[发明专利]一种联合RANSAC和CNN的鲁棒的车道线检测方法

说明书

一种联合RANSAC和CNN的鲁棒的车道线检测方法，包括以下步骤：S1、从图像采集装置中获得原始图像I，并对所述原始图像I进行高斯平滑处理得到平滑图像I₀；S2、对所述平滑图像I₀进行边缘提取处理，得到边缘特征图I₁；S3、对所述边缘特征图I₁进行图像去噪处理，得到去噪图像I₂；S4、对所述去噪图像I₂设置感兴趣区域，得到感兴趣图像I₃；S5、对图像I₃进行边缘特征点划分，分为公共点、左边点、右边点；S6、利用RANSAC算法检测车道线，当检测到的车道线数大于3或者|x_t,upper‑x_t‑1,upper|>T_upper或者|x_t,lower‑x_t‑1,lower|>T_lower或者|P_t,vp(x,y)‑P_t‑1，vp(x,y)|>T_vp时，转至S7，否则继续迭代至最大迭代次数I_max，得到最终车道线；S7、先利用CNN寻找候选车道线，然后对通过CNN处理得到的含有候选车道线的图像再次应用步骤S6。

技术领域

本发明属于图像处理、神经网络技术领域，具体地说，涉及一种联合CNN(卷积神经网络)和RANSAC(随机抽样一致算法)的鲁棒的车道线检测方法。

背景技术

大量交通事故的分析表明，造成人员伤亡最多，经济损失最重的事故原因属于追尾相撞，其中由随意变更车道引起的追尾事故占了大部分。汽车辅助驾驶系统作为行车安全的保障，能够在车辆即将发生碰撞或偏离车道时提醒司机，避免事故发生。准确的车道线的定位与识别是车道偏离预警、车道变更辅助等辅助驾驶系统的重要组成部分。现有技术方案通常基于边缘检测、RANSAC或RANSAC和HOUGH的结合，在场景复杂干扰噪声点增加的情况下，RANSAC无法准确拟合出道路线，并且随着迭代次数的增加，无法到达实时的处理速度，造成上述方案在道路场景复杂的情况下会变得不可靠，无法达到市场的实际应用要求。

发明内容

针对现有技术的不足，本发明提出一种联合RANSAC和CNN的鲁棒的车道线检测方法，其技术方案具体如下：

一种联合RANSAC和CNN的鲁棒的车道线检测方法，其特征在于，包括以下步骤：

S1、从图像采集装置中获得原始图像I，并对所述原始图像I进行高斯平滑处理得到平滑图像I₀；

S2、对所述平滑图像I₀进行边缘提取处理，得到边缘特征图I₁；

S3、对所述边缘特征图I₁进行图像去噪处理，得到去噪图像I₂；

S4、对所述去噪图像I₂设置感兴趣区域，得到感兴趣图像I₃；

S5、对图像I₃进行边缘特征点划分，设置划分参数Vmin、Vcommon和Uvanish，当边缘点纵坐标位于Vmin和Vcommon之间时，判定为公共点，当边缘点纵坐标小于Uvanish时，判定为左边点，其余判定为右边点；

S6、利用RANSAC算法检测车道线，具体过程是，S61构建双曲线车道线模型M：