一種基於魯棒統計的行道線檢測方法
2023-07-19 05:08:11
專利名稱：一種基於魯棒統計的行道線檢測方法
技術領域：
本發明屬於車輛自主導航與主動安全領域，特別是一種基於魯棒統計的行道線檢測方法。
背景技術：
行道線是高速公路、省級公路、城市道路中最普遍的交通引導標誌。在智能車輛導航中，行道線是最主要的視覺感知對象，魯棒的檢測跟蹤道路行道線，就能給智能車輛正確的導引，為高層次的知識融合、行為規劃提供可靠的依據。如機器人導航系統通過前視攝像機拍攝正前方道路圖像，利用圖像分析軟體從圖像中檢測行道線，並通過視覺標定將檢測的行道線由二維圖像坐標系投射到三維空間坐標系中，構建真實道路邊界線，再將車輛位置與行道線位置作比較，判斷車輛行駛狀態是居中、靠左還是靠右，以及結合雷達等傳感器判斷各車道是否有其它機動車輛，使車輛能智能的直行、避障、超車和跟隨等 ([1] Young Uk Yimj Se-Young Oh. Three-Feature based automatic lane detection algorithm (TFALDA) for Autonomous Driving. IEEE Transaction on intelligent transportation systems. Vol. 4, No. 4 2003·)。行道線檢測也是車輛主動安全中的一個重要環節，對行道線的準確檢測是讓車輛在一個安全區域行駛的基礎。智能車輛一旦有了自主導航的能力，遇到突發情況，就可以根據情況做出決策，改變自身的相對位置，保證車輛行駛的安全性。基於行道線檢測技術的駕駛員輔助駕駛系統或預警系統，可以提高行駛的安全性，減少交通事故的發生 ([2] Mohamed Aly. Real time Detection of Lane Markers in Urban Streets. IEEE intelligent vehicles Symoposiumj 2008.)。行道線檢測技術還可以和其它技術相結合，提高系統性能。如車輛遙控駕駛、工廠、倉庫的巡邏、星球探險、危險區域採樣、軍事用途等。
發明內容
本發明的目的在於提供一種基於魯棒統計的行道線檢測方法，實現行道線的準確檢測，能做到實時處理，具有較強的抗幹擾能力。本發明的技術方案為一種基於魯棒統計的行道線檢測方法，步驟為 步驟1 圖像預處理，依據指定的參數設置興趣處理區域；
步驟2 行道線分割，依據灰度、線寬特性從興趣處理區域中分割行道線； 步驟3 依據魯棒統計方法，對行道線幾何形狀進行描述；
步驟4 使用行道線的消失點、行道線與興趣區域上下底邊圍成區域的面積大小約束剔除不可靠、置信度低的行道線，提高檢測結果的魯棒性。本發明與現有技術相比，其顯著優點為(1)直接對單幅圖像進行處理；(2)無需根據不同的環境改變算法參數；(3)受光照不均、陰影、路面非行道線標記幹擾等影響較小；(4)時間複雜度低，能實時處理；(5)系統配置簡單、硬體成本低、易於大規模推廣。
下面結合附圖對本發明作進一步詳細描述。
圖1是本發明基於魯棒統計的行道線檢測方法的流程圖。圖2是本發明的 興趣處理區域設置示意圖。圖3是本發明的不同閾值下的二值化圖像與找到的特定RL線段示意圖(a)分割前圖像；(b)閾值4 = 94下的分割結果；(c)行和列方向RL線段選擇結果；(d)閾值
Ii =128下的分割結果；(e)行和列方向RL線段選擇結果；(f)閾值4 = 194下的分割結果；(g)行和列方向RL線段選擇結果。圖4是本發明的在PW94]範圍內窮舉分割並選擇合適的RL線段累積得到的RL 累積圖。圖5是本發明的在RL累積圖尋找行道線示意圖(a)檢測左行道線；(b)將檢測出的左行道線區域置0 ； (c)檢測右行道線；(d)將檢測出的右行道線區域置0。圖6是本發明的典型行道線檢測結果(a)路段l;(b)路段2; (c)路段3 ； (d) 路段4;(e)路段5;(f)路段6。
