[发明专利]梯度点对约束下的复杂道路检测方法

说明书

技术领域

本发明属于车道检测领域，特别涉及一种基于梯度点对约束下的复杂道路检测方法。

背景技术

近年来，随着高速公路的迅猛发展和汽车数量的不断增加，交通事故的发生率也在逐年攀升，已严重威胁到人民的生命财产安全。据统计，2008年全球大约有50万人死于道路交通事故。而据我国公安部交通管理局通报，2009年中国共发生道路交通事故238351起，造成67759人死亡，275125人受伤，直接财产损失9.1亿元。我国因道路交通事故而死亡的人数远远超过了发达国家。在此背景下，开展能够提高汽车驾驶安全性和经济性的相关研究将具有重要的意义和发展前景。但在复杂的交通场景中，车道线的检测常面临路边树木及建筑物阴影的干扰、车道上其它行驶车辆的遮挡、路面破损造成车道线缺失以及路面其他交通标识影响等问题，使得在复杂行车环境下实现准确可靠的车道检测依然面临着很多困难。

发明内容

为了克服实际复杂交通场景下阴影、遮挡及路面其他交通标识对车道线检测的影响，本发明提出了基于梯度点对约束下的复杂道路检测方法。该方法根据结构化道路的几何特征，利用道路两边车道线具有相反梯度方向的性质作为约束，获得可靠的车道中点坐标，在此基础上，根据两侧车道线的平行透视关系及基于线性双曲线函数描述的车道模型，分别利用两次Hough变换获得车道的消失点坐标、车道宽度以及车道中线参数的估计，最终实现道路两侧车道线的可靠检测。其具体内容如下：

步骤1.图像边缘检测

利用Sobel算子和形态学滤波方法对原始图像进行边缘检测，得到二值化图像bw；

步骤2.基于梯度点对约束的中点提取

我们定义梯度方向向左的梯度点为左梯度点，反之为右梯度点。在二值化图像bw利用梯度点对约束提取车道中线点集的过程如下：

步骤2.1提取一行中的左梯度点集和右梯度点集Gright={(uir,rir)|i=1,2...}.]]>

步骤2.2将G_left中的点和G_right中的点组成梯度点对，如果梯度点对的距离大于设定的阈值，则该梯度点对将被认为是有效的梯度点对，计算该梯度点对的中值作为该行车道中点的坐标，梯度点对间的距离作为该行车道宽度的估计。

步骤2.3对每一行的梯度点集做步骤2.2处理，从而可以得到候选的车道宽度点集Dis＝{(d_i，r_i)|i＝1，2…}和车道中线点集Mid={(uim,rim)|i=1,2...}.]]>

步骤3.车道宽度及消失点坐标估计

根据平行透视投影原理，图像坐标系下的车道宽度d和世界坐标系下的车道宽度D满足如下关系：

d＝k(r-vp_y)    (1)

其中，反映了车道宽度经透视变换后满足的约束关系。其中，f为摄像机的焦距，H是摄像机相对地面的高度，vp_y是两车道边界在图像中消失线的纵坐标值，r是图像空间中车道边界点的行坐标值。