一种车道线检测方法和装置制造方法
【专利摘要】本发明公开了一种车道线检测方法和装置，属于智能交通领域。所述方法包括：采集待测图像，并在待测图像中确定第一感兴趣区；确定属于同一角度区间的所有像素的梯度幅值的累加值，并根据累加值确定第一梯度角度和第二梯度角度；将第一感兴趣区内的图像分别与代入第一梯度角度、第二梯度角度的方向可调节滤波器进行卷积，得到第一矩阵、第二矩阵；对第一矩阵和第二矩阵中的元素值取绝对值，并将元素值取绝对值后的第一矩阵和第二矩阵相加，得到第三矩阵；对第三矩阵中的元素值计算均值和方差，进而得到阈值，将大于阈值的元素值对应的像素作为特征点；对特征点组成的边缘二值化图像进行霍夫变换，确定车道线的直线模型。本发明车道线检测准确性高。
【专利说明】一种车道线检测方法和装置
【技术领域】
[0001]本发明涉及智能交通领域，特别涉及一种车道线检测方法和装置。
【背景技术】
[0002]车道线检测技术是指利用图像传感等手段检测出道路虚实标线的技术。利用车道线检测技术，可以防止汽车偏离车道，也可以在车辆发生偏移或具有偏移趋势时给驾驶员以警示信息，提醒驾驶员采取措施，防止事故发生。因此，车道线检测对于汽车的行车安全
非常重要。
[0003]现有的车道线检测方法包括:采用Sobel (索贝尔)边缘检测算子计算待测图像中每个像素的梯度；将梯度大于固定阈值的像素判定为车道线特征点；根据判定的车道线特征点，采用最优贝叶斯估计和最大似然估计方法，获取车道线模型的参数。
[0004]在实现本发明的过程中，发明人发现现有技术至少存在以下问题:
[0005]由于现有技术中采用Sobel边缘检测算子计算待测图像中每个像素的梯度，并将梯度大于固定阈值的像素判定为车道线特征点，车道线特征点判断标准的适用范围有限。如当道路受到树木、光强、路面标记、阴影等影响时，采用现有方法检测车道线，容易将非车道线特征点判定为车道线特征点，进而导致车道线模型的参数估计出现偏差，无法获得正确的车道线。
【发明内容】
[0006]为了解决现有技术存在无法获得正确车道线的问题，本发明实施例提供了一种车道线检测方法和装置。所述技术方案如下:
[0007]—方面，本发明实施例提供了一种车道线检测方法，所述方法包括:
[0008]采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；
[0009]对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于90° -180° ；
[0010]将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；
[0011]对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵；
[0012]对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点；
[0013]对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。[0014]在第一种可能的实现方式中，所述对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，包括:
[0015]采用索贝尔边缘检测算子计算所述第一感兴趣区内的图像中每个像素的横轴方向的梯度和纵轴方向的梯度；
[0016]计算所述每个像素的梯度幅值和梯度角度；
[0017]将0° -180°划分为若干个角度区间，将梯度角度属于同一角度区间的梯度幅值进行累加，得到每个角度区间的所有像素的梯度幅值的累加值；
[0018]在属于0-90°的角度区间中，选取所述累加值最大的区间中的一个角度作为第一梯度角度，在属于90° -180°的角度区间中,选取所述累加值最大的区间中的一个角度作为第二梯度角度。
[0019]在第二种可能的实现方式中，所述根据得到的均值和方差设定判断特征点的阈值，包括:
[0020]以所述均值和a倍的方差之和作为所述阈值，2.5≤a≤3.5。
[0021]在第三种可能的实现方式中，所述对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型，包括:
[0022]对所有所述特征点进行坐标转换，并得到所有经过所述特征点的直线组；
[0023]将所有经过所述特征点的直线组映射到霍夫空间，得到参数空间累加图像；
[0024]将所述累加图像的上半 幅图像中所述特征点个数最多的像素的坐标，确定为左车道线直线模型的参数，得到左车 道线的直线模型；
[0025]将所述累加图像的下半幅图像中所述特征点个数最多的像素的坐标，确定为右车道线直线模型的参数，得到右车道线的直线模型；
[0026]其中，车道线的直线模型为u*sin Θ +v*cos θ = p，( p，θ )为车道线模型的参数，Cu, V)为车道线的坐标。
