一种基于多地面标志融合的车道级定位方法与流程

技术特征：

1.一种基于多地面标志融合的车道级定位方法，其特征在于，包括以下步骤：

步骤1、获取车辆道路图像；

步骤2、对所述道路图像进行灰度处理和滤波处理；

步骤3、对步骤2中处理后的道路图像进行车道线检测；

步骤4、对道路图像进行停止线检测；

步骤5、对道路图像进行斑马线检测；

步骤6、根据车道线、斑马线和停止线实时定位车辆在车道中的位置。

2.如权利要求1所述的基于多地面标志融合的车道级定位方法，其特征在于，步骤3具体包括：

步骤3-1：设置图像的感兴趣区域；

步骤3-2：通过计算相邻图像像素的变化来判断车道线的边缘，以提取图像特征，

首先计算灰度图像中局部路面的平均灰度值avg(x,y)用于评估道路路面的灰度强度，设某点是(x,y)，满足y∈[0,h)且x∈[2,w-2)。x,y分别是像素点的列和行，w是图像的宽度，h是图像的高度。则有相邻图像像素的均值为：其中，t＝5，

然后计算边缘提取阈值T，其计算公式表达如下：

$T=\left\{\begin{array}{cc}\frac{{\mathrm{avg}}_{(x,y)}}{12}& {\mathrm{avg}}_{(x,y)}\>200\\ \frac{{\mathrm{avg}}_{(x,y)}}{5}& 50\<{\mathrm{avg}}_{(x,y)}\≤200\\ \frac{{\mathrm{avg}}_{(x,y)}}{10}& other\end{array}\right.$

其中avg_(x,y)为点(x,y)水平线附近的均值，

同时，计算边缘的升变点e_p和降变点e_v，

e_p∈{f(x+2,y)-f(x,y)＞T}

e_v∈{f(x+2,y)-f(x,y)＜-T}

f(x,y)为当前点(x,y)的灰度值，f(x+2,y)为该点水平方向的间隔点的灰度值；

步骤3-3：车道线模型

经过特征点提取后得到的车道线候选域，通过Hough变换得到各场内的直线；

步骤3-4：车道线聚类

在得到的各场内的直线后，需要做直线的场内合并和分区合并两方面，其中，场内合并引入了两个相似性度量，即距离相似度和方向相似度，设P₁(x₁,y₁)和P₂(x₂,y₂)为直线L₁的两个端点，其倾斜角为θ₁；P₃(x₃,y₃)和P₄(x₄,y₄)为直线L₂的两个端点，其倾斜角为θ₂；连接点P₂和P₃间的直线倾斜角为θ，则：

dir＝|θ₁-θ|+|θ₂-θ|

将距离和方向上具有近似一致性的直线聚类成一类，对属于同一类的所有直线上的车道线特征点进行最小二乘直线拟合，得到获选车道线；

步骤3-5：车道线估计

通过以上步骤可以得到比较不错的车道线候选集，通过消失点约束方法进行筛选，设消失点为(x_p,y_p),候选线直线离消失点的距离是否满足小于指定阈值T_p,其T_p取值为20。

3.如权利要求1所述的基于多地面标志融合的车道级定位方法，其特征在于，步骤6具体为：通过车道线得到横向的偏离距离，同时通过斑马线和停止线得到离路口的纵向距离，即，

横向距离计算如下：计算IPM图中轴线中点离左右两车道线边缘的横坐标距离D^r和D^l，ΔD＝D^r-D^l，当ΔD＞0时，偏向左车道线；当ΔD＜0时，偏向右车道线；当ΔD＝0时，没有发生偏移；

纵向距离计算公式为：S＝K+D，其中，S是停止线或斑马线的中心点离车的距离，D是图像距离，K是视野最近距离。