具體實施例方式本發明基於魯棒統計的行道線檢測方法，步驟如下 第一步，圖像預處理，依據指定的參數設置興趣處理區域。手工指定圖像上一個矩形區域，矩形區域上邊的圖像行坐標Yl根據行道線檢測的最遠距離要求設定，下邊的圖像行坐標Y2設為車頭最前端在圖像上的行坐標，左右邊的圖像列坐標分別設為X和Width-X (Width為圖像寬度)，圖像的左右最外邊的X列像素不作處理，該矩形區域即為興趣區域，X為攝像機採集到圖像的無效區寬度。如X為8時，圖2 給出了興趣處理區域設置示意圖，白色矩形框即為感興趣區域。第二步，行道線分割，依據灰度、線寬特性從興趣處理區域中分割行道線。(1)將興趣處理區域圖像灰度化，對於RGB空間中的一點，計算原點至該點向量在對角線上的投影即可得到該顏色的灰度值Γ ；考慮到視覺效果的不同，可以調整R、G、B各分量在灰度化時對灰度值的貢獻，設它們的貢獻分別為Q，cf，q，這樣就可以得，其中係數^ O且滿足Q +Q = 1 ；對於光照充足的白天道路圖像其灰度化
係數的任意選擇對後續的檢測算法沒有實質性的影響，但是對於光照惡劣的天氣
下，RGB彩色圖像的R分量和B分量信噪比很低，因此，本發明取G分量作為灰度化圖像，即
T = g 0(2)統計興趣處理區域內的灰度直方圖，利用灰度直方圖形狀特性找到兩個灰度級Tl、T2(T1<T2)，作為分割閾值，即利用灰度直方圖計算均值和均萬差^取 Tl = max(70, u_ σ、』 Tl = mm( 250,a + 2σ)作為最小最大分割閾值，分別用[Τ 1，Τ2]之間
每一個灰度值4作為分割閾值二值化興趣處理區域圖像，即興趣處理區域圖像內灰度值大於4的像素灰度值變為255 (白點)，反之變為0(黑點)，在二值化後的黑白圖像中，每行、每列分別找特定長度(長度大於10)的連續為白點的線段，稱為RL線段。圖3表示了部分分割結果。其中(a)表示分割前圖像，由灰度直方圖獲得參數#=8435,σ= 54.89, T1 = 70,T2 = 194 ； (b)、(d)、(f)分別表示對(a)進行不同閾值分割的結果，(c)、(e)、(g)表示對(b)、(d)、(f)經過行和列方向RL線段選擇的結果。建立與興趣處理區域圖像等寬高的累積圖像，初始像素值設為0，對於每個用4閾值分割得到的二值圖像中的每個滿足要求的RL線段所包含的像素點，使累積圖像對應位置的像素點灰度值遞增1。圖4表示在[7CU94]範圍內窮舉分割並選擇合適的RL線段累積得到的RL累積圖。本發明的行道線分割方法，在小範圍內窮舉閾值分割行道線，考慮了線的結構特徵，能有效避免光照不均、陰影以及無效標記幹擾的影響。第三步，採用魯棒統計方法，對行道線幾何形狀進行描述。累積圖像上灰度值越大的象素點越可能是行道線上的點。利用Hough變換在累積圖像上按直線顯著性順次尋找可能的直線，即先尋找顯著性最強的直線，將找到的直線包含的像素點從累積圖像上去除(灰度值賦0)，再尋找次強的，依次類推。直線顯著性是指該直線極坐標方程的參數在Hough變換的參數空間上對應的累積值。在累積圖像上尋找直線，直線方程採用極坐標參照系，極坐標方程表示為
其中包含,A曰兩個未知參數，需要依靠魯棒統計方法進行預測，魯棒統計方法主要目的是在含有特定的內點(符合模型參數的樣本)和外點(噪聲樣本)比例下， 可靠的利用內點估計出模型參數。常用的魯棒統計方法有基於參數空間變換的Hough方法， 基於殘差空間的RANSAC方法等。由於累積圖像上灰度值越大的象素點越可能是行道線上的點，因此使用灰度加權Hough變換方法，即將像素的灰度值作為像素權重代入到Hough變換的累加器中。為了避免多個小灰度值的累積得到較大的累加值情況，對於像素值低於一定門限時不參與累積，門限取最大值的五分之一。