一种基于单目视觉的车道线检测与跟踪方法与流程

本发明涉及汽车技术领域，具体是一种基于单目视觉的车道线检测与跟踪方法。

背景技术：

车道线的检测最早起源于线段检测技术。随着智能交通和智能车辆研究热潮的掀起，众多专家、学者对线段检测技术的不断积累，进而人们展开了对车道线检测新热点的深入研究。车道线检测是指通过传感器分析车辆行驶车道和车道线位置信息，计算车辆可行驶区域。用来感知道路环境的传感器主要有视觉传感器和雷达。雷达对环境影响不敏感，抗干扰能力强，但是价格昂贵，且采集车道线信息少，容易出现误检。基于单目视觉的车道线检测与跟踪技术是本领域当前研究的热点和重点。

虽然国内外的研究人员对视觉辅助驾驶的研究已经有了几十年的历史，但是仍然有诸多问题尚待解决。例如谷歌、百度等公司的无人驾驶汽车尚在实验阶段。而在2018年，特斯拉辅助驾驶汽车事故频发，再一次提醒人们这项技术仍然需要完善。作为辅助驾驶系统中的一环，基于单目视觉的车道线检测与跟踪的重要性不言而喻。

技术实现要素：

本发明的目的在于提供一种基于单目视觉的车道线检测与跟踪方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于单目视觉的车道线检测与跟踪方法，包含以下步骤：

a、图像采集；

b、图像预处理；

c、检测是否为第一帧图像，如果是，则送入第一帧图像车道线检测模块，如果不是，则送入跟踪过程车道线检测模块；

d、对第一帧图像车道线检测模块和第一帧图像车道线检测模块的输出结果进行检测，确定是否为最后一帧，如果是，则结束，如果不是，则返回跟踪过程车道线检测模块重新处理。

作为本发明的进一步技术方案：所述第一帧图像车道线检测模块对图像的处理如下：a1、kalman滤波确定感兴趣域，b1、线性邻域求消失点，c1、改进hough变换检测候选车道直线，d1、直线簇信息提取车道线。

作为本发明的进一步技术方案：所述第二帧图像车道线检测模块的处理如下：a2、传统hough变换检测直线，b2权值聚类检测消失点，c2、消失点约束提取车道线。

作为本发明的进一步技术方案：所述图像预处理通过图像预处理模块实现。

作为本发明的进一步技术方案：所述图像预处理模块包括g分量图像灰度化模块、中值滤波模块、sobel算子边缘检测模块和ostu法二值化模块。

作为本发明的进一步技术方案：所述g分量图像灰度化模块连接中值滤波模块，中值滤波模块还连接sobel算子边缘检测模块，sobel算子边缘检测模块还连接ostu法二值化模块。

作为本发明的进一步技术方案：所述图像采集模块通过摄像头实现。

与现有技术相比，本发明的有益效果是：(1)单目视觉下图像预处理的方法研究和实现：对采集到的道路图像信息进行预处理，将采集得到的图像数据进行简化处理。使其在能抑制噪声的同时，又能对目标区域起到增强的效果，从而提高车道线检测与跟踪的准确性和实时性。(2)单目视觉下车道线检测的方法研究和实现。根据无人驾驶智能车的研究现状和相关文献的阅读，完成车道线检测的研究工作。使其在对第一帧图像进行处理时，准确地、快速地完成车道线检测工作。(3)单目视觉下车道线跟踪的方法研究和实现。根据相关资料的阅读并结合车道线的自身特征特性，完成车道线检测的研究工作。并完成对视频流的车道线检测跟踪工作，验证其实时性和鲁棒性。

附图说明

图1为本发明的整体流程图。

图2为图像预处理模块的结构图。

图3为本发明研究路线示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：请参阅图1-3，一种基于单目视觉的车道线检测与跟踪方法，包含以下步骤：

a、利用摄像头进行图像采集；

b、图像预处理；图像预处理包括g分量图像灰度化、中值滤波、sobel算子边缘检测和ostu法二值化。

c、检测是否为第一帧图像，如果是，则送入第一帧图像车道线检测模块，如果不是，则送入跟踪过程车道线检测模块；第一帧图像车道线检测模块对图像的处理如下：a1、kalman滤波确定感兴趣域，b1、线性邻域求消失点，c1、改进hough变换检测候选车道直线，d1、直线簇信息提取车道线，所述第二帧图像车道线检测模块的处理如下：a2、传统hough变换检测直线，b2权值聚类检测消失点，c2、消失点约束提取车道线。

d、对第一帧图像车道线检测模块和第一帧图像车道线检测模块的输出结果进行检测，确定是否为最后一帧，如果是，则结束，如果不是，则返回跟踪过程车道线检测模块重新处理。

实施例2，在实施例1的基础上，本设计的图像预处理模块包括g分量图像灰度化模块、中值滤波模块、sobel算子边缘检测模块和ostu法二值化模块。如图2所示，其中，g分量图像灰度化模块连接中值滤波模块，中值滤波模块还连接sobel算子边缘检测模块，sobel算子边缘检测模块还连接ostu法二值化模块，

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

技术特征：

技术总结
本发明公开了一种基于单目视觉的车道线检测与跟踪方法，包含以下步骤：A、图像采集；B、图像预处理；C、检测是否为第一帧图像，如果是，则送入第一帧图像车道线检测模块，如果不是，则送入跟踪过程车道线检测模块；D、对第一帧图像车道线检测模块和第一帧图像车道线检测模块的输出结果进行检测，确定是否为最后一帧，如果是，则结束，如果不是，则返回跟踪过程车道线检测模块重新处理。本发明能够完成车道线检测的研究工作。并完成对视频流的车道线检测跟踪工作，验证其实时性和鲁棒性。

技术研发人员：高俊山;徐海兵
受保护的技术使用者：哈尔滨理工大学
技术研发日：2019.01.08
技术公布日：2019.05.10