[发明专利]一种基于Kalman滤波的道线灭点跟踪方法

说明书

本发明公开了一种基于Kalman滤波的道线灭点跟踪方法，属于图像处理领域。本发明以车载摄像机采集的图像序列为输入，检测图像中的直线线段，以机器学习的方法排除不包含或包含较少道线块的线段，从而达到了真正由道线边缘直线确定道线灭点的目的。相对于现有技术而言，本发明能够减少视域中出现的各种干扰物体对道线灭点估计精度的影响。

技术领域

本发明涉及图像处理领域，特别涉及一种基于Kalman滤波的道线灭点跟踪方法。

背景技术

高级驾驶辅助系统(ADAS)利用安装在车上的各种传感器，在汽车行驶过程中感应周围的环境，收集数据，进行静态和动态物体的辨识、侦测与追踪，预先让驾驶者察觉到可能发生的危险，从而有效增加汽车驾驶的舒适性和安全性。在由ADAS系统中装备的摄像机所采集的图像中，路面上并行的道线将汇聚于图像中的一点，即灭点。对道线检测、道线偏离预警、前车检测等应用而言，灭点在图像中的位置是非常重要的输入信息。

中国专利201610492617.9公布了一种基于地平线搜索的灭点标定方法，需要定义多个地平线位置模板，以验证的形式确定地平线所在位置；中国专利201710651702.X公布了一种以视频为输入构建行堆叠图像，在堆叠图像中搜索极大值，由极大值位置确定道线，由道线的交点确定灭点的方法。除了道线标记之外，ADAS系统的摄像机所观察的视域中经常出现各式车辆、车辆投射的阴影、车道分隔护栏等物体，由这些物体的边缘所确定的直线所形成的交点与道线灭点通常存在较大的偏差，以这些交点估计灭点将严重影响灭点估计的精度。

发明内容

本发明提供了一种基于Kalman滤波的道线灭点跟踪方法，所提供的技术以车载摄像机采集的图像序列为输入，检测图像中的直线线段，以机器学习的方法排除不包含或包含较少道线块的线段，从而达到真正由道线边缘直线确定道线灭点的目的；将道线灭点坐标建模成离散动态系统随时间变化的状态，以Kalman滤波算法跟踪道线灭点。

本发明具体采用的技术方案如下：

一种基于Kalman滤波的道线灭点跟踪方法，该方法包括以下步骤：

步骤一:对输入的图像检测边缘像素，由边缘像素以Hough变换算法检测线段；

步骤二:对检测所得的线段，以线段上的点为锚点，以多个尺度和偏移提取图像块，以预先训练的分类器识别提取的图像块是否为道线块；

步骤三:对线段上有图像块被识别为道线块的点的数目进行计数，若该数目大于预设的阈值则将对应的线段加入候选线段集合，且计算对应该线段的权值等于有图像块被识别为道线块的点的数目除以线段的长度；

步骤四:延伸候选线段集合中的每条线段成为直线，对非平行直线，计算两两直线之间的交点，以交点的二维坐标为样本，计算所有样本的加权平均值和协方差矩阵；

步骤五:设当前帧为第t帧，根据步骤一到步骤四计算所得的当前帧的交点坐标样本的加权平均值和协方差，及第0帧到第t-1帧持续跟踪的道线灭点，以Kalman滤波算法估计道线灭点，输出估计所得的灭点作为第t帧的跟踪结果。

上述技术方案中的各步骤，可采用如下具体方式实现。

步骤二中所述的以线段上的点为锚点，以多个尺度和偏移提取图像块，以预先训练的分类器识别提取的图像块是否为道线块，包括：

设(X,Y)为线段上的点，以该点为锚点所提取的图像块为I(X-δ_X,Y-δ_Y,W/s,H/s)，代表以(X-δ_X,Y-δ_Y)为左上角坐标，W/s和H/s为宽和高的一个矩形图像区域，其中W和H分别是预设的基准窗口宽和高，δ_X和δ_Y分别为水平和垂直方向的偏移，s是预设的尺度系数；