[0027]在第四种可能的实现方式中，所述在所述待测图像中确定第一感兴趣区，包括:
[0028]以所述待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为所述第一感兴趣区，m、η为正整数，m < η。
[0029]在第五种可能的实现方式中，所述方法还包括:
[0030]作经过所述左车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第一垂线，作经过所述右车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第二垂线，并以所述第一垂线、所述第二垂线、所述地平面消失线、所述第一感兴趣区靠近所述地平面消失线的边界线之间的区域作为第二感兴趣区；
[0031]对所述第二感兴趣区内的图像进行坎尼边缘提取，确定所述第二感兴趣区中的特征点；
[0032]根据所述左车道线直线模型、所述右车道线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型。
[0033]可选地，所述根据所述左车道线直线模型、所述右车道线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型，包括:
[0034]计算所述左车道线的直线模型和所述右车道线的直线模型的交点，并将所述交点的横轴坐标作为所述左车道线的曲线模型和所述右车道的曲线模型的第一弯道参数，将所述交点的纵轴坐标作为所述地平面消失线的纵轴坐标；
[0035]将所述左车道线的直线模型的斜率作为所述左车道线的曲线模型的第二弯道系数，将所述右车道线的直线模型的斜率作为所述右车道线的曲线模型的第二弯道参数；
[0036]将所有的所述第二感兴趣区中的特征点坐标代入所述左车道线的曲线模型，选取满足所述第二感兴趣区中的特征点数量最多的第三弯道参数作为所述左车道线的曲线模型的第三弯道参数，将所有的所述第二感兴趣区中的特征点坐标代入所述右车道线的曲线模型，选取满足所述第二感兴趣区中的特征点数量最多的第三弯道参数作为所述右车道线的曲线模型的第三弯道参数；
[0037]其中，所述车道线的曲线模型为u=k/ (v-h)+b* (v-h)+vp，u为车道线横轴坐标，V为车道线纵轴坐标，h为所述地平面消失线的纵轴坐标，vp为所述第一弯道参数，b为所述第二弯道参数，k为所述第三弯道参数。
[0038]另一方面，本发明实施例提供了一种车道线检测装置，所述装置包括:
[0039]图像采集模块，用于采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；
[0040]梯度统计模块，用于对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于 90。-180° ；
[0041]卷积模块，用于将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；
[0042]矩阵处理模块，用于对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵；
[0043]特征点获取模块，用于对所述第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将元素值大于所述阈值的像素作为特征点对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点；
[0044]车道线确定模块，用于对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
[0045]在一种可能的实现方式中，所述图像采集模块用于，
[0046]以所述待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为所述第一感兴趣区，m、η为正整数，m < η。
[0047]可选地，所述图像采集模块还用于，
[0048]作经过所述左车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第一垂线，作经过所述右车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第二垂线，并以所述第一垂线、所述第二垂线、所述地平面消失线、所述第一感兴趣区靠近所述地平面消失线的边界线之间的区域作为第二感兴趣区；[0049]所述装置还包括:
[0050]特征点提取模块，用于对所述第二感兴趣区内的图像进行坎尼边缘提取，确定所述感兴趣区中的特征点；
[0051]曲线模型确定模块，用于根据所述左车道线直线模型、所述右车道线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型。
[0052]本发明实施例提供的技术方案带来的有益效果是:
