專(zhuān)利名稱(chēng)：一種道路環(huán)境自適應(yīng)的直車(chē)道檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及基于視覺(jué)的車(chē)輛智能防撞預(yù)警(Vehicle IntelligentCollision Warning)技術(shù)領(lǐng)域,特別涉及一種道路環(huán)境自適應(yīng)的直車(chē)道檢測(cè)方法。
背景技術(shù)：
隨著交通事業(yè)的快速發(fā)展，交通安全顯得越來(lái)越重要。2004年世界衛(wèi)生組織的一份報(bào)告指出，全球每年約一百二十萬(wàn)人死于交通事故，受傷人數(shù)更是高達(dá)五千萬(wàn)。車(chē)輛智能防撞預(yù)警系統(tǒng)(Vehicle Intelligent Collision Warning System)是降低交通傷亡的重要工具，車(chē)道檢測(cè)是其重要的組成部分?；谝曈X(jué)的車(chē)道檢測(cè)算法可歸納為三類(lèi)基于顏色特征、基于邊緣特征和基于模型的檢測(cè)方法?；陬伾卣鞯姆椒ㄖ饕糜诜墙Y(jié)構(gòu)化道路的車(chē)道檢測(cè)。基于邊緣特征 的方法計(jì)算速度快、實(shí)時(shí)性好，對(duì)于道路環(huán)境中干擾較少的路面檢測(cè)效果良好，但對(duì)于遮擋物、陰影、光照或其它路面圖標(biāo)的干擾很敏感，對(duì)環(huán)境變化的適應(yīng)性很差?；谀Ｐ偷姆椒▽?duì)環(huán)境變化的適應(yīng)性較好，但其繁冗復(fù)雜的算法(往往涉及迭代運(yùn)算或參數(shù)尋優(yōu))難以滿(mǎn)足系統(tǒng)實(shí)時(shí)性的要求，并且對(duì)路面文字等的干擾較為敏感。

發(fā)明內(nèi)容
為降低車(chē)道檢測(cè)算法對(duì)路面圖標(biāo)、遮擋物或光照變化等干擾的敏感度，增強(qiáng)算法對(duì)道路環(huán)境變化的自適應(yīng)性，本發(fā)明提供一種基于連通分量與循環(huán)Hough變換的道路環(huán)境自適應(yīng)的直車(chē)道檢測(cè)方法。其主要思想為首先，根據(jù)路面的特點(diǎn)，對(duì)圖像做自適應(yīng)降值濾波處理，以降低圖像中由于路面不平、陰影等產(chǎn)生的噪聲影響；其次，根據(jù)圖像中路面文字、方向箭頭等干擾圖標(biāo)邊界呈連通分量的特點(diǎn)，提出基于連通分量的干擾消去算法，增強(qiáng)對(duì)路面圖標(biāo)和遮擋物的抗干擾能力；最后，使用循環(huán)Hough變換找到最適Hough變換閾值,提高算法對(duì)環(huán)境變化的自適應(yīng)性。假設(shè)攝像機(jī)安裝在車(chē)輛前擋風(fēng)玻璃中間并朝向正前方，即攝像機(jī)的俯仰角、航偏角、旋轉(zhuǎn)角均為零。本發(fā)明解決其技術(shù)問(wèn)題的技術(shù)方案是
步驟I一通道提取與截取
根據(jù)車(chē)道線在圖片中的顏色特征，提取原圖片的紅色通道，然后水平截取一定距離范圍內(nèi)的道路圖片。步驟2—自適應(yīng)降值濾波處理并提取邊界
根據(jù)截取后的道路圖片內(nèi)容選取自適應(yīng)閾值，將圖片中像素值與此閾值做差運(yùn)算，并將差運(yùn)算后的負(fù)值零化，使用Canny方法提取邊界。步驟3—基于連通分量的干擾消去處理
如果歷史車(chē)道信息有效，即存在歷史數(shù)據(jù)且距離當(dāng)前幀時(shí)間較近，則將步驟2處理后的圖片分為可能存在車(chē)道線的區(qū)域與不可能存在車(chē)道線的區(qū)域，分別稱(chēng)它們?yōu)榭赡軈^(qū)域與非可能區(qū)域，將非可能區(qū)域中的像素值零化；規(guī)定，如果緊連的兩像素點(diǎn)值均非零，則認(rèn)為它們相鄰，否則認(rèn)為它們不相鄰；如果兩非零像素點(diǎn)可以通過(guò)一系列相鄰像素點(diǎn)連成一條通路，則認(rèn)為它們是連通的，設(shè)可能區(qū)域與非可能區(qū)域的非零交點(diǎn)組成點(diǎn)集，將可能區(qū)域中與點(diǎn)集/7 t中的點(diǎn)組成連通分量的點(diǎn)的像素值零化。步驟4一循環(huán)Hough變換
