[发明专利]一种基于多地面标志融合的车道级定位方法

说明书

本发明公开一种基于多地面标志融合的车道级定位方法，包括：步骤1、获取车辆道路图像；步骤2、对所述道路图像进行灰度处理和滤波处理；步骤3、对步骤2中处理后的道路图像进行车道线检测；步骤4、对道路图像进行停止线检测；步骤5、对道路图像进行斑马线检测；步骤6、根据车道线、斑马线和停止线实时定位车辆在车道中的位置。本发明融合路面多个标志线信息进行精确的道路车道线定位，不仅能适用于车辆的驾驶安全预警功能，也能融入到无人驾驶中的纯视觉系统进行车道线巡线和路口转弯。

技术领域

本发明属于智能辅助驾驶技术和自动驾驶技术领域，尤其涉及一种基于多地面标志融合的车道级定位方法。

背景技术

近年来，自动驾驶技术的进步引起了研究人员，媒体和公众的关注和兴趣。2015年，Google无人驾驶车正式开上美国加州的公路进行测试。其他大型汽车制造商和公司已普遍承认,无人驾驶汽车走进人们的生活，并深刻地影响着人们的生存状态只是一个时间问题。车辆定位在智能交通系统中起着根本和关键作用，因为它是更高层次的前任务操作。之前，大部分的定位方法依赖全球导航卫星系统和惯性导航系统,但当GPS在某些环境下失去信号后，他们将无法继续估计车辆的位置。车道级的定位以车道巡线弥补了自主驾驶车辆的驾驶这个不足。车道检测技术是满足强劲的需求和低成本产品的最好的选择。一些成功的视觉应用程序已经完全可以应用于半自治的驾驶技术中，例如Mobileye公司的纯视觉ACC系统，车道偏离警示系统,以及车道改变协助等。

发明内容

本发明要解决的技术问题是，提供一种基于多地面标志融合的车道级定位方法。

本发明利用安装在智能车内后视镜正下方的AVT摄像头采集的图像实时地提供车辆的横向偏离距离和在路口时的纵向距离信息，进而知道车辆的实时在车道中的位置，本发明采取了如下的技术方案：

步骤1、获取车辆道路图像；

步骤2、对所述道路图像进行灰度处理和滤波处理；

步骤3、对步骤2中处理后的道路图像进行车道线检测；

步骤4、对道路图像进行停止线检测；

步骤5、对道路图像进行斑马线检测；

步骤6、根据车道线、斑马线和停止线实时定位车辆在车道中的位置。

作为优选，步骤3具体包括：

步骤3-1：设置图像的感兴趣区域；

步骤3-2：通过计算相邻图像像素的变化来判断车道线的边缘，以提取图像特征，

首先计算灰度图像中局部路面的平均灰度值avg(x,y)用于评估道路路面的灰度强度，设某点是(x,y)，满足y∈[0,h)且x∈[2,w-2)。x,y分别是像素点的列和行，w是图像的宽度，h是图像的高度。则有相邻图像像素的均值为：

其中，t＝5，

然后计算边缘提取阈值T，其计算公式表达如下：

其中avg_(x,y)为点(x,y)水平线附近的均值，

同时，计算边缘的升变点e_p和降变点e_v，

e_p∈{f(x+2,y)-f(x,y)＞T}

e_v∈{f(x+2,y)-f(x,y)＜-T}

f(x,y)为当前点(x,y)的灰度值，f(x+2,y)为该点水平方向的间隔点的灰度值；

步骤3-3：车道线模型