[0053]通过在待测图像中确定的第一感兴趣区内的图像进行梯度统计，得到代入方向可调节滤波器的第一梯度角度和第二梯度角度，将第一感兴趣区内的图像与方向可调节滤波器进行卷积，得到矩阵，对矩阵进行计算，确定了判断特征点的阈值，因此阈值的获取与待测图像有关，针对不同的待测图像，判断特征点的阈值不同，与现有的固定阈值不同，不会存在当道路受到树木、光强、路面标记、阴影等影响时，将非车道线特征点误判为车道线特征点的情况，车道线检测的准确性高。
【专利附图】
【附图说明】
[0054]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0055]图1是本发明实施例一提供的一种车道线检测方法的流程图；
[0056]图2是本发明实施例二提供的一种车道线检测方法的流程图；
[0057]图3是本发明实施例二提供的获得第一梯度角度和第二梯度角度的流程图；
[0058]图4是本发明实施例二提供的进行霍夫变换，获得车道线模型的参数的流程图；
[0059]图5是本发明实施例三提供的一种车道线检测装置的结构示意图；
[0060]图6是本发明实施例四提供的一种车道线检测装置的结构示意图。
【具体实施方式】
[0061]为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0062]实施例一
[0063]本发明实施例提供了一种车道线检测方法，参见图1，该方法包括:
[0064]步骤101:采集待测图像，并在待测图像中确定第一感兴趣区。
[0065]在本实施例中，第一感兴趣区为待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分。
[0066]步骤102:对第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一角度区间的所有像素的梯度幅值的累加值，并根据该累加值确定第一梯度角度和第二梯度角度。
[0067]在本实施例中，第一梯度角度属于0-90°，第二梯度角度属于90° -180°。
[0068]步骤103:将第一感兴趣区内的图像与代入第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将第一感兴趣区内的图像与代入第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵。
[0069]步骤104:对第一矩阵和第二矩阵中的元素值取绝对值，并将元素值取绝对值后的第一矩阵和第二矩阵相加，得到第三矩阵。
[0070]步骤105:对第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将大于阈值的元素值对应的像素作为特征点。
[0071]步骤106:对特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
[0072]本发明实施例通过在待测图像中确定的第一感兴趣区内的图像进行梯度统计，得到代入方向可调节滤波器的第一梯度角度和第二梯度角度，将第一感兴趣区内的图像与方向可调节滤波器进行卷积，得到矩阵，对矩阵进行计算，确定了判断特征点的阈值，因此阈值的获取与待测图像有关，针对不同的待测图像，判断特征点的阈值不同，与现有的固定阈值不同，不会存在当道路受到树木、光强、路面标记、阴影等影响时，将非车道线特征点误判为车道线特征点的情况，车道线检测的准确性高。
[0073]实施例二
[0074]本发明实施例提供了一种车道线检测方法，参见图2，该方法包括:
[0075]步骤201:采集待测图像，并在待测图像中确定第一感兴趣区。
[0076]在本实施例中，第一感兴趣区为待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分。
[0077]在实际应用中，该待测图像为车辆前方路况的图像，可以采用安装在车辆内部或车辆外部的摄像机采集该图像。
[0078]可选地，确定第一感兴趣区，可以包括:以待测图像中，地平面消失线以下的部分作为第一感兴趣区，减少车道线检测的时间，提高车道线检测的准确性。
[0079]优选地，确定第一感兴趣区，可以包括:以待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为第一感兴趣区，m、n为正整数，m < n，提高车道线模型仿真的准确性。
[0080]优选地，m/n可以为2/3，该值区分远近视野车道线的效果较好。
[0081]在实际应用中，地平面消失线是根据摄像机的参数确定的，该参数包括主点坐标、焦距等内部参数和摄像机位置、摄像机姿态等外部参数。容易知道，在步骤201之前，该方法还可以包括步骤:进行摄像机标定，获得摄像机的参数。
