[发明专利]一种基于块匹配的车道线检测方法

摘要

本发明公开了一种基于块匹配的车道线检测方法，首先利用车辆前视摄像头对道路采集原始视频图像，通过对原始图像进行一系列的图像预处理，主要包括图像灰度化、图像滤波增强、边缘检测等步骤，然后对图像进行霍夫变换检测到图像中的直线，在这个基础上对检测到的直线进行灰度块匹配从而得到正确的左右车道线。在以往的车道线检测的基础上加入灰度块匹配步骤，使得车道线检测的正确率明显提高，由于灰度块匹配步骤的计算简单，运行效率高，实时性好，能够在实际运用中取得较好的效果。

主权项

一种基于块匹配的车道线检测方法，其特征在于，包括以下步骤：(1)、采集原始视频图像利用车辆前视摄像头连续采集车辆前方的视频图像，再以帧为单位，将每一帧图像处理成大小相等；(2)、设置感兴趣区域选取每帧图像中主要包含车道线的区域，并设置为车道检测的感兴趣区域，命名为ROI图像；(3)、图像预处理利用加权平均法将ROI图像转换为灰度图像，再使用中值滤波对灰度图像进行图像去噪，最后采用直方图均衡化算法对去噪后的灰度图像进行对比度增强，得到标准灰度图像；(4)、边缘检测使用Canny边缘检测算子对标准灰度图像进行边缘检测，得到边缘检测图像；(5)、霍夫变换Hough检测直线对边缘检测图像进行Hough变换，获取边缘检测图像中的直线，分别命名为Li，i表示第i直线；对每一条检测到的直线，获取该直线两端的端点坐标(i1，j1)、(i2，j2)，再求得该直线的中点坐标(0.5*(i1+i2)、0.5*(j1+j2))；判断该直线位于边缘检测图像的区域：若(0.5*(i1+i2)小于等于边缘检测图像的半宽，则该直线位于边缘检测图像的左边区域；若(0.5*(i1+i2)大于边缘检测图像的半宽，则该直线在边缘检测图像的右边区域；以边缘检测图像的中心像素线为界，将边缘检测图像左边的直线集命名为Left‑L，将边缘检测图像的右边的直线集命名为Right‑L；(6)、角度筛选在Left‑L直线集中，保留视角角度在45°～90°之间的直线；在Right‑L直线集中，保留视角角度在90°～135°之间的直线；其他不符合此角度条件的直线全部删除；(7)、灰度块匹配(7.1)、在边缘检测图像的中间选取一m*m灰度小方块，小方块中心位于边缘检测图像的中心点，再检测灰度小方块中的m*m个像素点的灰度值g1～gm*m；(7.2)、遍历角度筛选后保留的所有直线上的像素点，以当前检测的直线上的像素点为中心，取m*m邻域并依次获取该邻域的m*m个像素点的灰度值f1～fm*m，再通过下式求出一个灰度判断值gray1：gray1=(Σk-1m*m(fk-gk)2)/m*m]]>(7.3)、从边缘检测图像的底端开始，利用栅格扫描的方式对边缘检测图像进行逐行向上搜索，获取扫描线与检测到的直线的交点的灰度值gray，并与灰度判断值gray1进行比较，若该交点的灰度值gray>gray，则认为该交点是车道线上的点，并将该点保存到点集Point，若该交点的灰度值gray≤gray1，则认为该交点不是车道线上的点并将该点舍弃；直至处理到边缘检测图像的上限边界，完成整幅边缘检测图像的遍历，最后统计出每条直线上保留的像素点的个数Num‑i；(7.4)、遍历Left‑L直线集中的所有直线，比较每条直线上保存在点集Point中的车道线点的数量，将车道线点最多的一条直线保留，作为左边的车道线L_Lane；(7.5)、遍历Right‑L直线集中的所有直线，比较每条直线上保存在点集Point中的车道线点的数量，将车道线点最多的一条直线保留，作为右边的车道线R_Lane；(8)、检测车道线根据步骤(7)选出的车道线L_Lane或R_Lane，利用cvLine函数画出在原始视频图像中。