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:
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ep和降变点ev,
ep∈{f(x+2,y)-f(x,y)>T}
ev∈{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(xp,yp),候选线直线离消失点的距离是否满足小于指定阈值Tp,其Tp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Dr和Dl,ΔD=Dr-Dl,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。