[0082]步骤202:对第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一角度区间的所有像素的梯度幅值的累加值，并根据该累加值确定第一梯度角度和第二梯度角度。
[0083]在本实施例中，第一梯度角度属于0-90°，第二梯度角度属于90° -180°。
[0084]在本实施例的一种实现方式中，参见图3，该步骤202可以包括:
[0085]步骤202a:采用Sobel边缘检测算子计算第一感兴趣区内的图像中每个像素的横轴方向的梯度和纵轴方向的梯度。
[0086]步骤202b:计算每个像素的梯度幅值和梯度角度。
[0087]具体地，按照公式(I)计算每个像素的梯度幅值，按照公式(2)计算每个像素的梯度角度:[0088]IG (x, y) | = (Dx2+Dy2)1/2 ~| Dx | +1 Dy | ; (I)
[0089]Θ (x, y) =arctan (Dx/Dy) ； (2) [0090]其中，|G (x,y) I为像素的梯度幅值，x为横轴坐标，y为纵轴坐标，Dx为横轴方向的梯度幅值，Dy为纵轴方向的梯度幅值，Θ (X，y)为像素的梯度角度，arctan (*)表示反正切运算。
[0091]步骤202c:将0° -180°划分为若干个角度区间，将梯度角度属于同一角度区间的梯度幅值进行累加，得到每个角度区间的所有像素的梯度幅值的累加值。
[0092]具体地，区间间隔可以根据对检测车道线的时间 和准确性的要求设定，如区间间隔为0.5°、1°或2°，本发明对此不作限制。
[0093]步骤202d:在属于0-90°的角度区间中，选取累加值最大的区间中的一个角度作为第一梯度角度，在属于90° -180°的角度区间中，选取累加值最大的区间中的一个角度作为第二梯度角度。
[0094]步骤203:将第一感兴趣区内的图像与代入第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将第一感兴趣区内的图像与代入第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵。
[0095]在本实施例的另一种实现方式中，该步骤203可以包括:将第一感兴趣区内的图像按照每个像素的灰度值组成矩阵；将该矩阵与代入第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵；将该矩阵与代入第二梯度角度的方向可调节滤波器进行卷积，得到
第二矩阵。
[0096]需要说明的是，由于待测图像可能为灰度图像，也可能为彩色图像，因此当待测图像为彩色图像时，在该步骤203执行以前，需要将彩色图像转换为灰度图像。
[0097]步骤204:对第一矩阵和第二矩阵中的元素值取绝对值，并将元素值取绝对值后的第一矩阵和第二矩阵相加，得到第三矩阵。
[0098]步骤205:对第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将大于阈值的元素值对应的像素作为特征点。
[0099]在本实施例的又一种实现方式中，根据得到的均值和方差设定判断特征点的阈值，可以包括:以均值和a倍的方差之和作为阈值。
[0100]优选地，2.5<a<3.5，根据该阈值确定的特性点准确性高。
[0101]步骤206:对特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
[0102]在本实施例的又一种实现方式中，参见图4，该步骤206可以包括:
[0103]步骤206a:对所有特征点进行坐标转换，并得到所有经过特征点的直线组。
[0104]具体地，该步骤207a可以包括:将特征点的xy坐标转换为极化坐标；计算所有经过特征点的极化坐标下的直线组。
[0105]更具体地，按照公式(3)将特征点的xy坐标转化为极化坐标:
[0106]P =x*cos ( Θ )+y*sin ( Θ ) ； (3)
[0107]其中，x表示xy坐标中的横轴坐标，y表示xy坐标中的纵轴坐标，Θ表示极化坐标中的横轴坐标，P表示极化坐标中的纵轴坐标，Θ e [0° -180° ]。
[0108]步骤206b:将所有经过特征点的直线组映射到霍夫空间，得到参数空间累加图像。
[0109]步骤206c:将所述累加图像的上半幅图像中所述特征点个数最多的像素的坐标，确定为左车道线直线模型的参数，得到左车道线的直线模型；将所述累加图像的下半幅图像中所述特征点个数最多的像素的坐标，确定为右车道线直线模型的参数，得到右车道线的直线模型。
[0110]在本实施例中，车道线的直线模型为U*sin0+v*cos0=p，(ρ，θ )为车道线模型的参数，Cu, V)为车道线的坐标。
[0111]在本实施例的又一种实现方式中，当第一感兴趣区为待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域时，该方法还可以包括步骤207:确定第二感兴趣区；对第二感兴趣区内的图像进行Canny (坎尼)边缘提取，确定第二感兴趣区中的特征点；根据左车道线的直线模型、右车道线的直线模型、以及第二感兴趣区中的特征点，确定第二感兴趣区的车道线的曲线模型。
