基於時空關聯的停止線實時識別與測距方法
2023-05-12 10:16:06
基於時空關聯的停止線實時識別與測距方法
【專利摘要】基於時空關聯的停止線實時識別與測距方法屬於無人駕駛領域。首先通過智能車上的GPS裝置獲取路口路口類型、距離,當距離小於100米時將會及時啟動停止線識別程序。通過攝像機獲取車輛前方的路面圖像,對原始圖像進行灰度化、逆透視變換、自適應二值化處理,然後對二值化圖像進行水平邊沿信息提取,再對圖像進行霍夫直線變換檢測直線,計算直線的長度以及直線和直線間的寬度來確定是否為停止線。停止線測距是利用圖像逆透視變換後呈線性關係,建立模型,進行停止線與車輛的距離測算。當連續5幀圖像都識別到停止線並所測距離是一個由大到小的變化過程時則認為穩定識別到了停止線並將其結果進行返回。本發明減少運算開銷還極大地提高停止線識別的準確性、實時性以及停止線測距的精度。
【專利說明】基於時空關聯的停止線實時識別與測距方法
【技術領域】:
[0001] 本發明是基於時空關聯的停止線實時識別與測距方法,屬於智能車無人駕駛技術 領域。
【背景技術】:
[0002] 安全駕駛、智能交通越來越受人們關注和重視,無人駕駛智能車的研究也已成為 熱點。停止線是重要的交通標識,因此停止線識別技術是智能車無人駕駛技術的重要組成, 正確的停止線識別可W保證智能車輛能夠在城市路口中避免闖紅燈、避免碰撞到人行道上 的行人,從而提高無人駕駛的安全性,同時智能車輛可W將停止線作為起點線按照固有的 行駛軌跡安全渡過路口區。因此,停止線的正確、實時識別對智能車無人駕駛有著很重要的 作用。在無人駕駛技術中,除了需要準確地識別出停止線,還需要精確計算出停止線離智能 車輛的距離。
【發明內容】
:
[0003] 本發明的目的在於正確、實時地識別出城市道路中的停止線並且精確計算出停止 線離智能車輛的距離的同時也要求運算開銷最小,提出了基於時空關聯的停止線實時識別 與測距方法。
[0004] 為了實現上述目的,本發明採取了如下的技術方案:
[0005] 步驟1 ;傳感器安裝;
[0006] 步驟1-1;將單目攝像機安裝在智能車輛內後視鏡的正下方並與車體的縱向坐標 軸平行,相對車體橫坐標的位移為零,安裝單目攝像時,應保證攝像機能夠採集到車輛前方 清晰的道路圖像;
[0007] 步驟1-2 ;將GI^S裝置安裝在智能車頂平面處並使其位於智能車輛中屯、線上;GPS 裝置精度要求不高,誤差控制在10米W內;
[0008] 步驟2 ;實時接收GI^S的路口觸發點信息,所述的路口是指智能車輛所在的路段中 離智能車輛最近的路口;所述的觸發點信息結構為(類型,距離),其中類型有十字路口、了 字路口兩種類型,距離是指智能車輛裡路口中屯、的距離,單位為米(m);
[0009] 步驟3 ;當接收的距離小於100米時,立即啟動停止線識別程序;當接收的距離大 於100米時,關閉停止線識別程序,從而加大地減少了運算開銷和減少錯誤識別;
[0010] 步驟4;停止線識別;
[OCm] 步驟4-1 ;從攝像機中獲取原始路面圖像Img,先對圖像Img進行灰度化處理得到 灰度圖像graylmg,再對圖像graylmg進行逆透視變換得到鳥廠圖像birdeyelmg,然後對 圖像birdeyelmg進行自適應二值化處理得到二值圖像binarylmg ;
[001引步驟4-2 ;對步驟4-1中的圖像bina巧Img進行水平邊沿提取得到圖像Hedgelmg, 所述的水平邊沿提取是指將圖像中黑白交界處水平方向提取來,具體做法是對圖像由上往 下進行像素遍歷,當遍歷的像素值與其下一個像素值不相等時,將該兩個像素值都賦值為 255,否則都賦值為0 ;其計算公式表達如下:
[001 引
【權利要求】
