[发明专利]基于卡尔曼滤波器的车道线追踪方法

说明书

本发明涉及一种基于卡尔曼滤波器的车道线追踪方法，包括：计数器初始化；输入k时刻Hough变换检测得到的车道线；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；匹配计数器进行更新；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；追踪10帧车道线后，重新检测更新直线库。本发明解决了复杂环境中的一帧或几帧图像车道线漏检或检测不到的问题，提出了用估计值代替检测值的方法，增加了车道线检测的稳定性，当若干帧图像车道线检测失败时，仍然可以用估计值代替检测值输出，车道线检测的方法鲁棒性强，检测结果准确，提高了行车安全性。

技术领域

本发明属于车辆工程技术领域，具体涉及一种基于卡尔曼滤波器的车道线追踪方法。

背景技术

在车道线检测过程中，车载相机拍摄获取的车道线视频或图像序列是随时间连续变化的。现有技术的基于单帧图像车道线追踪算法将面临许多挑战，比如复杂多变的道路环境、车道线曲率过大及噪声等。此外，车道线特征稀少、车道线缺损或遮挡、变换车道都可能导致检测失败。在车道线检测过程中，复杂多变的道路环境、车道线特征稀少、车道线缺损或被遮盖等原因容易造成一帧或几帧图像检测失败，导致检测失败，车道线检测算法鲁棒性不强。现有技术的车道线追踪方法容易出现检测失败的问题，且检测结果不准确，不能很好地满足实际应用的需要，现在亟待研发一种能够克服上述技术缺陷的新的车道线追踪方法。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技术缺陷的基于卡尔曼滤波器的车道线追踪方法。

为了实现上述发明目的，本发明提供的技术方案如下：

一种基于卡尔曼滤波器的车道线追踪方法，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。

进一步地，所述方法还包括：步骤(7)循环执行步骤(2)至步骤(6)。

进一步地，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。