本發(fā)明具體涉及一種基于幀間關(guān)聯(lián)的實(shí)時(shí)車(chē)道線檢測(cè)方法。

背景技術(shù)：

在基于視覺(jué)的智能車(chē)輛導(dǎo)航或智能輔助駕駛系統(tǒng)中，車(chē)道線檢測(cè)是一個(gè)基本且必要的部分。80年代后期研制的navlab系列智能實(shí)驗(yàn)車(chē)采用了快速自適應(yīng)橫向位置處理視覺(jué)系統(tǒng)(ralph)對(duì)道路進(jìn)行檢測(cè)，自動(dòng)駕駛路程高達(dá)98.2%，智能性很高，并具有極強(qiáng)的魯棒性[1飛其中車(chē)道線檢測(cè)是智能車(chē)駕駛系統(tǒng)的核心技術(shù)之一，它能夠有效引導(dǎo)車(chē)輛在車(chē)道線內(nèi)行駛，保證交通安全和減少交通堵塞。

近年來(lái)，在車(chē)道線檢測(cè)技術(shù)上已經(jīng)有了較多的研究創(chuàng)新，也取得了不錯(cuò)的檢測(cè)效果因。總體上來(lái)看，在現(xiàn)階段車(chē)道識(shí)別的方法主要分為兩種:圖像特征法和模型匹配法。圖像特征法的基本思想是利用車(chē)道邊界或標(biāo)志線與周?chē)h(huán)境在圖像特征上的不同來(lái)進(jìn)行檢測(cè)。特征差異包括形狀、紋理、連續(xù)性、灰度和對(duì)比度等。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于幀間關(guān)聯(lián)的實(shí)時(shí)車(chē)道線檢測(cè)方法。

一種基于幀間關(guān)聯(lián)的實(shí)時(shí)車(chē)道線檢測(cè)方法，包括以下步驟：

s1：判斷從攝像頭采集的視頻幀圖像是否為第一幀，若為第一幀圖像，則在規(guī)定的感興趣區(qū)域內(nèi)對(duì)圖像進(jìn)行預(yù)處理；

s2：利用改進(jìn)的hough變換對(duì)車(chē)道線提取候選車(chē)道點(diǎn)集合，并結(jié)合車(chē)道線模型對(duì)左右車(chē)道線進(jìn)行識(shí)別；

s3：若不是第一幀圖像，利用前幀車(chē)道線模型參數(shù)，在預(yù)測(cè)的roi區(qū)域內(nèi)對(duì)圖像進(jìn)行預(yù)處理和hough變換，將得到的候選車(chē)道線集與預(yù)測(cè)條件進(jìn)行匹配；

s4：如果符合條件則認(rèn)為是有車(chē)道線的，更新當(dāng)前保存的車(chē)道線模型參數(shù)；如果不滿足條件，則由檢測(cè)失效判別模塊進(jìn)行處理，失效幀數(shù)在t(t=5)幀以上，系統(tǒng)將下一幀圖像作為第一幀來(lái)處理，并將車(chē)道線模型參數(shù)初始化；

s5：上述檢測(cè)過(guò)程可一直持續(xù)下去，直到車(chē)道線檢測(cè)結(jié)束。

進(jìn)一步的，改進(jìn)的hough變換的車(chē)道線檢測(cè)方法如下：

1）hough變換的極坐標(biāo)方程為：

；

2）建立一個(gè)參數(shù)空間矩陣；

其中，，；

，；

3）根據(jù)1）中的式子，對(duì)矩陣相應(yīng)的單元格進(jìn)行累加：

；

4）根據(jù)判斷直線的傾斜方向，當(dāng)時(shí)，直線是左車(chē)道線；當(dāng)，直線是左路車(chē)道線，定義如下：

，

其中，分別為線段的起點(diǎn)和終點(diǎn)，表示線段在參數(shù)空間中對(duì)應(yīng)的坐標(biāo)值，分別表示直線在圖像中所包含的非零點(diǎn)個(gè)數(shù)和飽和度；s的值可以由下式得出：

