基于二值图像的车道线保留与检测算法
【技术领域】
[0001] 本发明涉及智能交通领域，尤其涉及一种二值图像中噪声的去除及车道线检测的 方法。
【背景技术】
[0002] 目前，智能交通受到普遍的关注，车道线的检测是智能交通的重要组成部分，它是 道路保持系统、轨道偏离预警系统等多种系统做出判断的重要前提条件。
[0003] 调查报告显示，目前，由于驾驶员无意识的偏离轨道而引发的交通事故，在交通事 故中占了很大的一个比例，如果能在驾驶员将要偏离轨道前〇. 5秒给予及时的提醒，则事 故的发生率将会有一个很大程度上的降低，所以急需一种能准确识别出轨道线，并且及时 预警的方法，来缓解由于疲劳、无意识而发生的交通事故的发生，保护人们的生命和财产安 全。
[0004] 传统的车道线检测算法为霍夫变换。由于霍夫变换主要是拟合直线，所以对于弯 道不能很好的识别。同时路边的栏杆与路肩可能会被认为成车道线，出现漏检的情况，所以 该算法在在稳定性上存在一定的问题，需要新的轨道线识别算法来为轨道偏离预警系统的 优化注入新的血液与活力。
【发明内容】
[0005] 本发明的目的是提供一种二值图像部分车道线的筛选与噪声去除的方法，旨在解 决现有轨道线识别实时性低、准确性不足的特性。
[0006] 本发明的技术方案是提供一种基于二值图像的车道线保留与检测算法，其特征在 于：包括如下步骤：
[0007] 步骤1、从摄像头采集24位真彩图片，通过图像的灰度化及灰度化图像的阈值分 害挝程，转化为二值图像，在该二值图像中，将道路区域图像作为待处理区域；
[0008] 步骤2、进行最初的去轮廓处理，即对于道路区域中分散的白色像素与轮廓特征畸 形的区域，通过提取道路区域中的每个轮廓特征，去除轮廓面积小于阈值T_ a及轮廓的高 宽比小于阈值T"= 1/5的轮廓；其中T _是根据道路区域中所有轮廓的个数决定的，即 Ta_将道路区域的轮廓按面积划分成面积大小排在前1/4的轮廓，而T "= 1/5则是算法定 义的一个阈值；在该步骤中：
[0009] 步骤201 :通过轮廓面积的约束去除部分噪声；
[0010] 步骤202 :再次通过提取道路区域下半部分作为下一步的图片处理区域，并定义 道路区域的下半部分为搜寻区域；
[0011] 步骤203 :去除搜寻区域中，轮廓的高宽比小于阈值T"= 1/5的轮廓；
[0012] 步骤3、对搜寻区域作轮廓的提取，记录轮廓中第3行至第L-2行每行白色像素的 个数到数组a[L-4]中，其中L为轮廓的高度，并计算数组a[L-4]的方差〇 2;
[0013] 记录轮廓左右边缘点的坐标，分别对轮廓左右边缘点进行直线拟合，保留轮廓左 右边缘的斜率K1和K2,剔除数组a[L-4]方差〇2>T。，且轮廓左右边缘的斜率K1和K2之 间的差值超过10%的轮廓，即剔除的轮廓，其中To为轮廓数组a[L-4]的方 k2 差从小到大排序，排在第9位的轮廓数组的方差；在该步骤中：
[0014]步骤301 :记录轮廓的宽度值，即轮廓宽度方向上第3行至L-2行中每行白色像素 的个数到数组a[L-4]中，其中L为轮廓的高度；
[0015] 步骤302 :由于视差导致的车道线宽度由近及远会逐渐变窄，求取数组a[L_4]首 尾相加的平均值作为新的数组，求取新数组的方差〇 2作为筛选轮廓的方差值，从而消除视 差的影响；
[0016] 步骤303:在搜寻区域的轮廓中，根据轮廓中点横坐标x与W/2的大小，若x小于 W/2,则为左轮廓，若x大于W/2,则为右轮廓。，其中W为图片的宽度；
