车道线检测方法、系统、车道偏离预警方法及系统的制作方法
【技术领域】
[0001]本发明涉及车辆安全辅助驾驶技术领域，特别是涉及一种车道线检测方法、系统、车道偏离预警方法及系统。
【背景技术】
[0002]随着社会的发展，汽车已经成为大众化的交通工具，因为疲劳驾驶或者注意力分散，车辆偏离车道线造成的事故也不断增多，并且此类事故发生时通常车速较高，因此危害性较高。
[0003]研究表明，若潜在的交通事故发生前I秒钟给驾驶员预警，则可以避免绝大部分的类似交通事故。因此，实时检测车道线，识别车辆是否偏离车道，在驾驶员未进行变道操作但车辆却趋于偏离车道时及时提醒驾驶员，能够大大提高行车安全性。
[0004]驾驶过程中造成车辆偏离车道线的情况很多，如驾驶习惯、疲劳驾驶、注意力分散等。驾驶习惯造成的车道偏离可以由驾驶员主动避免，而疲劳驾驶、注意力分散造成的车道偏离无法依靠驾驶员主动避免，并且往往会造成交通事故。
[0005]为了克服上述问题，车道偏离预警系统应运而生，车道偏离预警系统最核心的部分就是车道线检测系统。传统的车道线检测系统工作过程如下:首先，通过摄像头拍摄包含车辆所在车道线的图像；接着利用二值化方法提取上述图像中的车道线内边缘点，最后利用霍夫变换提取直线，从而得到车道线。
[0006]在上述的车道线检测方法中，在车道边缘目标点中仅使用一次图像二值化提取车道线边缘内边缘点，提取的车道线内边缘点有相当大一部分不是实际的车道线内边缘点，有可能是图像中存在的光斑及其他亮度较大的噪声，进而影响车道线内边缘点检测的准确性，使得车道线检测不够准确。
【发明内容】
[0007]本发明所要解决的技术问题是针对现有的车道线检测方法计算量大所导致的系统反应延迟的问题，提供一种车道线检测方法。
[0008]本发明解决上述技术问题所采用的技术方案为，提供一种车道线检测方法，包括以下步骤:
[0009]S1、采集包含车辆所在车道的左右车道线的图像，并将彩色图像转换为灰度图像；
[0010]S2、在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，将上述图像感兴趣区域分割为左侧图像及右侧图像；
[0011]S3、利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；
[0012]S4、利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像和右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；
[0013]S5、选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；
[0014]S6、根据选取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。
[0015]进一步地，步骤SI之后，步骤S2之前还包括图像预处理步骤:
[0016]利用高斯滤波器对上述图像进行去噪和平滑处理。
[0017]进一步地，步骤SI具体为:
[0018]通过前视摄像头或左右两个摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像，并将图像信号输入给视频解码器；
[0019]视频解码器将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在存储器中。
[0020]进一步地，步骤S2中选取的图像感兴趣区域为所采集图像中不包含天空部分的图像。
[0021]进一步地，步骤S3中求取左侧图像及右侧图像每一行的灰度二值化阈值的方法具体为:
[0022]通过直方图双峰法分别求取左侧图像及右侧图像每一行的灰度二值化阈值；
[0023]根据左侧图像及右侧图像的二值化图像中满足灰度二值化阈值的像素点数量适当减小或增大灰度二值化阈值；
[0024]将左侧图像及右侧图像的二值化图像中当前帧的灰度二值化阈值与前一帧的灰度二值化阈值相比较，对灰度二值化阈值变化超出预设范围的行，则根据不同比重结合当前帧和前一帧的灰度二值化阈值设定该行最终的灰度二值化阈值。
[0025]进一步地,步骤S4具体为:
[0026]利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，通过直方图双峰法分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述左侧边缘图像的边缘二值化阈值及右侧边缘图像的边缘二值化阈值分别对左侧边缘图像和右侧边缘图像进行二值化；