[0112]在本实施例中，确定第二感兴趣区，可以包括:作经过左车道线的直线模型与第一感兴趣区的交点，且与地平面消失线垂直的第一垂线，作经过右车道线的直线模型与第一感兴趣区的交点，且与地平面消失线垂直的第二垂线，并以第一垂线、第二垂线、地平面消失线、第一感兴趣区靠近地平面消失线的边界线之间的区域作为第二感兴趣区。
[0113]具体地，根据左车道线的直线模型、右车道线的直线模型、以及第二感兴趣区中的特征点，确定第二感兴趣区的车道线的曲线模型，可以包括:计算左车道线的直线模型和右车道线的直线模型的交点，并将该交点的横轴坐标作为左车道线的曲线模型和右车道线的曲线模型的第一弯道参数，将该交点的纵轴坐标作为地平面消失线的纵轴坐标；将左车道线的直线模型的斜率作为左车道线的曲线模型的第二弯道系数，将右车道线的直线模型的斜率作为右车道线的曲线模型的第二弯道参数；将所有的第二感兴趣区中的特征点坐标代入左车道线的曲线模型，选取满足第二感兴趣区中的特征点数量最多的第三弯道参数作为左车道线的曲线模型的第三弯道参数，将所有的第二感兴趣区中的特征点坐标代入右车道线的曲线模型，选取满足第二感兴趣区中的特征点数量最多的第三弯道参数作为右车道线的曲线模型的第三弯道参数。
[0114]在本实施例中，车道线的曲线模型为u=k/ (v_h)+b* (v_h)+vp, u为车道线横轴坐标，V为车道线纵轴坐标，h为地平面消失线的纵轴坐标，VP为第一弯道参数，b为第二弯道参数，k为第三弯道参数。
[0115]本发明实施例通过在待测图像中确定的第一感兴趣区内的图像进行梯度统计，得到代入方向可调节滤波器的第一梯度角度和第二梯度角度，将第一感兴趣区内的图像与方向可调节滤波器进行卷积，得到矩阵，对矩阵进行计算，确定了判断特征点的阈值，因此阈值的获取与待测图像有关，针对不同的待测图像，判断特征点的阈值不同，与现有的固定阈值不同，不会存在当道路受到树木、光强、路面标记、阴影等影响时，将非车道线特征点误判为车道线特征点的情况，车道线检测的准确性高。
[0116]实施例三
[0117]本发明实施例提供了 一种车道线检测装置，参见图5，适用于实施例一提供的一种车道线检测方法，该装置包括:
[0118]图像采集模块301，用于采集待测图像，并在待测图像中确定第一感兴趣区，第一感兴趣区为待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；
[0119]梯度统计模块302，用于对第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一角度区间的所有像素的梯度幅值的累加值，并根据累加值确定第一梯度角度和第二梯度角度，第一梯度角度属于0-90°，第二梯度角度属于90° -180° ；
[0120]卷积模块303，用于将第一感兴趣区内的图像与代入第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将第一感兴趣区内的图像与代入第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；
[0121]矩阵处理模块304，用于对第一矩阵和第二矩阵中的元素值取绝对值，并将元素值取绝对值后的第一矩阵和第二矩阵相加，得到第三矩阵；
[0122]特征点获取模块305，用于对第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将元素值大于该阈值的像素作为特征点对第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将大于阈值的元素值对应的像素作为特征点；
[0123]车道线确定模块306，用于对特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
[0124]本发明实施例通过在待测图像中确定的第一感兴趣区内的图像进行梯度统计，得到代入方向可调节滤波器的第一梯度角度和第二梯度角度，将第一感兴趣区内的图像与方向可调节滤波器进行卷积，得到矩阵，对矩阵进行计算，确定了判断特征点的阈值，因此阈值的获取与待测图像有关，针对不同的待测图像，判断特征点的阈值不同，与现有的固定阈值不同，不会存在当道路受到树木、光强、路面标记、阴影等影响时，将非车道线特征点误判为车道线特征点的情况，车道线检测的准确性高。
[0125]实施例四
[0126]本发明实施例提供了 一种车道线检测装置，参见图6，适用于实施例二提供的一种车道线检测方法，该装置包括:
[0127]图像采集模块401，用于采集待测图像，并在待测图像中确定第一感兴趣区，第一感兴趣区为待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分；
