[发明专利]一种基于色块统计的车道线检测方法

说明书

本发明公开了一种基于色块统计的车道线检测方法，包括如下步骤：首先是车道偏离预警系统获取车辆周围的YUV图像；其次是车道偏离预警系统提取YUV图像的色块特征值；然后是车道偏离预警系统利用提取的色块特征值建立决策树模型；下一步是车道偏离预警系统通过决策树模型判断YUV图像是车道线区域还是非车道线区域，若是，执行下一步，若不是，重新执行本步骤对下一幅YUV图像进行判断；最后是车道偏离预警系统通过视觉识别系统来识别车道线区域中的车道线。本发明的基于色块统计的车道线检测方法实现了更加高效准确的车道线识别检测。

技术领域

本发明涉及视觉导航技术领域，具体涉及一种基于色块统计的车道线检测方法。

背景技术

视觉导航是目前车辆辅助驾驶和无人驾驶系统中的主流技术之一，具有信号探测范围广、环境信息完整、价格便宜、符合人类感知方式等优点。通过安装于车辆上的车道偏离预警系统，在汽车偏离了正常的行驶车道时报警来提醒驾驶员，使驾驶员有充分的反应和处理时间来规范行驶。车道线检测为车道偏离预警系统中至关重要的一步，准确检测车道线的位置，将会有效减少交通事故的发生，减少不必要的人员伤亡，同时还可以规范驾驶人的驾驶习惯。

由于车道线检测中经常会受到路面阴影、车辆等因素的干扰，造成车道线的检测结果与真实值有一定偏差。

发明内容

本发明提供了一种基于色块统计的车道线检测方法，对一定区域内的图像颜色分布进行统计学习，从而通过分类器对车道线区域和非车道线区域做出判别，有效排除车道线检测中的干扰，得到准确的车道线位置判断。

为实现上述目的，本发明提供一种基于色块统计的车道线检测方法，包括如下步骤：

S1、车道偏离预警系统获取车辆周围的YUV（一种图像格式）图像；

S2、车道偏离预警系统提取YUV图像的色块特征值；

S3、车道偏离预警系统利用提取的色块特征值通过机器学习的方法建立决策树模型；

S4、车道偏离预警系统通过决策树模型判断YUV图像是车道线区域还是非车道线区域，若是，执行步骤S5，若不是，重新执行步骤S4对下一幅YUV图像进行判断；

S5、车道偏离预警系统通过视觉识别系统来识别车道线区域中的车道线。

进一步地，步骤S2的具体步骤如下：

S21、统计YUV图像上色块特征值F[6]、F[0]和F[1]在Y通道上的均值和方差， F[2]和F[3]为图像在U通道上的均值和方差， F[4]和F[5]为图像在V通道上的均值和方差；

S22、对统计的色块特征值进行归一化处理，得到YUV图像的色块特征值。

进一步地，统计YUV图像上色块特征值的方法为采用滑动窗口在YUV图像上滑动，获取所述滑动窗口内的色块特征值。

进一步地，所述的滑动窗口大小为16像素×32像素。

进一步地，步骤S3中建立决策树模型的方法为通过YUV图像的色块特征值通过机器学习的方法生成训练集，通过训练集建立决策树模型。

进一步地，步骤S4的具体步骤为：

S41、利用决策树模型对滑动窗口的子图片进行分类；

S42、对每一个滑动窗口的子图片从根结点依次计算其属性值，直到到达某个叶结点，从而找到该子图片属于车道线区域还是非车道线区域。

进一步地，步骤S1中的YUV图像获取方法是通过车载摄像头获取。

进一步地，所述车载摄像头为鱼眼摄像头。