本發(fā)明涉及圖像處理領(lǐng)域，特別涉及多特征融合的車道線檢測(cè)系統(tǒng)、方法以及高級(jí)駕駛輔助系統(tǒng)。

背景技術(shù)：

基于視覺算法的高級(jí)駕駛輔助系統(tǒng)(ADAS)，車道線檢測(cè)是關(guān)鍵技術(shù)之一。車道線檢測(cè)的方法一般可分為基于直線檢測(cè)的方法和基于關(guān)鍵點(diǎn)檢測(cè)的方法。

1)基于直線檢測(cè)的方法一般先通過邊緣檢測(cè)對(duì)灰度圖像進(jìn)行預(yù)處理，得到邊緣增強(qiáng)圖。然后在此基礎(chǔ)上利用霍夫變換檢測(cè)直線，最后通過一定的規(guī)則拒識(shí)掉干擾直線。2)基于關(guān)鍵點(diǎn)檢測(cè)的方法一般也會(huì)通過邊緣檢測(cè)對(duì)灰度圖像進(jìn)行濾波，然后提取若干邊緣點(diǎn)作為關(guān)鍵點(diǎn)。最后通過隨機(jī)抽樣一致的方法擬合出若干條線作為車道線。

上述傳統(tǒng)車道線檢測(cè)算法往往忽略顏色信息，直接利用灰度圖像進(jìn)行處理。但是實(shí)際上，不同顏色的光線會(huì)對(duì)車道線檢測(cè)產(chǎn)生影響。尤其當(dāng)夜間，車尾燈和交通燈的光線會(huì)影響車道線檢測(cè)的精度。單純的灰度圖像無法濾除這些干擾。

此外，無論是基于直線檢測(cè)的方法還是基于關(guān)鍵點(diǎn)檢測(cè)的方法，主要利用車道線的強(qiáng)邊緣特性進(jìn)行檢測(cè)，利用的特征較為單一，缺乏對(duì)車道線在時(shí)域上的變化規(guī)律的利用，也缺乏將多種特征有機(jī)結(jié)合。同時(shí)，會(huì)造成較多誤檢測(cè)或者漏檢測(cè)的情況。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是，融合了顏色特征、對(duì)比度特征和幾何變化特征的實(shí)時(shí)對(duì)車道線進(jìn)行檢測(cè)。

同時(shí)，多特征融合的車道線檢測(cè)系統(tǒng)，是實(shí)現(xiàn)高級(jí)駕駛輔助系統(tǒng)中的車道偏離預(yù)警功能的一個(gè)重要環(huán)節(jié)。

在本發(fā)明的多特征融合的車道線檢測(cè)方法中，首先通過逆透視變換得到俯視圖，將俯視圖通過顏色算子得到顏色特征圖，再通過對(duì)比度算子得到對(duì)比度特征圖。在對(duì)比度特征圖上通過投影累加的方法檢測(cè)直線，并通過車道線的幾何變化規(guī)律進(jìn)行拒識(shí)。最終得到的直線即為車道線。

解決上述技術(shù)問題，本發(fā)明提供了多特征融合的車道線檢測(cè)方法，包括如下步驟：

抓取得到車道區(qū)域俯視圖；

根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；

將所述顏色特征圖中的像素，得到對(duì)比度特征圖；

在比度特征圖中按照投影檢測(cè)出直線，并通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)；

檢測(cè)得到正確車道線。

更進(jìn)一步，根據(jù)先驗(yàn)信息，將車道區(qū)域俯視圖的RGB圖像中的像素按照如下顏色過濾算子計(jì)算得到顏色特征圖

$C_{i,j}=\frac{2\×R_{i,j}\×G_{i,j}}{R_{i,j}+G_{i,j}}-|R_{i,j}-G_{i,j}|$

其中，R代表紅色通道，G代表綠色通道，i和j表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

更進(jìn)一步，所述先驗(yàn)信息包括，車道線顏色、道路干擾項(xiàng)的顏色，所述車道線顏由白色和黃色組成；所述道路干擾項(xiàng)的顏色包括，紅色和綠色。

更進(jìn)一步，所述道路干擾項(xiàng)包括，剎車燈的紅色炫光、交通燈的紅光和/或綠光在路面的倒影、夜間對(duì)面駛來的車輛的遠(yuǎn)光燈造成的白色炫光、逆光時(shí)造成的炫光、路邊的白色欄桿中的一種或者多種。

更進(jìn)一步，通過對(duì)比度算子將顏色特征圖中的像素經(jīng)過下面的公式，可得到對(duì)比度特征圖

$D_{i,j}=C_{i,j}+\frac{C_{i,j+\mathrm{\ϵ}}+C_{i,j-\mathrm{\ϵ}}}{2}-C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}-|C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}|$