；

4）根據(jù)直線性質(zhì)，判斷是否為直線，當(dāng)n>20和s>0.2時(shí)，即是滿足條件的有效線段。

進(jìn)一步的，預(yù)測(cè)的roi區(qū)域的建立如下：

左右車(chē)道線動(dòng)態(tài)區(qū)域roi為一個(gè)直角的四邊形：

；

；

其中，，分別為roi中下邊界的斜率，為左車(chē)道線中靠近中線的角度，x為右車(chē)道線中線的車(chē)道線角度，并且滿足；

，。

進(jìn)一步的，失效判別的方法如下：

1)在動(dòng)態(tài)roi內(nèi)，檢測(cè)到的直線條數(shù)為零；

2)不滿足車(chē)道線約束條件的幀數(shù)大于t(t=5)；

3)從當(dāng)前幀檢測(cè)出的車(chē)道線參數(shù)相對(duì)于上幀發(fā)生了突變。

本發(fā)明的有益效果是：

本發(fā)明方法能夠?qū)崟r(shí)、準(zhǔn)確地檢測(cè)出復(fù)雜交通環(huán)境下的車(chē)道標(biāo)志線，并具有相當(dāng)好的抗干擾性。根據(jù)城市半結(jié)構(gòu)化道路環(huán)境的特點(diǎn)，將近視野范圍內(nèi)的車(chē)道線定義為直線模型，同時(shí)融合幀間關(guān)聯(lián)對(duì)車(chē)道線特征進(jìn)行提取并約束車(chē)道線參數(shù)方程。通過(guò)動(dòng)態(tài)感興趣區(qū)域、基于車(chē)道線特征的濾波算法、自適應(yīng)闊值邊緣檢測(cè)和hough變換算法等，既增強(qiáng)了車(chē)道線邊緣特征，又減少了圖像數(shù)據(jù)的運(yùn)算量。

具體實(shí)施方式

以下具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步闡述，但不作為對(duì)本發(fā)明的限定。

一種基于幀間關(guān)聯(lián)的實(shí)時(shí)車(chē)道線檢測(cè)方法，包括以下步驟：

s1：判斷從攝像頭采集的視頻幀圖像是否為第一幀，若為第一幀圖像，則在規(guī)定的感興趣區(qū)域內(nèi)對(duì)圖像進(jìn)行預(yù)處理；

s2：利用改進(jìn)的hough變換對(duì)車(chē)道線提取候選車(chē)道點(diǎn)集合，并結(jié)合車(chē)道線模型對(duì)左右車(chē)道線進(jìn)行識(shí)別；

s3：若不是第一幀圖像，利用前幀車(chē)道線模型參數(shù)，在預(yù)測(cè)的roi區(qū)域內(nèi)對(duì)圖像進(jìn)行預(yù)處理和hough變換，將得到的候選車(chē)道線集與預(yù)測(cè)條件進(jìn)行匹配；

s4：如果符合條件則認(rèn)為是有車(chē)道線的，更新當(dāng)前保存的車(chē)道線模型參數(shù)；如果不滿足條件，則由檢測(cè)失效判別模塊進(jìn)行處理，失效幀數(shù)在t(t=5)幀以上，系統(tǒng)將下一幀圖像作為第一幀來(lái)處理，并將車(chē)道線模型參數(shù)初始化；

s5：上述檢測(cè)過(guò)程可一直持續(xù)下去，直到車(chē)道線檢測(cè)結(jié)束。

改進(jìn)的hough變換的車(chē)道線檢測(cè)方法如下：

1）hough變換的極坐標(biāo)方程為：

；

2）建立一個(gè)參數(shù)空間矩陣；

其中，，；

，；

3）根據(jù)1）中的式子，對(duì)矩陣相應(yīng)的單元格進(jìn)行累加：

；

4）根據(jù)判斷直線的傾斜方向，當(dāng)時(shí)，直線是左車(chē)道線；當(dāng)，直線是左路車(chē)道線，定義如下：

，

其中，分別為線段的起點(diǎn)和終點(diǎn)，表示線段在參數(shù)空間中對(duì)應(yīng)的坐標(biāo)值，分別表示直線在圖像中所包含的非零點(diǎn)個(gè)數(shù)和飽和度；s的值可以由下式得出：

；

4）根據(jù)直線性質(zhì)，判斷是否為直線，當(dāng)n>20和s>0.2時(shí)，即是滿足條件的有效線段。

預(yù)測(cè)的roi區(qū)域的建立如下：

左右車(chē)道線動(dòng)態(tài)區(qū)域roi為一個(gè)直角的四邊形：

；

；

其中，，分別為roi中下邊界的斜率，為左車(chē)道線中靠近中線的角度，x為右車(chē)道線中線的車(chē)道線角度，并且滿足；

，。

失效判別的方法如下：

1)在動(dòng)態(tài)roi內(nèi)，檢測(cè)到的直線條數(shù)為零；

2)不滿足車(chē)道線約束條件的幀數(shù)大于t(t=5)；

3)從當(dāng)前幀檢測(cè)出的車(chē)道線參數(shù)相對(duì)于上幀發(fā)生了突變。