专利名称：一种车道边界和主车方位检测方法
技术领域：
本发明涉及一种能够识别复杂道路环境中的车辆所在车道边界和检测主车在车道中的位置和方向的方法，属于智能车辆技术领域。
背景技术：
在智能车辆系统中，车道边界和主车方位检测方法是智能车辆预警和控制系统的重要组成部分，主要应用于车道偏离报警、车辆智能巡航控制、车辆横向控制、车辆自主驾驶等。
在现有的车道检测方法中，主要利用直线、二次多项式、样条曲线、圆弧等车道曲线模型检测车道边界，这些模型只能部分或近似地反映车道平面线形，而且无法测算车道平面线形参数值，如车道曲率、车道曲率变化率等，这些数据对车辆的自主驾驶、智能巡航的控制和决策是非常重要的。另一方面，车辆在行驶过程中道路的状况是复杂和多变的，车道检测需要能够适应各种车道标线、道路光照以及复杂环境，在复杂和恶劣条件下的车道检测是非常困难的，现有的车道检测方法还无法很好解决，需要进一步提高检测的可靠性和精度。另外，现有的车道检测方法在检测车道的同时还无法精确测算主车在车道中的位置和方向。
经对现有技术文献的检索发现，专利号为200480023596. 1的发明专利“路面行驶车道检测装置”包括边缘点检测装置、边缘直方图作成装置、方块标记线判定装置、车道边界边缘检测装置和车道边界线位置确定装置；该技术从图像中的轮廓线检测出边缘点，并相对于边缘点的水平成分计算垂直方向边缘直方图，然后根据垂直方向边缘直方图的分布周期性与正边缘以及负边缘的分布组合，判定是否存在方块状的标记线，再检测出存在于方块状标记线外侧的垂直方向边缘点，最后将与垂直方向边缘点相吻合的曲线位置确定为行驶车道的边界线。该专利的缺点在于对摄像机的高度和姿态角未作最佳设置，也未给出具体的设置范围，在车道图像采集中，摄像机无法最大限度的采集车道信息，这会影响车道检测的准确度；对于存在阴影的道路，在轮廓线检测中会检测出阴影边缘点，这将严重影响车道边界检测的可靠性；另外，该技术还无法有效检测圆弧形和回旋曲线形车道的边界，并且无法检测或测算主车在车道中的位置和方向。发明内容
为了克服现有技术检测准确度和可靠性不高的不足，本发明提供一种车道边界和主车方位检测方法，该方法不仅能够提高车道信息采集的效率和车道检测的效率，而且能够在道路有阴影、车辆、光线变化等路况环境下检测主车所在车道边界和主车方位。
本发明解决其技术问题所采用的技术方案包括以下步骤
步骤1 设置最佳车载摄像机外参数，将摄像机架设于车辆顶部中轴线前端位置， 摄像机光轴与车辆中轴线位于同一垂直面，定义摄像机的俯仰角α向下为正、面向摄像机前方滚动角Y顺时针方向为正，设置摄像机的俯仰角α =arCtan(r。dy/f。)、摄像机的滚动ι -l^f0Ci Wlanefc角Y = 0、摄像机距离路面的高度久=c d ^jr2d2+f2，其中f。为摄像机焦距，dx、dy分别为摄像机拍摄的图像像素点在水平和垂直方向上的物理尺寸，Ct^P A分别为图像中心点的像素横坐标和纵坐标，Wlane为车道宽度；
步骤2 根据摄像机拍摄的车道图像像素梯度幅值自适应设置边缘阈值，并提取边缘点、计算边缘点方向，包括以下步骤
步骤2. 1 计算车道图像除第一行、最后一行、第一列、最后一列像素点外的其它各个像素点水平方向和垂直方向上的梯度幅值
Gx(c, r) = f (c+1, r-l)+2f (c+1, r)+f (c+1, r+1)
-f (c-1, r-1) -2f (c_l, r) -f (c_l, r+1)
Gy(c, r) = f (c-1, r+l)+2f (c, r+l)+f (c+1, r+1)
-r(c-l, r-l)-2f (c, r-l)-f (c+1, r-1)
其中c、r分别表示像素点的横坐标和纵坐标，Gx (c, r)、Gy (c, r)分别表示像素点 (c，r)水平方向和垂直方向的梯度幅值，f (c，r)表示像素点(c，r)的像素值，然后计算车道图像像素点的梯度幅值Gm(c，r) = |Gx(c,r) | + |Gy(c,r)；
步骤2. 2 计算提取边缘像素点的梯度阈值。,ΑΣQ(CJ)，其中H、H XW c=|W分别表示车道图像的高和宽，Wg为系数，其取值范围为0. 1 < I < 1 ；
步骤2.3:将图像像素点(c，r)的梯度幅值Gm(c，r)与梯度阈值Gmth相比较，其中c = 1，2，. . . ,ff-2,r = 1，2，. . .，H-2，若Gm(c，r)彡Gmth，则将该像素点标记为边缘像素点，若Gm (c，r) < Gfflth,则将该像素点标记为非边缘像素点，然后计算边缘像素点的边缘方向 θ (cedge' redge) = arctan[Gy(cedge, redge) /Gx(cedge, redge)]，其中 cedge、redge 分别表示边缘像素点的横坐标和纵坐标；
步骤3 根据车道边界投影模型、边缘点及其方向利用蚁群优化搜索定位车道边界，包括以下步骤
步骤3. 1 设置车道模型，将车道左、右边界投影模型，即图像中的车道边界曲线方程，也称为车道左、右边界线的投影曲线方程设置为
B^rume +B3+ B4r丄 + B5r~2ne - claneL = 0
B1Tlane + 万3 + B4r丄 + B5r~2ne - clane R = 0
其中Γι·表示车道边界曲线上像素点的纵坐标，Clan“和Clane,κ分别表示车道左、 右边界曲线上像素点的横坐标，B1, B2, B3, B4, B5为车道边界投影曲线的参数，并定义B = (B1, B2, B3, B4, 为车道边界投影模型参数向量，其取值范围为(_5，0，0，-2000, -3000)τ < B < (0,5,300,2000,3000)τ；
