[发明专利]一种基于K‑means聚类算法的车道线检测方法

说明书

技术领域

本发明属于车辆智能交通领域，特别是一种城郊区车道线检测方法。

背景技术

随着人们生活水平的不断提高，人们对于车辆智能化的要求也越来越高，车道线的准确快速识别是提高自动驾驶技术和高级辅助驾驶系统(ADAS)智能化程度的重要基础和前提。

车道线检测是指通过一种可靠地算法，从车载摄像头采集的车道图片中准确可靠地找出车道线的位置。车辆在行驶的过程中，由于驾驶员操作不当或者车辆出现未知的突发故障造成的损失是巨大的，自动驾驶技术和安全辅助驾驶系统不仅能够减轻驾驶员的压力，而且还可以在事故发生前发出预警并给出相应的解决措施，从而大大减少人员和财产的损失。车道线的准确快速检测是自动驾驶技术和高级辅助驾驶系统至关重要的环节。在实际中，现有的车道线检测算法存在许多问题，并不能很好地满足车道线检测实时性与可靠性的要求。基于最大长度的车道线检测方法，首先用Canny算子检测图像边缘，再取边缘点作Hough变换检测直线，最后选取特定区域的最长直线作为车道线，当摄像头视野内没有干扰车辆的时候有较好的效果，但是当存在干扰车辆时可能会把前方车辆的边框线错误的当做车道，这使得检测到的车道线不准确。基于消失点的车道线检测方法采用区域分割、直线检测、消失点计算、消失线计算、反向求解车道线的流程进行，在只有实车道线的情况下效果较好，但是当存在虚车道线时会使得检测结果非常不稳定。因此，需要设计一种具有准确性和稳定性的车道线检测方法。

发明内容

为解决上述现有技术存在的问题，本发明要设计一种具有准确性和稳定性的车道线检测方法。

为了实现上述目的，本发明的技术方案如下：一种基于K-means聚类算法的车道线检测方法，包括以下步骤：

A、对原始图像进行处理并进行Hough直线检测

A1、去除原始图像的高度方向上侧1/4和长度方向左右两侧各1/8，取剩下的图像作为感兴趣区域图像；

A2、对感兴趣区域图像进行二值化处理，转换为灰度图并对灰度图进行中值滤波，用Canny算子进行物体轮廓提取；

A3、对Canny边缘检测处理后的图像进行Hough直线检测，检测到的直线存放到集合X中，其中第i条直线由集合X里面的元素(x_i1,y_i1)和元素(x_i2,y_i2)确定，其中(x_i1,y_i1)、(x_i2,y_i2)分别表示第i条直线的起点坐标和终点坐标；

B、进行坐标系的转化

把Hough直线检测得到的直线从x-y坐标系转换到k-b坐标系，转换过程如下：

其中，x_i1和y_i1分别表示第i条直线起点的横坐标和纵坐标；x_i2和y_i2分别表示第i条直线终点的横坐标和纵坐标；k_i和b_i分别表示第i条直线的斜率和截距，n为Hough直线检测得到的直线条数；

通过上述公式把Hough直线变换检测到的任一直线用元素(k_i,b_i)来表示，Hough直线检测得到的所有直线用集合X′示。

C、对集合X′进行K-means聚类

在k-b坐标系下，左右两侧车道线之间有较大的差异性，而同一侧车道线内部有较大的相似性；用聚类的方法把Hough直线检测得到的直线分为两类{C₁,C₂}；具体的步骤如下：

C1、对元素(k_i,b_i)进行0-1规格化处理

为防止量纲对聚类结果的影响，将元素(k_i,b_i)统一转换为0～1范围内，具体的步骤如下：

其中，k_i，b_i分别表示第i条直线的斜率和截距；k_max和k_min别表示集合X′中所有直线的最大和最小斜率；b_max和b_min分别表示集合X′中所有直线的最大和最小截距；n为Hough直线检测得到的直线条数；和分表示第i条直线经过0-1规格化处理的斜率和截距，经过0-1规格化处理所有直线放到集合中，其中第i条直线用元素表示，且即