[发明专利]一种高速路段及城市道路车道线识别方法

权利要求书

1.一种高速路段及城市道路车道线识别方法，其特征在于，包括以下步骤：

步骤1、通过摄像机获取车道图像，利用摄像机参数自标定方法得到摄像机的内外参数，求得车道平面消失线；

步骤2、对车道图像进行灰度化处理并划分感兴趣区域；

步骤3、对步骤2得到的图像进行中值滤波；

步骤4、对中值滤波后的图像使用Gabor变换提取车道线纹理特征；

步骤5、采用多角度Haar特征描述车道线边缘特征，利用Adaboost分类器进行分类识别；具体为：

步骤5-1，在Haar特征使用0°，90°和45°特征的基础上增加倾斜30°特征和倾斜60°特征，在30°、45°和60°倾斜矩形外围设置非倾斜矩形，该非倾斜矩形的四边经过倾斜矩形的四个顶点；

设窗口有L×W个像素，Haar特征H(x,y,l,w,α)，顶点坐标为(x,y)，矩形区域长度为l，宽度为w，倾斜角为α，则旋转矩形的l和w的计算公式如下：

a为旋转矩形的长为，b为宽；

利用取整得到的整数作为缩放系数求取倾斜矩形的Haar特征数，利用公式计算包含车道线边缘特征的Haar特征矩形个数，其中RecSum(x,y)为积分图计算式；

步骤5-2，基于AD-Adaboost算法，利用参数计算公式，设定弱分类器的权重不仅与误报率有关，还与正样本的识别能力有关；

给定训练样本集(x₁,y₁)，(x₂,y₂)，...，(x_N,y_N)，其中y_i对于负样本和正样本为0和1，负样本和正样本分别初始化权重为W₁(i)＝1/2q,1/2p，q和p分别为负样本和正样本；算法经过T次循环构建强分类器，For t＝1,2,...,T，计算弱分类器h_j的分类误差选取当分类误差ε_t最小时的弱分类器H_t；

对H_t计算正权重总和：

更新权重：

其中弱分类器权重参数

归一化下一个循环的权重式中，Z_t是归一化因子，

将得到的t个弱分类器组合到一个强分类器，得到的强分类器为

其中，θ是分类错误率的判别阈值，α_t＝-logε_t；

当H(x)为1时，像素点x是车道线特征点，当H(x)为0时，x不是车道线特征点，在图像f(x,y)中，将H(x)＝0的像素点去除，保留下来的像素点即为车道线特征点；

步骤6、针对结构化道路设计双曲线组合模型；

步骤7、利用改进Ransac算法估计双曲线组合模型参数；具体为：

每次找4个点，其中3个点设计模型求得模型参数，剩下一个点进行模型匹配，看是否在模型上，如果不在，则放弃此样本重新选择，如果在，则将此模型作为候选模型；继续寻找其它点进行模型匹配，如果支撑候选模型的点数大于等于设定阈值，则此候选模型即为目标模型；若支撑候选模型的点数小于设定阈值，则放弃此候选模型，继续寻找4个点。

2.根据权利要求1所述的高速路段及城市道路车道线识别方法，其特征在于，步骤1中，首先建立图像坐标系和世界坐标系，设计两个坐标系中点坐标对应关系，根据摄像机的标定过程确定内部参数，根据坐标对应关系来计算车道线在空间坐标的位置参数，再根据内外参数得到车道消失线的位置。

3.根据权利要求1所述的高速路段及城市道路车道线识别方法，其特征在于，步骤2中，对采集到的RGB图像像素以5：4：1权重进行灰度化处理。

4.根据权利要求1所述的高速路段及城市道路车道线识别的方法，其特征在于，将消失线下方设为感兴趣区域，将消失线下方1/3区域作为感兴趣区域I，其余2/3区域作为感兴趣区域Ⅱ。