如果歷史車(chē)道信息有效，則選取比最近幀稍大的閾值，否則選取一個(gè)較大閾值，使用此閾值進(jìn)行Hough變換，得到一系列零散直線；如果歷史數(shù)據(jù)有效則提取道路消失點(diǎn)，否則將原圖片中心點(diǎn)看作消失點(diǎn)，丟棄零散直線中接近水平或距離消失點(diǎn)較遠(yuǎn)的直線，再根據(jù)零散直線與圖片底邊交點(diǎn)之間的疏密情 況對(duì)這些直線進(jìn)行聚類(lèi)，并將每類(lèi)中的直線合并成一條直線，如果合并后的直線個(gè)數(shù)大于2，則提取斜度最接近90度的兩條直線，即為當(dāng)前車(chē)道的兩個(gè)邊界線，否則若沒(méi)達(dá)到最大迭代次數(shù)，則降低閾值重新進(jìn)行Hough變換并做同樣處理。步驟5—?dú)v史驗(yàn)證與消失點(diǎn)計(jì)算
如果上步得到兩條直線且如果歷史車(chē)道信息有效，則根據(jù)歷史車(chē)道信息驗(yàn)證所得車(chē)道的寬度與方向是否合理，如果合理，則計(jì)算這兩條直線的交點(diǎn)，即為消失點(diǎn)，將這兩條直線與消失點(diǎn)存于歷史車(chē)道信息中。本發(fā)明具有的有益效果是
I、使用自適應(yīng)降值濾波的降噪處理方法有效降低了路面噪聲和陰影干擾，克服了傳統(tǒng)平滑降噪處理方法會(huì)降低車(chē)道線邊界凸顯程度的弊端。2、通過(guò)分析路面圖標(biāo)等較強(qiáng)干擾與車(chē)道線不連通的特性，對(duì)圖片做基于連通分量的干擾消去處理，有效地去除了這些干擾，增強(qiáng)了檢測(cè)方法的準(zhǔn)確性。3、借助歷史車(chē)道信息，通過(guò)使用循環(huán)Hough變換得到符合當(dāng)前道路環(huán)境的Hough變換閾值，使得本發(fā)明具有了對(duì)道路環(huán)境變化的自適應(yīng)能力。


圖I是本發(fā)明道路環(huán)境自適應(yīng)的直車(chē)道檢測(cè)方法流程 圖2是本發(fā)明中干擾消去處理過(guò)程結(jié)果圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施應(yīng)用過(guò)程對(duì)本發(fā)明進(jìn)一步說(shuō)明
參照?qǐng)DI執(zhí)行步驟來(lái)說(shuō)明本發(fā)明的實(shí)施過(guò)程
步驟I一通道提取與圖片分割
提取原始圖片OrgImg的紅色通道，并根據(jù)一定距離范圍內(nèi)的路面做水平分割，得到圖片 roadImg0步驟2—降值處理與邊界提取
一般采用平滑濾波進(jìn)行降噪處理，然而它會(huì)降低車(chē)道線(即車(chē)道邊界線，以后不再提示)邊界的凸顯程度，本發(fā)明使用自適應(yīng)降值濾波方法進(jìn)行圖片降噪處理。設(shè)圖像roadlmg，roadImg(i, j)表示其第i行第j列像素點(diǎn)的值，圖片中路面像素點(diǎn)的值可被近似看作服從正態(tài)分布，根據(jù)正態(tài)分布的特性，則降值處理如下
權(quán)利要求