[0128]梯度统计模块402，用于对第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一角度区间的所有像素的梯度幅值的累加值，并根据累加值确定第一梯度角度和第二梯度角度，第一梯度角度属于0-90°，第二梯度角度属于90° -180° ；
[0129]卷积模块403，用于将第一感兴趣区内的图像与代入第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将第一感兴趣区内的图像与代入第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵；
[0130]矩阵处理模块404，用于对第一矩阵和第二矩阵中的元素值取绝对值，并将元素值取绝对值后的第一矩阵和第二矩阵相加，得到第三矩阵；
[0131]特征点获取模块405，用于对第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将元素值大于该阈值的像素作为特征点对第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将大于阈值的元素值对应的像素作为特征点；
[0132]车道线确定模块406，用于对特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
[0133]在实际应用中，该待测图像为车辆前方路况的图像，可以采用安装在车辆内部或车辆外部的摄像机采集该图像。
[0134]可选地，图像采集模块401可以用于，以待测图像中，地平面消失线以下的部分作为第一感兴趣区，减少车道线检测的时间，提高车道线检测的准确性。
[0135]优选地，图像采集模块401可以用于，以待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为第一感兴趣区，m、n为正整数，m < n，提高车道线模型仿真的准确性。
[0136]优选地，m/n可以为2/3，该值区分远近视野车道线的效果较好。
[0137]在实际应用中，地平面消失线是根据摄像机的参数确定的，该参数包括主点坐标、焦距等内部参数和摄像机位置、摄像机姿态等外部参数。
[0138]在本实施例的一种实现方式中，梯度统计模块402可以包括:
[0139]梯度计算单元，用于采用Sobel边缘检测算子计算第一感兴趣区内的图像中每个像素的横轴方向的梯度和纵轴方向的梯度；
[0140]幅值和角度计算单元，用于计算每个像素的梯度幅值和梯度角度；
[0141]幅值累加单元，用于将0° -180°划分为若干个角度区间，将梯度角度属于同一区间的梯度幅值进行累加，得到每个角度区间的所有像素的梯度幅值的累加值；
[0142]角度选取单元，用于在属于0-90°的角度区间中，选取累加值最大的区间中的一个角度作为第一梯度角度，在属于90° -180°的角度区间中，选取累加值最大的区间中的一个角度作为第二梯度角度。
[0143]具体地，幅值和角度计算单元可以用于，按照公式(I)计算每个像素的梯度幅值，按照公式(2)计算每个像素的梯度角度。
[0144]具体地，区间间隔可以根据对检测车道线的时间和准确性的要求设定，如区间间隔为0.5°、1°或2°，本发明对此不作限制。
[0145]具体地，卷积模块403可以用于，将第一感兴趣区内的图像按照每个像素的灰度值组成矩阵；将该矩阵与代入第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵；将该矩阵与代入第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵。
[0146]需要说明的是，由于待测图像可能为灰度图像，也可能为彩色图像，因此当待测图像为彩色图像时，在该步骤203执行以前，需要将彩色图像转换为灰度图像。
[0147]在本实施例的另一种实现方式中，特征点获取模块405可以用于，以均值和a倍的方差之和作为阈值。
[0148]优选地，2.5≤a≤3.5，根据该阈值确定的特性点准确性高。
[0149]在本实施例的又一种实现方式中，车道线确定模块406可以包括:
[0150]直线组获取单元，用于对所有特征点进行坐标转换，并得到所有经过特征点的直线组；
[0151]累加图像获取单元，用于将所有经过特征点的直线组映射到霍夫空间，得到参数空间累加图像；[0152]模型确定单元，用于将累加图像的上半幅图像中特征点个数最多的像素的坐标，确定为左车道线直线模型的参数，得到左车道线的直线模型；将累加图像的下半幅图像中特征点个数最多的像素的坐标，确定为右车道线直线模型的参数，得到右车道线的直线模型。
[0153]在本实施例中，车道线的直线模型为u*sin Θ +v*cos θ = p，( p，θ )为车道线模型的参数，Cu, V)为车道线的坐标。