其中，ε為預(yù)設(shè)的車道線在顏色特征圖中的像素寬度。

更進(jìn)一步，所述ε值為5。

更進(jìn)一步，在比度特征圖中按照投影檢測(cè)出直線的方法具體為：

設(shè)垂直方向?yàn)?度，取投影角度β從-15度到15度之間，分別計(jì)算出對(duì)比度特征圖在不同角度的y軸方向的累加值，得到在x軸上的一維數(shù)組；

若出現(xiàn)局部峰值點(diǎn)時(shí)，選擇數(shù)組局部峰值點(diǎn)的x坐標(biāo)和對(duì)應(yīng)的投影角度β來標(biāo)定直線L_i。

更進(jìn)一步，通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)的方法具體為：

根據(jù)車道線在路面的相對(duì)固定位置，若檢測(cè)到的直線為干擾項(xiàng)，則在變換車道或者轉(zhuǎn)彎時(shí)，車道線中的x坐標(biāo)和投影角度β的變化程度較大，則去除該干擾項(xiàng)。

本發(fā)明還提供了多特征融合的車道線檢測(cè)系統(tǒng)，包括：

車道區(qū)域俯視圖檢測(cè)單元，用以抓取得到車道區(qū)域俯視圖；

顏色特征圖提取單元，用以根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；

對(duì)比度特征圖提取單元，用以將所述顏色特征圖中的像素，得到對(duì)比度特征圖；

檢測(cè)直線單元，用以在比度特征圖中按照投影檢測(cè)出直線；

幾何變化特征拒識(shí)單元，用以通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)，檢測(cè)得到正確車道線。

另外，本發(fā)明還提供了高級(jí)駕駛輔助系統(tǒng)，包括多特征融合的車道線檢測(cè)系統(tǒng)、安裝在車上的視覺傳感器以及預(yù)警單元，

所述視覺傳感器，用以采集視頻數(shù)據(jù)；

所述多特征融合的車道線檢測(cè)系統(tǒng)，用以檢測(cè)車道線的位置；

所述多特征融合的車道線檢測(cè)系統(tǒng)，包括車道區(qū)域俯視圖檢測(cè)單元、顏色特征圖提取單元、對(duì)比度特征圖提取單元、檢測(cè)直線單元以及幾何變化特征拒識(shí)單元，

所述車道區(qū)域俯視圖檢測(cè)單元，用以在車輛駛?cè)胲嚨罆r(shí)，抓取得到車道區(qū)域俯視圖；

所述顏色特征圖提取單元，用以根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；

所述對(duì)比度特征圖提取單元，用以將所述顏色特征圖中的像素，得到對(duì)比度特征圖；

所述檢測(cè)直線單元，用以在比度特征圖中按照投影檢測(cè)出直線；

所述幾何變化特征拒識(shí)單元，用以通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)，檢測(cè)得到正確的車道線；

所述預(yù)警單元，用以根據(jù)車道線的位置判斷車輛是否偏離了車道，并提示駕駛員。

本發(fā)明的有益效果：

1)由于本發(fā)明的多特征融合的車道線檢測(cè)方法，包括如下步驟：抓取得到車道區(qū)域俯視圖；根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；將所述顏色特征圖中的像素，得到對(duì)比度特征圖；在比度特征圖中按照投影檢測(cè)出直線，并通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)；檢測(cè)得到正確車道線。在本發(fā)明中首次將顏色信息引入到車道線檢測(cè)，能夠加強(qiáng)對(duì)夜間燈光的抗干擾能力。另外，本發(fā)明還重新定義了一種基于路面對(duì)比度的車道線增強(qiáng)算子得到對(duì)比度特征圖。同時(shí)，本發(fā)明將車道線幾何變化規(guī)律作為車道線拒識(shí)的重要特征，通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)。

2)本發(fā)明中的多特征融合的車道線檢測(cè)系統(tǒng)，包括：車道區(qū)域俯視圖檢測(cè)單元，用以在車輛駛?cè)胲嚨罆r(shí)，抓取得到車道區(qū)域俯視圖；顏色特征圖提取單元，用以根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；對(duì)比度特征圖提取單元，用以將所述顏色特征圖中的像素，得到對(duì)比度特征圖；檢測(cè)直線單元，用以在比度特征圖中按照投影檢測(cè)出直線；幾何變化特征拒識(shí)單元，用以通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)，檢測(cè)得到正確車道線。通過本發(fā)明中的車道線檢測(cè)系統(tǒng)，建立了一個(gè)多種特征結(jié)合的魯棒性與實(shí)時(shí)性兼顧的車道線檢測(cè)框架。