1.一種道路環(huán)境自適應(yīng)的直車(chē)道檢測(cè)方法，其特征在于使用自適應(yīng)降值濾波的降噪處理方法，有效降低路面噪聲和陰影干擾，采用基于連通分量的干擾消去算法，消去圖片中路面圖標(biāo)或遮擋車(chē)輛干擾，利用歷史車(chē)道信息和循環(huán)Hough變換檢測(cè)車(chē)道線；其具體步驟為 步驟I一通道提取與截取 根據(jù)車(chē)道線在圖片中的顏色特征，提取原圖片的紅色通道，然后水平截取一定距離范圍內(nèi)的道路圖片； 步驟2—自適應(yīng)降值濾波處理并提取邊界 根據(jù)截取后的道路圖片內(nèi)容選取自適應(yīng)閾值，將圖片中像素值與此閾值做差運(yùn)算，并將差運(yùn)算后的負(fù)值零化，使用Canny方法提取邊界； 步驟3—基于連通分量的干擾消去處理 如果歷史車(chē)道信息有效，即存在歷史數(shù)據(jù)且距離當(dāng)前幀時(shí)間較近，則將步驟2處理后的圖片分為可能存在車(chē)道線的區(qū)域與不可能存在車(chē)道線的區(qū)域，分別稱(chēng)它們?yōu)榭赡軈^(qū)域與非可能區(qū)域，將非可能區(qū)域中的像素值零化；規(guī)定，如果緊連的兩像素點(diǎn)值均非零，則認(rèn)為它們相鄰，否則認(rèn)為它們不相鄰；如果兩非零像素點(diǎn)可以通過(guò)一系列相鄰像素點(diǎn)連成一條通路，則認(rèn)為它們是連通的，設(shè)可能區(qū)域與非可能區(qū)域的非零交點(diǎn)組成點(diǎn)集，將可能區(qū)域中與點(diǎn)集中的點(diǎn)組成連通分量的點(diǎn)的像素值零化； 步驟4一循環(huán)Hough變換 如果歷史車(chē)道信息有效，則選取比最近幀稍大的閾值，否則選取一個(gè)較大閾值，使用此閾值進(jìn)行Hough變換，得到一系列零散直線；如果歷史數(shù)據(jù)有效則提取道路消失點(diǎn)，否則將原圖片中心點(diǎn)看作消失點(diǎn)，丟棄零散直線中接近水平或距離消失點(diǎn)較遠(yuǎn)的直線，再根據(jù)零散直線與圖片底邊交點(diǎn)之間的疏密情況對(duì)這些直線進(jìn)行聚類(lèi)，并將每類(lèi)中的直線合并成一條直線，如果合并后的直線個(gè)數(shù)大于2，則提取斜度最接近90度的兩條直線，即為當(dāng)前車(chē)道的兩個(gè)邊界線，否則若沒(méi)達(dá)到最大迭代次數(shù)，則降低閾值重新進(jìn)行Hough變換并做同樣處理； 步驟5—?dú)v史驗(yàn)證與消失點(diǎn)計(jì)算 如果上步得到兩條直線且如果歷史車(chē)道信息有效，則根據(jù)歷史車(chē)道信息驗(yàn)證所得車(chē)道的寬度與方向是否合理，如果合理，則計(jì)算這兩條直線的交點(diǎn)，即為消失點(diǎn)，將這兩條直線與消失點(diǎn)存于歷史車(chē)道信息中。
全文摘要
本發(fā)明公開(kāi)一種道路環(huán)境自適應(yīng)的直車(chē)道檢測(cè)方法?，F(xiàn)有的基于視覺(jué)的直車(chē)道檢測(cè)算法對(duì)路面圖標(biāo)和遮擋物等干擾敏感度較高且對(duì)道路環(huán)境變化的自適應(yīng)能力較弱。本發(fā)明首先，分析傳統(tǒng)平滑降噪處理方法的不足，提出了自適應(yīng)降值濾波的降噪處理方法，有效降低了路面噪聲和陰影干擾。其次，根據(jù)路面圖標(biāo)等較強(qiáng)干擾與車(chē)道線的位置關(guān)系，提出了基于連通分量的干擾消去算法，增強(qiáng)對(duì)路面圖標(biāo)和遮擋物的抗干擾能力。最后，提出循環(huán)Hough變換，根據(jù)道路環(huán)境實(shí)時(shí)調(diào)整其閾值大小，使得本發(fā)明具有對(duì)道路環(huán)境變化的自適應(yīng)能力。本發(fā)明對(duì)路面圖標(biāo)等干擾具有很強(qiáng)的抗干擾能力，對(duì)不斷變化的道路環(huán)境變化具有強(qiáng)的自適應(yīng)能力。
文檔編號(hào)G06K9/46GK102831426SQ20121031472
公開(kāi)日2012年12月19日 申請(qǐng)日期2012年8月30日 優(yōu)先權(quán)日2012年8月30日
發(fā)明者徐向華, 萬(wàn)健, 高瑞勝 申請(qǐng)人:杭州電子科技大學(xué)