[0154]具体地，直线组获取单元可以用于，按照公式(3)将特征点的xy坐标转化为极化坐标。
[0155]在本实施例的又一种实现方式中，图像采集模块401还可以用于，作经过左车道线的直线模型与第一感兴趣区的交点，且与地平面消失线垂直的第一垂线，作经过右车道线的直线模型与第一感兴趣区的交点，且与地平面消失线垂直的第二垂线，并以第一垂线、第二垂线、地平面消失线、第一感兴趣区靠近地平面消失线的边界线之间的区域作为第二感兴趣区。
[0156]在该种实现方式中，该装置还包括:
[0157]特征点提取模块407，用于对第二感兴趣区内的图像进行Canny边缘提取，确定第~感兴趣区中的特征点；
[0158]曲线模型确定模块408，用于根据左车道线直线模型、右车道线模型、以及第二感兴趣区中的特征点，确定弟~感兴趣区的车道线的曲线|吴型。
[0159]本发明实施例通过在待测图像中确定的第一感兴趣区内的图像进行梯度统计，得到代入方向可调节滤波器的第一梯度角度和第二梯度角度，将第一感兴趣区内的图像与方向可调节滤波器进行卷积，得到矩阵，对矩阵进行计算，确定了判断特征点的阈值，因此阈值的获取与待测图像有关，针对不同的待测图像，判断特征点的阈值不同，与现有的固定阈值不同，不会存在当道路受到树木、光强、路面标记、阴影等影响时，将非车道线特征点误判为车道线特征点的情况，车道线检测的准确性高。
[0160]需要说明的是:上述实施例提供的车道线检测装置在检测车道线时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的车道线检测装置与车道线检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0161]上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0162]本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0163]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种车道线检测方法，其特征在于，所述方法包括: 采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分； 对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于90° -180° ； 将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵； 对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵； 对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点； 对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
2.根据权利要求 1所述的方法，其特征在于，所述对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，包括: 采用索贝尔边缘检测算子计算所述第一感兴趣区内的图像中每个像素的横轴方向的梯度和纵轴方向的梯度； 计算所述每个像素的梯度幅值和梯度角度； 将0° -180°划分为若干个角度区间，将梯度角度属于同一角度区间的梯度幅值进行累加，得到每个角度区间的所有像素的梯度幅值的累加值； 在属于0-90°的角度区间中，选取所述累加值最大的区间中的一个角度作为第一梯度角度，在属于90° -180°的角度区间中,选取所述累加值最大的区间中的一个角度作为第二梯度角度。
3.根据权利要求1所述的方法，其特征在于，所述根据得到的均值和方差设定判断特征点的阈值，包括: 以所述均值和a倍的方差之和作为所述阈值，2.5 < a < 3.5。
4.根据权利要求1所述的方法，其特征在于，所述对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型，包括: 对所有所述特征点进行坐标转换，并得到所有经过所述特征点的直线组； 将所有经过所述特征点的直线组映射到霍夫空间，得到参数空间累加图像； 将所述累加图像的上半幅图像中所述特征点个数最多的像素的坐标，确定为左车道线直线模型的参数，得到左车道线的直线模型； 将所述累加图像的下半幅图像中所述特征点个数最多的像素的坐标，确定为右车道线直线模型的参数，得到右车道线的直线模型； 其中，车道线的直线模型为u*sin Θ +v*cos θ =p，( p，θ )为车道线模型的参数，(u,V)为车道线的坐标。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述在所述待测图像中确定第一感兴趣区，包括: 以所述待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为所述第一感兴趣区，m、η为正整数，m < η。