[0017] 步骤304 :对于左右轮廓的宽度方差，即数组a[L_4]的变形之后的新数组的方差， 分别按从小到大的顺序排列，对于左右轮廓部分分别取排序靠前的四个轮廓作为预留轮 廓，其它的则去除；
[0018] 步骤305 :通过对轮廓左右边缘斜率&与K2数值差别的约束，去掉左右边缘斜率 差别大于10%的轮廓，即f-l >10%时的轮廓；
[0019] 步骤4、经过方差与斜率的约束，仍然保留下来的轮廓，则认为符合车道线特征的 轮廓；在该步骤中：
[0020] 步骤401 :通过搜寻区域的轮廓继续在道路区域寻找符合车道线特征的轮廓通过 搜寻区域的轮廓在道路区域继续寻找符合车道线特征的轮廓，一条车道线上的轮廓在同一 个方向上，所以可以通过轮廓边缘点的斜率继续在道路区域中寻找，这就要对轮廓的边缘 点进行二次拟合，并且求得轮廓断裂部分边缘点的斜率，以便继续沿着轮廓断裂部分的斜 率继续寻找。
[0021] 步骤402 :要确定接下来的寻找方向，必须要清楚轮廓的方向，轮廓的方向可以通 过拟合得到的二次曲线来求取，即对轮廓纵向上边缘点求导得到；
[0022] 对于求解得到的二次曲线求导得到，方程的导数为y' al+2a2x与y'2=bi+2b2x， 其中x为轮廓左右边缘点的横坐标，其中&1、&2、13 1、132分别为拟合得到的二次曲线的参数信 息，y' :与y' 2分别为车道线左右边缘的寻找方向；
[0023] 步骤403:在寻找方向上对于搜寻到的轮廓，则认定为同一轮廓组。并对搜寻到的 轮廓的左右边缘点分别添加储存到数组Pointsl与Points2中，当搜寻到的轮廓再次出现 断线的时候，可以通过新数组Pointsl与Points2重复步骤401与402继续寻找，直到搜寻 到图像的边界，记录下图像边界的横坐标Ws，再根据最终确定的寻找方向计算该组轮廓与 图片底端交点的横坐标Wx，若该轮廓组的中点的横坐标在图片的左半边，则轮廓组为左车 Ws+W\ 道线，若在图片的右半边，则为右车道线
[0024] 步骤5、只保留车辆所在的行驶车道的轮廓组，其余车道线轮廓组则去除；该步骤 中：
[0025] 步骤501:对于保留下来的符合轨道线特征的轮廓，只保留离图像中垂线位置较 近的两组轨道线，即车辆所在的行驶车道线。
[0026] 步骤502 :对于保留下来的符合轨道线特征的轮廓组，计算轮廓寻找方向与图片 上端的交点Ws，图片左右两边满足交点Ws与图片中点横坐标的距离最小的轮廓组为左右 车道线轮廓组，即mini Ws-W|，行驶车道线轮廓组，即只保留车辆所在的车道线轮廓组；
[0027] 步骤6、对于保留下来的行驶车道轮廓组，为了判断车辆与车道线的位置关系，需 要拟合出左右车道线，提取车道线与车辆的位置信息，为预警与否作准备。
[0028] 步骤601 :搜集车道线拟合需要采集的数组点到数组Pointsl与Points2中；
[0029] 对保留下来的左右两组轮廓组进行曲线拟合，提取车道线与车辆的位置信息，将 左边轮廓组内轮廓的右边缘点记录在数组Pointsl中，将右边轮廓组内的轮廓的左边缘记 录在数组Points2中；
[0030] 步骤602:对于数组Pointsl与数组Points2中的点，分别通过最小二乘法进行二 次曲线拟合，得到曲线方程分别为7丨=aa+aiX+ajlP y2= ba+biX+t^x2,其中a。、bQ、a2、 bi、b 2分别为拟合得到的二次曲线的参数信息；
[0031] 步骤603 :在摄像头采集的原始图片中用线条标注出车道线的具体位置，从而得 到拟合效果图；