[0027]对于左侧边缘图像二值化后满足如下条件的像素点(X，y)提取为左车道线内边缘点:
[0028]Y(x, y) = 255 ；
[0029]Y(x — I, y) = 255 ；
[0030]Y(x+1, y) = O ；
[0031]其中(X — 1，y)是(X，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值；
[0032]对于右侧边缘图像二值化后满足如下条件的像素点(X，y)提取为初始右车道线内边缘点:
[0033]Y (x, y) = O ；
[0034]Y(x -1, y) = 255 ；
[0035]Y (x+1, y) = 255 ；
[0036]其中(x — 1，y)是(X，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值。
[0037]进一步地，步骤S6具体为:
[0038]利用Radon变换将包含左车道线内边缘点及右车道线内边缘点的直角坐标平面变换到极坐标参数空间平面(P，Θ )，分别求出左侧图像和右侧图像存在的直线；
[0039]将表示参数空间的极坐标P - Θ量化成多个相同的小格，根据表示车道线在直角坐标系统X-Y中的每一点坐标(x，y)，依据公式P = XCOS Θ+ysin Θ对参数空间中0-180°以内的区域以小格的步长递进的各个极角Θ值，计算各个极径P值，所得极径P值落入某个小格内，便使该小格的累加计数器加I ;当直角坐标系中全部的点都计算完成后，对小格进行检验，选取累加计数器数值前三位的小格，该三位的小格的(P，Θ)值对应于直角坐标中三条直线；
[0040]选取对应的累加计数器数值大于预设值的直线；
[0041]判断上述步骤选取的直线是否在预设的(P，Θ )值范围内；
[0042]将满足上述判断的直线可信度设为1，并保存其所对应的(P，Θ )值；
[0043]进入下一帧检测，将检测出的新直线与前一帧检测出的直线相比较，若有两条直线的(P，Θ)值的差值在预设范围内，则认定该两条直线为同一条直线，则该条直线的可信度加I ;若当前帧检测出的直线，不能与前一帧的任一条直线匹配，则认为该条直线为新直线，将其可信度设为1，并记录其(P，Θ )值；若前一帧检测出的直线与当前帧检测出的所有直线均无法匹配，则认为该条直线在当前帧中消失，将其可信度减I;
[0044]重复上述步骤，若直线的可信度达到25则保持不变，并将该条直线的(P，Θ )值更新到当前帧检测的(P，Θ)值；
[0045]判断记录的所有直线的可信度，若直线的可信度等于25，则判断该条直线为要检测的车道线；若某条直线的可信度减小到0，则从记录中的(P，Θ)删除该条直线。
[0046]进一步地，所述方法还包括如下步骤:
[0047]根据检测到的当前帧图像中车道线的位置，利用Kalman滤波预测下一帧图像中车道线的位置；
[0048]将前一帧检测出的左右车道线分别向左右扩展50像素作为下一帧的车道线检测区域。
[0049]根据本发明的车道线检测方法，在检测左右车道线内边缘点时，先利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；再利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；然后，选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点。这样，通过第一次二值化处理，可以去除图像中存在的阴影及其他亮度较小的噪声，而通过对一维sobel算子求取的边缘图像进行第二次二值化，又可以去除第一次二值化中的非边缘噪声，如图像中的光斑及其他亮度较大的噪声，因而大大提高了车道线内边缘检测的准确性，进而使得车道线检测更为准确，提升了车辆行车的安全性。
[0050]另外，本发明还提供了一种车道线检测系统，包括图像拍摄模块及图像处理模块，所述图像处理模块包括控制单元、视频解码器及存储器；
[0051]所述图像拍摄模块，用于拍摄包含车辆所在车道的左右车道线的图像；
[0052]所述图像处理模块，包括图像采集模块及车道线检测模块；
[0053]所述图像采集模块，用于通过视频解码器接收图像拍摄模块拍摄的图像信号，并将图像信号解码后输入控制单元，控制单元通过其上的视频输入