[发明专利]基于车道线历史帧的识别方法

摘要

本发明公开了一种基于车道线历史帧的识别方法。它先对采集到的道路图像进行高斯滤波预处理，再对其进行逆投影变换为鸟瞰图；之后，先对鸟瞰图使用自适应阈值二值法进行二值化处理，再对其进行霍夫变换以提取直线；最后，基于每条直线LX的线角度LX.θ、线距离LX.ρ、线票数LX.V和线起始点距离LX.S，其中的X＝1，2,……N，以及上一识别周期得到的车道线的间距和位置，确定出霍夫变换结果中的何直线为车道线。它结合车道线自身的特征及历史情况，有效地剔除了文字、干扰线多、阴影遮挡、车道线破损以及污迹覆盖等复杂路况的干扰，大大地提高了车道线的识别率和稳定性；可广泛应用于车辆安全辅助驾驶系统中，协助驾驶员在单调的驾驶环境中保持车辆于车道内行驶。

主权项

一种基于车道线历史帧的识别方法，包括道路图像的采集和预处理，以及直线的提取，其特征在于完成步骤如下：步骤1，先对采集到的道路图像进行高斯滤波预处理，再对其进行逆投影变换为鸟瞰图；步骤2，先对鸟瞰图使用自适应阈值二值法进行二值化处理，再对其进行霍夫变换以提取直线；步骤3，基于每条直线LX的线角度LX.θ、线距离LX.ρ、线票数LX.V和线起始点距离LX.S，其中的X＝1，2,……，N，以及上一识别周期得到的车道线的间距和位置，确定霍夫变换结果中的何直线为车道线，具体过程为，步骤3.1，先判断LX.θ>设定角度或者LX.θ<设定角度‑120，若是则保留，否则删除，再对保留下来的直线进行LX.S从小到大自左至右的排序，得到LX.S排序表，接着，先查询LX.S排序表中LX.S‑LX‑1.S的值，此时的X＝2，3,……，N，若LX.S‑LX‑1.S<设定距离，则比较LX.V和LX‑1.V，并保留V值大的直线，再以保留下来的直线为准向右查询，若LX.S‑LX‑1.S≥设定距离，则保留直线LX‑1，并继续从直线LX开始向右查找，直至查到直线LN结束，得到有效直线序列；步骤3.2，先从有效直线序列的直线L1开始依次向直线LQ进行循环查找配对，配对的条件为|L1+X.θ‑L1.θ|<两条直线的θ角差值&(L1+X.S‑L1.S)×cos(L1.θ)>两条直线的间距下限&(L1+X.S‑L1.S)×cos(L1.θ)<两条直线的间距上限，若满足则保留此直线对为左直线L1L和右直线L1R,X的值加1再进行判断，X初始取值为1，当X取值为Q时结束直线L1的查找配对，其中，Q≤N，再从有效直线序列的直线L2开始依次向直线LQ进行循环查找配对，配对条件同上，直至直线LQ‑1与直线LQ配对判断结束，得到由左直线LXL和右直线LXR构成的M对直线对序列，其中的X＝1，2,……，M；步骤3.3，先取出上一识别周期检测到的左车道直线LHL和右车道直线LHR，若上一识别周期未检测到，则取车辆位于车道正中间时测定的车道线数据为其上一识别周期检测到的车道直线对，再按照|LXL.S‑LHL.S|<起始点距离对M对直线对中的左直线LXL与左车道直线LHL的起始点距离进行循环判断，或者按照|LXR.S‑LHR.S|<起始点距离对M对直线对中的右直线LXR与右车道直线LHR的起始点距离进行循环判断，若满足则取其为当前车道的直线对，若不满足则删除该直线对，直至对M对直线对全部判断完，得到当前车道的直线对序列；步骤3.4，先按照|(LHR.S‑LHL.S)×cos(LH.θ)‑(LXR.S‑LXL.S)×cos(LX.θ)|从当前车道的直线对序列中查找出其直线对间距最接近上一识别周期直线对间距的直线对，再按照|(LXL.S‑LHL.S)‑(LXR.S‑LHR.S)|<起始点变化值的差值来判断其左右边直线起始点变化规律是否一致，若是则确定其为当前车道直线对并结束本识别周期，否则删除该直线对，并判断下一个直线对间距最接近上一识别周期直线对间距的直线对是否满足|(LXL.S‑LHL.S)‑(LXR.S‑LHR.S)|<起始点变化值的差值，直至完成对当前车道的直线对序列的判断；步骤3.5，先按照|LXR.S‑LHL.S|<间距从M对直线对序列中查找出左直线LXL，得到左直线LXL序列，再按照|(LXR.S‑LXL.S)‑(LHR.S‑LHL.S)|从左直线LXL序列中查找出最小的左直线LXL后，由|LXR.θ‑LHL.θ|<角度来确定其是否为当前车道的左直线LL，若是则得到当前车道的左直线LL并结束本识别周期，否则，先按照|LXL.S‑LHR.S|<间距从M对直线对序列中查找出右直线LXR，得到右直线LXR序列，再按照|(LXR.S‑LXL.S)‑(LHR.S‑LHL.S)|从右直线LXR序列中查找出最小的右直线LXR后，由|LXR.θ‑LHL.θ|<角度来确定其是否为当前车道的右直线LR，若是则得到当前车道的右直线LR并结束本识别周期，否则本识别周期未检测到车道线，结束本识别周期。