[发明专利]基于卡尔曼滤波器的车道线追踪方法

权利要求书

1.一种基于卡尔曼滤波器的车道线追踪方法，其特征在于，基于卡尔曼滤波器进行车道线追踪。

2.根据权利要求1所述的基于卡尔曼滤波的车道线追踪方法，其特征在于，所述方法包括：

步骤(1)计数器初始化；

步骤(2)输入k时刻Hough变换检测得到的车道线；

步骤(3)将k时刻的车道线逐一地与k-1时刻的车道线进行匹配，分别计算两个时刻参数的偏差；

步骤(4)匹配计数器进行更新；若偏差小于阈值，则匹配成功，Kalman滤波器输出的估计直线代替被匹配的直线，并且相应的计数器加1；反之则匹配不成功，计数器减1，当计数器小于0时，计数器置零；

步骤(5)当直线匹配数不小于计数器时，启动Kalman滤波器对车道线进行追踪；否则不进行追踪；

步骤(6)追踪10帧车道线后，重新检测更新直线库。

3.根据权利要求1-2所述的基于卡尔曼滤波的车道线追踪方法，其特征在于，所述方法还包括：步骤(7)循环执行步骤(2)至步骤(6)。

4.根据权利要求1-3所述的基于卡尔曼滤波的车道线追踪方法，其特征在于，所述Hough变换实现步骤包括：

1)建立一个(ρ,θ)空间的二维数组H(ρ,θ)，充当累加器；

2)遍历M行N列数字图像上所有的像素点(y_i,x_i)，1≤y_i≤M,1≤x_i≤N，令θ等于θ轴上允许的细分值，通过公式ρ＝x_icosθ+y_isinθ计算出相应的ρ值，并将其进一步四舍五入为最接近的ρ轴上允许的单元值，相应的累加器单元(ρ,θ)处增加一个增量；

3)求出累加器中最大的n_H个值，其位置(ρ_h,θ_h)，1≤h≤n_H就是直线模型下对应车道标志线的参数；其中，ρ表示原点到直线的距离，称为极距；θ表示以顺时针为正时直线的法线与x轴正半轴成的夹角；

4)选取Hough变换矩阵中最大的三个峰值点，取出峰值点处对应的(ρ,θ)值，对车道标志线进行拟合。

5.根据权利要求1-4所述的基于卡尔曼滤波的车道线追踪方法，其特征在于，在所述步骤(5)中，Kalman滤波器方程包括：

时间更新方程：

量测更新方程：

其中是用k-1时刻预测出k时刻的值，是对应的协方差，A^T是A的转置矩阵，K_k是k时刻Kalman滤波器增益，是Kalman滤波器输出的k时刻的估计值，Z_k是k时刻的观测值，I为单位矩阵，Q为系统噪声协方差，R为观测噪声。

6.根据权利要求1-5所述的基于卡尔曼滤波的车道线追踪方法，其特征在于，Kalman滤波器初值设定：

N＝1，表示一帧图像，用来计算每帧图像的噪声；Q＝[0,0,0,0]，R＝1，H＝[1,0]，W＝sqrt(Q)*randn(2,N)，V＝sqrt(R)*randn(2,N),A＝[1,1；0,1]，I＝eye(2)。