一种基于多特征融合及多态均值的车道线定位方法
【专利摘要】本发明提供一种基于多特征融合及多态均值的车道线定位方法。本发明通过摄像头获取车辆前方路况图像，根据路面灰度正态分布特征和HSI颜色空间信息，将车道线的灰度分布信息和HSI空间中的颜色分布信息按权重融合，得到车道线疑似区域；然后根据先验知识，从道路中间向两边搜索，排除非车道区域，得到了避免非道路特征的干扰的包含车道线的子图像；再对子图像求边缘，运用霍夫变换检测直线，确定车道线在当前帧中的位置；最后通过对多帧车道线状态的融合，利用车道线位置不会突变的实际情况，对连续帧的检测结果求均值，得到稳定的车道线定位结果。
【专利说明】一种基于多特征融合及多态均值的车道线定位方法
【技术领域】
[0001]本发明属于数字图像处理【技术领域】，涉及计算机视觉和模式识别领域，应用于高级驾驶员辅助技术。
技术背景
[0002]伴随机器视觉的发展，驾驶员辅助驾驶技术受到越来越多的关注，车辆偏离车道极易发生车辆碰撞从而造成交通事故，车道线检测技术能够帮助驾驶员及时准确的把握路况信息，一旦有偏离车道的情况出现，可以及时提醒驾驶员车道出现偏离，及时调整方向盘，避免事故的发生，当然车道线技术也可以应用的汽车自动驾驶，当前许多大公司包括google都在大力发展汽车自动驾驶技术，但是这个技术的关键也就在车道线检测上，只有识别出了车道线，汽车才能按照车道线行驶，从而能够避开障碍物等，当前对于车道线的检测主要有以下5种检测方法:
[0003]1.将H-MAXIMA变换和霍夫变换相结合，在感兴趣区域中寻找车道线，从而实现对车道线的检测，这种方法对于突变的车道线有较好的效果。
[0004]2.将车道线检测技术融合了阈值化的车道偏离，这种方法能有效的提取出不同颜色的车道标线，并对驾驶员及时预警。
[0005]3.将基于边缘的车道线检测技术用FPGA实现，对然后检测时间，检测精度和硬件资源消耗进行综合优化。
[0006]4.将 Principle Component Analysis (PCA,主成分分析)降维和 k-means 的车道线检测以及Mean-Shift跟踪算法结合实现车道线的检测，但是此方法在车道标线污损时，效果不佳。
[0007]5.基于加权投票的车道线检测算法，这种方法对于光照变化、车道线颜色变化及道路结构变化有较好的适应性。也是当前的一个热门研究方向。
[0008]由于场景光照变化，道路情况复杂，车道线污损等实际情况，车道线的准确定位一直未得到有效解决。
【发明内容】
[0009]本发明所要解决的技术问题是，提供一种能快速、准确定位车道线的方法。
[0010]本发明为解决上述技术问题所采用的技术方案是，一种基于多特征融合及多态均值的车道线定位方法，包括以下步骤:
[0011]步骤1、转换色彩空间:将摄像头采集的原始图像转换为灰度图像和HSI图像；
[0012]步骤2、车道线区域初步划分:
[0013]对于灰度图像的处理:在车辆正前方的区域取局部区域作为道路样本，计算区域内像素的均值m和标准差。，若标准差。小于预设阈值，则将该标准差σ作为道路灰度分布的依据；再计算灰度图像中各像素点与均值m之差的绝对值τ i ；
[0014]对HSI图像的处理:计算HSI图像中各像素点与由先验知识得到的白色或黄色区域中心的距离τ2;
[0015]计算各像素点融合特征入:
【权利要求】
1.一种基于多特征融合及多态均值的车道线定位方法，其特征在于，包括以下步骤: 步骤1、转换色彩空间:将摄像头采集的原始图像转换为灰度图像和HSI图像； 步骤2、车道线区域初步划分: 对于灰度图像，在车辆正前方的区域取局部区域作为道路样本，计算区域内像素的均值m和标准差σ，若标准差σ小于预设阈值,则将该标准差σ作为道路灰度分布的依据；再计算灰度图像中各像素点与均值m之差的绝对值T1 ; 对HSI图像，计算HSI图像中各像素点与由先验知识得到的白色或黄色区域中心的距离τ2; 计算各像素点的融合特征入: 义=Ctr1 (I _ ) + a2e^H 式中，αι, α 2 e [O, I]分别为灰度通道和HSI通道的权重AuP2E (O, )为通道的调整系数； 将融合特征λ大于车道线判定阈值的像素点划分至车道线区域，否则划分至非车道线区域；对所有像素点划分完毕后，再进行闭操作，得到车道线区域初步划分图像； 步骤3、车道线精确提取: 以车道线区域初步划分图像取设定高度范围内的各行的中间像素点为起始位置分别向左、右两边搜素左侧 车道线端点、右侧车道线端点； 所述左侧车道线端点的标准为:以车道线端点为起始位置向左搜索方向上的预设宽度范围内存在连续的属于车道线区域的像素点，并在连续的车道线区域的像素点之后出现非车道线区域的像素点，并且以该端点作为左下角取设定大小的子图像内有满足设定斜率范围与的设定长度直线段； 所述右侧车道线端点的标准为:以车道线端点为起始位置向右搜索方向上的预设宽度范围内存在连续的属于车道线区域的像素点，并在连续的车道线区域的像素点之后出现非车道线区域的像素点，并且以该端点作为右下角取设定大小的子图像内有满足设定斜率范围与的设定长度直线段； 步骤4、利用多态均值对车道线定位:将连续帧中检测出的左侧车道线端点、右侧车道线端点位置坐标求平均值，得到左侧车道线端点、右侧车道线端点的定位结果，并将当前图像中所有的左侧车道线端点连为直线得到车辆前方左侧车道线定位结果，将当前图像中所有的右侧车道线端点连为直线得到车辆前方右侧车道线定位结果。
2.如权利要求1所述一种基于多特征融合及多态均值的车道线定位方法，其特征在于，步骤3中所述设定高度范围为0.9Η至0.6Η，H为图像高度。
3.如权利要求1所述一种基于多特征融合及多态均值的车道线定位方法，其特征在于，步骤3中，以左侧车道线端点端点作为左下角取设定大小的子图像内有满足设定斜率范围与的设定长度直线段的判断方法为:在子图像内进行45°斜向Sobel滤波，并对滤波后的图像进行霍夫变换找到最长的直线，合并小于设定间隔线段，判断最长的直线是否大于等于设定长度； 以右侧车道线端点端点作为右下角取设定大小的子图像内有满足设定斜率范围与的设定长度直线段的判断方法为:在子图像内进行-45°斜向Sobel滤波，并对滤波后的图像进行霍夫变换找到最长的直线，合并小于设定间隔线段，判断最长的直线是否大于等于设定长度 。
【文档编号】G06K9/00GK104036246SQ201410256478
【公开日】2014年9月10日 申请日期:2014年6月10日 优先权日:2014年6月10日
【发明者】解梅, 马争, 毛河 申请人:电子科技大学