cos02+y sin02 则为车道线。4. 如权利要求1所述的基于参数不唯一的车道线检测与跟踪方法，其特征在于，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： 3-1)第一条车道线感兴趣区域参数为： [θι~θ〇/2, θι+θ〇/2], [pi~Vp ,pi+Vp] 在感兴趣区域内进行Hough变换，得到参数矩阵； 3-2)选出参数矩阵中最大参数即为第一条车道线； 3- 3)第二条车道线感兴趣区域参数为： [02-θ〇/2,θ2+θ〇/2] , [P2~Vp,P2+Vp] 重复第一条车道线检测步骤得到第二条车道线。5. 如权利要求1所述的基于参数不唯一的车道线检测与跟踪方法，其特征在于，所述步 骤4)中，精确定位车道线的具体方法如下： 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; 4-2)在该位置对极径、角度进行约束，得到感兴趣区域，角度约束在[0-0Q/2，0+0Q/2]; 4- 3)通过Hough变换精确定位得到车道线。6. 如权利要求1所述的基于参数不唯一的车道线检测与跟踪方法，其特征在于，所述步 骤5)将视频的帧与帧之间存在的相关性，应用到车道线跟踪的具体方法为： 5- 1 )前一帧图形的车道线参数为(Ρ?,?-Ι,Θ^Η )和(P2,i-1，对前一帧参数进行约 束得到新的感兴趣区域； 极径约束范围：[Pi, i-i-Vp，pi, i-i+Vp]和[P2,i-i-Vp，P2, i-i+Vp] 角度约束范围 JShi-i-vejhi-1+νθ]和[02,i-^νθ,θ?-1+νθ] 5-2)利用前一帧的感兴趣区域进行Hough变换得到目前帧的车道线参数(Pi,i，9^)和 (P2,i，92,i)，得到当前帧的参数之后可以确定下一帧图像的感兴趣区域； 极径约束范围：[Pi,i-Vp，pi,i+Vp]和[P2,i-Vp，P2,i+Vp] 角度约束范围 Κθυ-νθ,θυ+νθ^Μθ?-νθ,θ?+νθ] 5-3)在此感兴趣区域内进行Hough变换得到车道线参数，重复5-1)和5-2)，得到视频流 的车道线检测与跟踪。
【专利摘要】本发明公开了一种基于参数不唯一的车道线检测与跟踪方法，基于Hough变换，通过车道线参数的不唯一性，将Hough变换中，角度自变量从360度减少到以一定步长代替1度，将360度的计算量减少为360除以步长，如果按照不优化的Hough变换，假设二值图像中像素数为N，需要进行N*360次ρ＝x？cosθ+y？sinθ计算，但是运用本方法，步长为θ0，则角度检测个数为Nθ＝360/θ0，初步估测车道线时计算量为N*(Nθ+θ0*2)次ρ＝x？cosθ+y？sinθ，因为还有车道线的精确定位环节，所以需要加上N*θ0*2次，每条车道线需要θ0度计算，大大减少了计算量。
【IPC分类】G06T7/00, G06T7/20, G06T5/00
【公开号】CN105678791
【申请号】CN201610101432
【发明人】乔瑞萍, 赵午峰, 周猛, 陈杉江
【申请人】西安交通大学
【公开日】2016年6月15日
【申请日】2016年2月24日