[发明专利]一种基于灰度估计和级联霍夫变换的车道线检测方法

摘要

一种基于灰度估计和级联霍夫变换的车道线检测方法，属于图象处理技术领域，涉及图像分割和图像直线几何特征检测，同时涉及智能车辆导航，主要适用于辅助安全驾驶系统。本发明首先对采集的车辆前方路况原始图像I的敏感区域进行灰度估计将其划分为车辆阴影区域、路面非标志区域以及路面标志区域(含前方车辆的车身区域)；然后采用数学形态学方法从路面灰度估计所划分的区域中得到路面标志区域的边界图像；随后对路面标志区域的边界图像进行霍夫变换以提取其中的直线图像特征；最后，通过对路面标志边缘消失点的搜索实现了对车道线的检测。本发明与同类方法相比，具有稳定性强，适用场合较为广泛等优点。

主权项

1、一种基于灰度估计和级联霍夫变换的车道线检测方法，包括以下步骤：步骤1：采集车辆前方路况原始图像I；车辆行进过程中，通过安装在车辆上的摄像机采集车辆前方路况原始图像I；步骤2：创建敏感区域模版图像I_mask；根据摄像机的内部参数和外部参数，将摄像头视野中地平线之下、两侧边界之内的区域划分成敏感区域，而将其它区域划分成非敏感区域；创建车辆前方路况原始图像I同样大小的敏感区域模版图像I_mask；其中：摄像机内部参数包括主点坐标和有效焦距，摄像机外部参数包括摄像机的位置和朝向；敏感区域模版图像I_mask中，将敏感区域内的像素值设为1，将非敏感区域内的像素值设为0；步骤3：对步骤1所采集的车辆前方路况原始图像I进行Canny边缘提取计算(详见文献Canny J.A computational approach to edge detection.IEEE-PAMI 1986.)，得到Canny边缘提取结果图像I_edge，在Canny边缘提取结果图像I_edge中，边缘像素值设为1，非边缘像素值设为0；步骤4：计算车辆前方路况原始图像I中位于步骤2确定的敏感区域内且在步骤3确定的边缘下方的所有像素点的灰度平均值S和均方差(标准差)δ，然后利用灰度平均值S和均方差δ设定两个阈值S-3δ与S+3δ，通过阈值S-3δ和阈值S+3δ将车辆前方路况原始图像I中敏感区域之内的部分划分为R₁、R₂和R₃三类区域，其中R₁表示灰度值S小于阈值S-3δ的区域，为车辆阴影区域；R₂表示灰度值S大于等于阈值S-3δ且小于阈值S+3δ的区域，为路面非标志区域；R₃表示灰度值S大于等于阈值S+3δ的区域，为路面标志区域，其中包含前方车辆的车身区域；步骤5：因为车道线标志的边缘只可能出现在步骤4确定的区域R₂和区域R₃之间，所以采用计算区域R₂的膨胀与区域R₃的交集的方法计算初步的车道线标志的边缘图像R_edge，即：Redge=R3∩(R2⊕D)]]>其中：符号表示形态学膨胀运算，符号“∩”表示取交集，D为一个3×3的十字模版；以上获得的车道线标志的边缘图像R_edge不光包括希望提取的车道线边缘区域，也包含可能造成干扰的车身区域与道路区域的结合部分的边缘区域；在车道线标志的边缘图像R_edge中每列像素进行由下至上的扫描，如果当前扫描像素点的坐标位于车辆阴影区域R₁之内，则将R_edge中该像素正上方的所有像素点的像素值置为0，得到最终的车道线标志的边缘图像R′_edge；步骤6：针对最终的车道线标志的边缘图像R′_edge进行霍夫变换，并提取直线特征；具体包括以下步骤：步骤6-1：遍历图像R′_edge中的每个像素点(x，y)，计算ρ＝xcos(θ)+ysin(θ)：θ∈[0°～180°)，得到所有经过像素点(x，y)的直线组{(ρ，θ)：θ∈[0°～180°)}；其中：(x，y)表示图像R′_edge中的像素点的位置；ρ表示经过像素点(x，y)的直线距离坐标原点，即图像R′_edge中心的距离；θ表示角度，且θ∈[0°～180°)；步骤6-2：将图像R′_edge中所有像素点(x，y)的直线组{(ρ，θ)：θ∈[0°～180°)}映射到H(ρ，θ)空间，得到ρ-θ参数空间累加图像H；步骤6-3：在ρ-θ参数空间累加图像H的大小为[(-ρ_w，-θ_w)，(ρ_w，θ_w)]的窗口强度最大值集合中，寻找前面n(n≥6)个较大的窗口强度最大值，并保证每两个局部强度最大值之间的位置关系，即(ρ_i，θ_i)和(ρ_j，θ_j)之间的关系满足条件：其中，ρ_w表示窗口[(-ρ_w，-θ_w)，(ρ_w，θ_w)]的半长度，取值范围可以是[1，5]；θ_w表示窗口[(-ρ_w，-θ_w)，(ρ_w，θ_w)]的半宽度，取值范围可以是[1，5]；步骤7：将步骤6找出的ρ-θ参数空间中的n个直线特征位置参数(ρ_i，θ_i)及其对应的ρ-θ参数空间中强度值H(ρ_i，θ_i)映射到与边缘图像R′_edge等大的图像空间之中，得到含有n条直线的图像I′，然后对图像I′进行全局平滑计算，并找出图像I′中的最大值坐标点并作为车道边缘共同的消失点P_V(x_V，y_V)；步骤8：在P_V(x_V，y_V)下方ω∈[0，180]范围的区域之内搜索属于区域R₃的像素，将对应在ω方向之上的属于R₃的像素个数统计为直方图R(0:180)，然后使用高斯平滑滤波模板对直方图R(0:180)进行平滑滤波运算，并在R(0:180)之中搜索大于R(0:180)中最大值R_max的λ倍的局部峰值R_max1，R_max2...R_maxm所对应的角度值ω_max1，ω_max2...ω_maxm；其中，λ的取值范围为[0.2，0.5]；步骤9：以消失点P_V(x_V，y_V)作为起点，分别以ω_max1，ω_max2...ω_maxm为方向作射线，得到的射线即为最终的车道线。