[发明专利]一种基于动态ROI和改进萤火虫算法的车道线提取方法

说明书

本发明公开了一种基于动态ROI和改进萤火虫算法的车道线提取方法，涉及车道线检测领域。该方法包括：(1)将车道线视频帧进行预处理；(2)对于第一视频帧，选取视频帧的下1/2图像作为ROI区域；(3)对ROI区域通过改进的萤火虫算法进行边缘检测，得到车道线的边缘坐标；(4)对步骤(3)得到的车道线的边缘坐标进行概率Hough变换，找出ROI区域的直线，并使用最小二乘法对检测出的直线进行拟合，获得车道线方程；(5)对于第二帧以后的视频帧基于上一帧的ROI区域进行动态调整，得到所述预处理视频帧的ROI区域，然后重复步骤(3)‑(4)，直至车辆停止运行，完成车道线方程的提取。该车道线提取方法提高了车道线提取的准确性和鲁棒性。

技术领域

本发明涉及定位技术领域，特别涉及一种基于动态ROI和改进萤火虫算法的车道线提取方法。

背景技术

近年来，无人驾驶汽车成为研究热点。无人驾驶汽车通过车载传感系统感知道路环境，根据感知到的环境信息给车辆导航，从而使车辆能够安全可靠地在道路上行驶，其中车道线的正确检测是实现无人驾驶的前提，通过检测车道线实时对车辆进行调整，可以极大的降低事故发生率。

车道线检测的准确率低和鲁棒性差的首要原因是选取的ROI范围太大，除了车道线区域包含太多干扰因素，此外由于传统方法中的Canny算子过于敏感，易把噪声误检为边缘。因此需要一种新的ROI调整方法和新的边缘检测方法来解决上述问题。

发明内容

针对现有技术中存在的问题，本发明提出一种基于动态ROI和改进萤火虫算法的车道线提取方法，该车道线提取方法通过对ROI进行动态调整，准确提取出车道线边缘，提高车道线检测的准确性和鲁棒性。

为实现上述目的，本发明采用如下技术方案：一种基于动态ROI和改进萤火虫算法的车道线提取方法，具体包括如下步骤：

(1)实时获取车辆行使过程中的车道线视频，将视频帧进行畸变校正、灰度化处理和高斯模糊处理，得到预处理视频帧；

(2)对于第一帧预处理视频帧，选取所述预处理视频帧的下1/2图像作为ROI区域；

(3)对所述ROI区域通过改进的萤火虫算法进行边缘检测，得到车道线的边缘坐标；

(4)对步骤(3)得到的车道线的边缘坐标进行概率Hough变换，找出ROI区域的直线，保留直线斜率在的直线，并使用最小二乘法对检测出的直线进行拟合，获得车道线方程；

(5)对于第二帧以后的预处理视频帧基于上一帧的ROI区域进行动态调整，得到所述预处理视频帧的ROI区域，然后重复步骤(3)-(4)，直至车辆停止运行，完成车道线方程的提取。

进一步地，步骤(3)包括如下子步骤：

(3.1)在ROI区域中随机选取像素点作为萤火虫的分布点，并将萤火虫分为m组，分别计算萤火虫亮度L(x,y)：

其中，H_x,y表示像素点坐标(x,y)的灰度值，H_x+1,y+1表示像素点坐标(x+1,y+1)的灰度值，H_x-1,y-1表示像素点坐标(x-1,y-1)的灰度值，H_x-1,y+1表示像素点坐标(x-1,y+1)的灰度值，H_x+1,y-1表示像素点坐标(x+1,y-1)的灰度值，H_x,y-1表示像素点坐标(x,y-1)的灰度值，H_x,y+1表示像素点坐标(x,y+1)的灰度值，H_x-1,y表示像素点坐标(x-1,y)的灰度值，H_x+1,y表示像素点坐标(x+1,y)的灰度值；