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括: 作经过所述左车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第一垂线，作经过所述右车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第二垂线，并以所述第一垂线、所述第二垂线、所述地平面消失线、所述第一感兴趣区靠近所述地平面消失线的边界线之间的区域作为第二感兴趣区； 对所述第二感兴趣区内的图像进行坎尼边缘提取，确定所述第二感兴趣区中的特征占.根据所述左车道线直线模型、所述右车道线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型。
7.根据权利要求6所述的方法，其特征在于，所述根据所述左车道线直线模型、所述右车道线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型，包括: 计算所述左车道线的直线模型和所述右车道线的直线模型的交点，并将所述交点的横轴坐标作为所述左车道线的曲线模型和所述右车道的曲线模型的第一弯道参数，将所述交点的纵轴坐标作为所述地平面消失线的纵轴坐标； 将所述左车道线的直线模型的斜率作为所述左车道线的曲线模型的第二弯道系数，将所述右车道线的直线模型的斜率作为所述右车道线的曲线模型的第二弯道参数；. 将所有的所述第二感兴趣区中的特征点坐标代入所述左车道线的曲线模型，选取满足所述第二感兴趣区中的特征点数量最多的第三弯道参数作为所述左车道线的曲线模型的第三弯道参数，将所有的所述第二感兴趣区中的特征点坐标代入所述右车道线的曲线模型，选取满足所述第二感兴趣区中的特征点数量最多的第三弯道参数作为所述右车道线的曲线模型的第三弯道参数； 其中，所述车道线的曲线模型为u=k/ (v_h)+b* (v-h)+vp,u为车道线横轴坐标,V为车道线纵轴坐标，h为所述地平面消失线的纵轴坐标，vp为所述第一弯道参数，b为所述第二弯道参数，k为所述第三弯道参数。
8.一种车道线检测装置，其特征在于，所述装置包括: 图像采集模块，用于采集待测图像，并在所述待测图像中确定第一感兴趣区，所述第一感兴趣区为所述待测图像的采集设备的视野中地平面消失线以下、左右边界之内的区域的全部或部分； 梯度统计模块，用于对所述第一感兴趣区内的图像按照设定的角度区间进行方向梯度统计，确定属于同一所述角度区间的所有像素的梯度幅值的累加值，并根据所述累加值确定第一梯度角度和第二梯度角度，所述第一梯度角度属于0-90°，所述第二梯度角度属于90。 -180。； 卷积模块，用于将所述第一感兴趣区内的图像与代入所述第一梯度角度的方向可调节滤波器进行卷积，得到第一矩阵，将所述第一感兴趣区内的图像与代入所述第二梯度角度的方向可调节滤波器进行卷积，得到第二矩阵； 矩阵处理模块，用于对所述第一矩阵和所述第二矩阵中的元素值取绝对值，并将元素值取绝对值后的所述第一矩阵和所述第二矩阵相加，得到第三矩阵； 特征点获取模块，用于对所述第三矩阵中的元素值计算均值和方差，并根据得到的均值和方差设定判断特征点的阈值，将元素值大于所述阈值的像素作为特征点对所述第三矩阵中的元素值计算均值和方差，并根据得到的所述均值和所述方差设定判断特征点的阈值，将大于所述阈值的所述元素值对应的像素作为特征点； 车道线确定模块，用于对所述特征点组成的边缘二值化图像进行霍夫变换，确定左车道线的直线模型和右车道线的直线模型。
9.根据权利要求8所述的装置，其特征在于，所述图像采集模块用于， 以所述待测图像中，地平面消失线以下的部分中的远离地平面消失线的m/n区域作为所述第一感兴趣区，m、η为正整数，m < η。
10.根据权利要求9所述的装置，其特征在于，所述图像采集模块还用于， 作经过所述左车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第一垂线，作经过所述右车道线的直线模型与所述第一感兴趣区的交点，且与所述地平面消失线垂直的第二垂线，并以所述第一垂线、所述第二垂线、所述地平面消失线、所述第一感兴趣区靠近所述地平面消失线的边界线之间的区域作为第二感兴趣区； 所述装置还包括: 特征点提取模块，用于对所述第二感兴趣区内的图像进行坎尼边缘提取，确定所述第~ 感兴趣区中的特征点； 曲线模型确定模块，用于根据所述左车道线直线模型、所述右车道线模型、以及所述第二感兴趣区中的特征点，确定所述第二感兴趣区的车道线的曲线模型。
【文档编号】G06T7/00GK103473762SQ201310385412
【公开日】2013年12月25日 申请日期:2013年8月29日 优先权日:2013年8月29日
【发明者】王海, 陈军, 孙锐, 王继贞 申请人:奇瑞汽车股份有限公司