[0032] 进一步地，步骤101 :截取包括有完整的车道线的部分图片，并使得图中道路区域 为原图面积的一半；
[0033] 步骤102 :调整截取的部分图片的大小，使其宽和高的像素个数分别为512,384， 从而使得待处理的道路区域的宽和高的像素个数为512,192。
[0034] 本发明的有益效果：
[0035] (1)通过轮廓的筛选，能够很快的锁定车道线轮廓的大致范围，缩短了车道线检测 的时间消耗。
[0036](2)车道线宽度方差与车道线轮廓左右边缘拟合直线这对约束进一步筛选符合车 道线特征的轮廓，提高了算法的稳定性。
[0037] (3)保留离图像中线位置最近的左右车道线轮廓，使算法的稳定性得到了进一步 的加强，很大程度的削减了路边栏杆与路肩对车道线检测算法的干扰。
【附图说明】
[0038] 图1本发明实施例提供的车道线检测流程图；
[0039]图2本发明实施例提供图片道路与非道路区域示意图；
[0040] 图3本发明实施例提供的二值图像示意图；
[0041]图4本发明实施例提供的第一步轮廓去噪示意图；
[0042]图5本发明实施例提供的左轮廓边缘点选取示意图；
[0043] 图6本发明实施例提供的右轮廓左右边缘点选取示意图；
[0044] 图7本发明实施例提供的搜寻区域去噪示意图；
[0045] 图8本发明实施例提供的轨道线寻找方向确定示意图；
[0046] 图9本发明实施例提供的二值图像最终结果示意图；
[0047]图10本发明实施例提供的车道线拟合示意图。
【具体实施方式】
[0048] 以下将结合附图1-10对本发明所述的算法的流程进行详细说明。
[0049] 如图1所示，本发明检测车道线的流程图，主要通过采集、去噪、搜索、拟合四个步 骤提取车道线与车辆的位置信息。具体方法如下：
[0050] 对从摄像头获取的24位真彩图像，通过图像的灰度化及灰度化图像的阈值分割 得到二值图像，二值图像是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值 图像一般用来描述文字或者图形，其优点是占用空间少，缺点是，当表示人物，风景的图像 时，二值图像只能描述其轮廓，不能描述细节。这时候要用更高的灰度级。二值图像经常出 现在数字图像处理中作为图像掩码或者在图像分割、二值化和dithering的结果中出现。
[0051] 本发明应用主要针对二值图像，本发明所述的一种基于视觉的轨道偏离预警二值 图像去噪与轨道线保留算法
[0052] 具体包括如下步骤：
[0053] 步骤1、从摄像头采集到的24位真彩图片，通过图像的灰度化及灰度化图像的阈 值分割过程，转化为二值图像，对于得到二值图像，将道路区域图像作为待处理区域。
[0054] 摄像头安装在挡风玻璃的正中央，保证图片的中垂线为车辆行驶的正前方，然后 摄像头的俯仰角调整到，视野中的道路区域占图片面积的1/2。
[0055] 如图2所示，其中道路区域面积占整个二值图像面积的1/2,其他图像区域不作处 理；
[0056] 步骤101 :截取包括有完整的车道线的部分图片，并使得图中道路区域为原图面 积的一半；
[0057] 为了兼顾车道线提取过程的鲁棒性与实时性，选择截取图片的一部分作为处理区 域，提高实时性，同时，还要保证在图片的处理区域包含有完整的车道线，从另一方面保证 算法的稳定性。摄像头采集的图片中的道路区域包含有完整的车道线信息，通过调整摄像 头的外部参数，使得道路区域的大小为原图面积的一半，如图2所示。
[0