步骤3. 2 蚁群搜索初始化，初始化迭代计数器t = 0、最大迭代次数Itermax，其取值范围为10彡Iterfflax ( 200，并将搜索空间Bmin < B < Bfflax的每一维空间平均划分为M个子区间，分别标记为1，. . .，M，M的取值范围为5彡M彡200，其中
Bfflin = (Blimin，B2,min，B3,min，B4,min，B5,min) = (-5,0,0, -2000, -3000)τ
Bfflax = (Blimax，B2,max，B3,max，B4,max，B5,max) = (0，5，300，2000，3000)τ
子区间的半径为
权利要求
1. 一种车道边界和主车方位检测方法，其特征在于包括下述步骤 步骤1 将摄像机架设于车辆顶部中轴线前端位置，摄像机光轴与车辆中轴线位于同一垂直面，定义摄像机的俯仰角α向下为正、面向摄像机前方滚动角Y顺时针方向为正， 设置摄像机的俯仰角α =arCtan(r。dy/f。)、摄像机的滚动角γ =0、摄像机距离路面的高 \2r0dWlanefc度=c d ^r2df+fc2，其中f。为摄像机焦距，七、尖分别为摄像机拍摄的图像像素点在水平和垂直方向上的物理尺寸，(^和A分别为图像中心点的像素横坐标和纵坐标，Wlane为车道宽度；步骤2 根据摄像机拍摄的车道图像像素梯度幅值自适应设置边缘阈值，并提取边缘点、计算边缘点方向，包括以下步骤步骤2. 1 计算车道图像除第一行、最后一行、第一列、最后一列像素点外的其它各个像素点水平方向和垂直方向上的梯度幅值Gx(c, r) = f (c+1, r-l)+2f (c+1, r) +f (c+1, r+1) -f (c-1, r-l)-2f (c-1, r)-f (c-1, r+1) Gy(c，r) = f (c-1, r+l)+2f (c, r+l)+f (c+1, r+1) -f (c-1, r-l)-2f (c, r-l)-f (c+1, r-1) 其中(3、1~分别表示像素点的横坐标和纵坐标，6!￡((3，10、 ((3，1·)分别表示像素点(c，r) 水平方向和垂直方向的梯度幅值，f (c，r)表示像素点(c，r)的像素值，然后计算车道图像像素点的梯度幅值 Gm(c，r) = |Gx(c,r) | + |Gy(c,r)；H-2 W-2步骤2. 2 计算提取边缘像素点的梯度阈值仏,A =^^12^^0，其中H、W分别表示车道图像的高和宽，Wg为系数，其取值范围为0. 1 < I < 1 ；步骤2. 3 将图像像素点(c，r)的梯度幅值Gm(c，r)与梯度阈值Gmth相比较，其中c = 1， 2，...，W-2，r = 1，2，...，H-2，gGm(c，r)彡Gmth，则将该像素点标记为边缘像素点，若Gm (c， r) <Gmth，则将该像素点标记为非边缘像素点，然后计算边缘像素点的边缘方向θ (Cedge, redge) = arctan [Gy(cedge, redge) /Gx(cedge, redge)]，其中 cedge、redge 分别表示边缘像素点的横坐标和纵坐标；步骤3 根据车道边界投影模型、边缘点及其方向利用蚁群优化搜索定位车道边界，包括以下步骤步骤3. 1 设置车道模型，将车道左、右边界线的投影曲线方程设置为Bxrlane + ^3 + V/丄 + B5nl - CkmetL = OBiflane +^3+ β4η丄 + B5r~2ne - Clane R = 0其中rlane表示车道边界曲线上像素点的纵坐标，Clan“和Cl_,κ分别表示车道左、右边界曲线上像素点的横坐标，B1, B2, B3, B4, B5为车道边界投影曲线的参数，并定义B = (B1, B2, B3, B4, 为车道边界投影模型参数向量，其取值范围为(_5，0，0，-2000, -3000)T < B < (0，5，300，2000，3000)τ；步骤3. 2 蚁群搜索初始化，初始化迭代计数器t = 0、最大迭代次数Itermax，其取值范围为10彡Iterfflax ( 200，并将搜索空间Bmin < B < Bfflax的每一维空间平均划分为M个子区间，分别标记为1，. . .，M，M的取值范围为5彡M彡200，其中Bmin — (Bi,min，B2,min，B3,min，B4,min，B5,min) — ("5,0,0, "2000, -3000) Bmax= (Bi,maxJ B2jmax, B3jmax, B4jmax, B5jmax) = (0, 5, 300, 2000, 3000)τ 子区间的半径为
全文摘要
本发明公开了一种车道边界和主车方位检测方法，首先设置最佳车载摄像机外参数；然后根据车道图像像素梯度幅值自适应设置边缘阈值，并提取边缘点、计算边缘点方向；再根据车道边界投影模型、边缘点及其方向利用蚁群优化搜索定位车道边界；最后计算车道平面线形参数值和主车方位；本发明的检测方法能够快速有效搜索定位车道边界，能够适应各种车道线形以及天气和光照变化，并能够测算出车道平面线形参数值和主车在车道中的偏向角和位置。
文档编号G08G1/16GK102509067SQ20111028499
公开日2012年6月20日 申请日期2011年9月22日 优先权日2011年9月22日
发明者何明一, 张易凡, 陈勇 申请人:西北工业大学