1.基於時空關聯的停止線實時識別與測距方法,其特徵在於,包括以下步驟: 步驟1 :傳感器安裝; 步驟1-1:將單目攝像機安裝在智能車輛內後視鏡的正下方並與車體的縱向坐標軸平 行,相對車體橫坐標的位移為零; 步驟1-2 :將GPS裝置安裝在智能車頂平面處並使其位於智能車輛中心線上; 步驟2 :實時接收GPS的路口觸發點信息,所述的路口是指智能車輛所在的路段中離智 能車輛最近的路口;所述的觸發點信息結構為類型,距離,其中類型有十字路口、丁字路口 兩種類型,距離是指智能車輛裡路口中心的距離,單位為米; 步驟3 :當接收的距離小於100米時,立即啟動停止線識別程序;當接收的距離大於 100米時,關閉停止線識別程序,從而加大地減少了運算開銷和減少錯誤識別; 步驟4 :停止線識別; 步驟4-1 :從攝像機中獲取原始路面圖像Img,先對圖像Img進行灰度化處理得到灰度 圖像graylmg,再對圖像graylmg進行逆透視變換得到鳥瞰圖像birdeyelmg,然後對圖像 birdeyelmg進行自適應二值化處理得到二值圖像binarylmg; 步驟4-2 :對步驟4-1中的圖像binarylmg進行水平邊沿提取得到圖像Hedgelmg,所述 的水平邊沿提取是指將圖像中黑白交界處水平方向提取來,具體做法是對圖像由上往下進 行像素遍歷,當遍歷的像素值與其下一個像素值不相等時,將這兩個像素值都賦值為255, 否則都賦值為〇 ;其計算公式表達如下:
其中wG(0,width),hG(0,height-1),width,height分別是圖像binarylmg的寬和 高,P(w,h)表示圖像binarylmg中橫坐標、縱坐標分別為w,h的像素值; 步驟4-3 :對步驟4-2中的圖像HedgeImg進行膨脹處理得到圖像dilatelmg,然後對 圖像dilatelmg進行霍夫直線變換,檢測圖像中的所有直線並計算每條直線與水平的夾角 rho和長度length,單位分別是度和像素;由霍夫直線變換可知直線的兩個端點Pl(xl,yl) 和P2 (x2,y2),則水平的夾角rho和長度length的計算公式如下:
從滿足0彡rho彡20或160彡rho彡180, 50彡length彡100的直線中找兩條平行 線並且計算平行線間的距離s,當s滿足5 <s< 15則認為檢測到停止線,其中這兩條平行 線分別是停止線的上下邊沿;將這兩條直線畫在圖像IinesImg中; 步驟5 :停止線測距;所述距離是指智能車輛正投影中軸線最前處與停止線下邊沿的 距離; 步驟5-1 :將智能車輛停在路面上,從攝像機中獲取一張原始圖像,找出圖像的下邊界 所在路面上的位置,然後再測量該位置與車輛最前方處的地面距離K,K也稱作攝像機的盲 區距離,單位為釐米; 步驟5-2 :利用鳥瞰圖像中像素距離與實際距離的線性關係可以計算出實際距離與像 素距離的比值k,單位是cm/pixel;
(width/2,height-1)的像素距離d,單位pixel; 步驟5-4 :根據步驟5-2和步驟5-3計算停止線下邊沿與圖像最底端的實際距離D=dXk;則停止線下邊沿離智能車輛最前處的距離為S=K+D=K+dXk; 步驟6 :判斷停止線識別結果的穩定性;所述的穩定性是指正確連續地識別到停止線; 利用幀間關聯的連續性,來判斷停止結果識別結果正確性和連續性,即當連續5幀圖像以 上都識別到停止線並且停止線與智能車輛的距離呈現由大到小的變化過程時則認為穩定 地識別到了停止線。
【文檔編號】G06K9/00GK104504364SQ201410677821
【公開日】2015年4月8日 申請日期:2014年11月23日 優先權日:2014年11月23日
【發明者】袁家政, 劉宏哲, 鄭永榮 申請人:北京聯合大學