圖5為在RL累積圖尋找行道線示意圖，其中(a)表示左行道線檢測，黃線表示左行道線檢測結果；(b)表示將(a)中檢測出的左行道線區域的灰度值置0 ； (c)表示右行道線檢測，黃線表示右行道線檢測結果；(d)表示將(c) 中檢測出的右行道線區域的灰度值置0。第四步，虛假行道線剔除，即使用行道線的消失點、行道線與興趣區域上下底邊圍成區域的面積大小約束剔除不可靠、置信度低的行道線，提高檢測結果的魯棒性。利用行道線的直線方程求出所有行道線的交點，使用行道線的消失點、行道線與興趣區域上下底邊圍成區域的面積大小等約束剔除不可靠、置信度低的行道線。如果滿足下面約束中的任意一條，則置信度低的行道線將被刪除
(1)所有行道線的交點的行坐標Y低於roiHeight/3;roiHeight為興趣區域圖像高
度；
(2)任意兩條行道線與興趣區域上下底邊圍成的區域面積應低於興趣區域面積的1/4。圖6中(a)、(b)、(c)、(d)、(e)、(f)分別給出了不同道路的行道線檢測結果，其中白色矩形框表示感興趣區域，所繪直線表示行道線檢測結果。
權利要求
1.一種基於魯棒統計的行道線檢測方法，其特徵在於步驟為步驟1 圖像預處理，依據指定的參數設置興趣處理區域；步驟2 行道線分割，依據灰度、線寬特性從興趣處理區域中分割行道線；步驟3 依據魯棒統計方法，對行道線幾何形狀進行描述；步驟4 使用行道線的消失點、行道線與興趣區域上下底邊圍成區域的面積大小約束剔除不可靠、置信度低的行道線，提高檢測結果的魯棒性。
2.根據權利要求1所述的基於魯棒統計的行道線檢測方法，其特徵在於在步驟1中，即在圖像預處理中採用的步驟如下手工指定圖像上一個矩形區域，矩形區域上邊的圖像行坐標Yl根據行道線檢測的最遠距離要求設定，下邊的圖像行坐標Y2設為車頭最前端在圖像上的行坐標，左右邊的圖像列坐標分別設為X和Width-X，圖像的左右最外邊的X列像素不作處理，該矩形區域即為興趣區域，X為攝像機採集到圖像的無效區寬度。
3.根據權利要求1所述的基於魯棒統計的行道線檢測方法，其特徵在於在步驟2中，即在行道線分割中採用的步驟如下步驟21 統計興趣處理區域內的灰度直方圖，利用灰度直方圖形狀特性找到兩個灰度級T1、T2(T1<T2)，作為分割閾值；步驟2 2 :分別用[T 1，T 2 ]之間每一個灰度值h作為閾值二值化興趣處理區域圖像，即興趣處理區域圖像內灰度值大於4的像素灰度值變為255，反之變為0，在二值化後的二值圖像中，每行、每列分別找特定長度的連續為白點的線段；步驟23 建立與興趣處理區域圖像等寬高的累積圖像，初始像素值全設為0，對於每個用4閾值分割得到的二值圖像中的每個滿足要求的白點線段所包含的像素點，使累積圖像相應像素點灰度值遞增1。
4.根據權利要求1所述的基於魯棒統計的行道線檢測方法，其特徵在於在步驟3中，即在依據魯棒統計方法，對行道線幾何形狀進行描述中採用的步驟如下利用Hough變換在累積圖像上按直線顯著性順次尋找可能的直線，即先尋找最強的，將找到的直線包含的像素點從累積圖像上去除，再尋找次強的，依次類推。
全文摘要
本發明公開了一種基於魯棒統計的行道線檢測方法，從原圖上提取出包含行道線的道路區域圖像，使用局部閾值窮舉法分割興趣區域圖像，並篩選出特定長度的RL線段，對RL線段進行累積，在累積圖像上利用魯棒統計方法估計行道線模型參數，最後根據道路幾何約束去除虛假道路邊。本發明可以準確的檢測結構化、半結構化道路上的行道線，對於一些標記退化的道路和幹擾較重的道路也有很好的適應性，具有高實時性、高魯棒性的優點，易於推廣到機器人導航、車輛主動安全等應用領域。
文檔編號G06K9/00GK102201054SQ20111000261
公開日2011年9月28日 申請日期2011年1月7日 優先權日2011年1月7日
發明者任明武, 唐振明, 王歡, 趙春霞, 陸建峰 申請人:南京理工大學