3)由于根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖，融合了顏色特征，根據(jù)先驗(yàn)信息，提取顏色特征圖可概括為增強(qiáng)白色和黃色，抑制紅色和綠色。先驗(yàn)信息中包括，比如對(duì)中國(guó)路況而言，車道線的顏色主要分為白色和黃色。干擾項(xiàng)主要是各種顏色的燈光，包括剎車燈的紅色炫光等等。

4)由于將所述顏色特征圖中的像素，得到對(duì)比度特征圖，考慮到車道線對(duì)應(yīng)的特征值要大于路面的特征值，且車道線的寬度是固定的。所以在本發(fā)明中增加了對(duì)比度特征。

5)由于通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)，通過發(fā)現(xiàn)干擾直線的變化規(guī)律，增加了幾何變化特征的實(shí)時(shí)車道線檢因素。

附圖說明

圖1是本發(fā)明一實(shí)施例中的多特征融合的車道線檢測(cè)方法流程示意圖。

圖2是本發(fā)明一實(shí)施例中的多特征融合的車道線檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖。

圖3是本發(fā)明一實(shí)施例中的高級(jí)駕駛輔助系統(tǒng)結(jié)構(gòu)示意圖。

圖4是本發(fā)明一實(shí)施例中的變換俯視圖示例。

圖5是本發(fā)明一實(shí)施例中的提取顏色特征圖示例圖。

圖6是本發(fā)明一實(shí)施例中的提取對(duì)比度特征圖示例圖。

圖7是本發(fā)明一實(shí)施例中的檢測(cè)直線示例圖。

圖8是本發(fā)明一實(shí)施例中的遠(yuǎn)光燈的炫光造成的干擾直線的示例圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。

請(qǐng)參考圖1是本發(fā)明一實(shí)施例中的多特征融合的車道線檢測(cè)方法流程示意圖。

在本實(shí)施例中，多特征融合的車道線檢測(cè)方法，包括如下步驟：

步驟S100抓取得到車道區(qū)域俯視圖；在所述步驟S100中，在車輛駛?cè)胲嚨篮?，可以借助車?nèi)的高級(jí)駕駛輔助系統(tǒng)采集圖像。所述高級(jí)駕駛輔助系統(tǒng)，簡(jiǎn)稱ADAS。是利用安裝于車上的各式各樣的傳感器，在第一時(shí)間收集車內(nèi)外的環(huán)境數(shù)據(jù)，進(jìn)行靜、動(dòng)態(tài)物體的辨識(shí)、偵測(cè)與追蹤等技術(shù)上的處理，從而能夠讓駕駛者在最快的時(shí)間察覺可能發(fā)生的危險(xiǎn)，以引起注意和提高安全性的主動(dòng)安全技術(shù)。一般而言，ADAS采用的傳感器主要有攝像頭、雷達(dá)、激光和超聲波等，可以探測(cè)光、熱、壓力或其它用于監(jiān)測(cè)汽車狀態(tài)的變量，通常位于車輛的前后保險(xiǎn)杠、側(cè)視鏡、駕駛桿內(nèi)部或者擋風(fēng)玻璃上。ADAS對(duì)駕駛員的提醒功能包括防前車碰撞預(yù)警，車道偏離預(yù)警，防行人碰撞預(yù)警等。

在一些實(shí)施例中，所述俯視圖是指模擬俯視視角的圖像，在俯視視角上車道線是平行的，更易于檢測(cè)。俯視圖的通常獲得方式是通過在原圖中選擇車道區(qū)域，再由逆透視變換獲得。

在一些實(shí)施例中，所述逆透視變換通過OPENCV中求解變換公式的函數(shù)，輸入原始圖像和變換之后的圖像的對(duì)應(yīng)4個(gè)點(diǎn)得到變換矩陣。之后用求解得到的矩陣輸入perspective Transform對(duì)一組點(diǎn)進(jìn)行變換：

在一些實(shí)施例中，所述逆透視是將采集的車道圖像投影到一個(gè)新的視平面，得到俯視圖。

在一些實(shí)施例中，俯視圖是指模擬俯視視角的圖像，在俯視視角上車道線是平行的，易于檢測(cè)。

在一些實(shí)施例中，在原圖中選擇車道區(qū)域時(shí)，選擇白色或者黃色的車道線。

上述步驟S100的作用及有益效果至少包括：俯視圖是指模擬俯視視角的圖像，在俯視視角上車道線是平行的，更易于檢測(cè)。

步驟S101根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；在步驟中還包括了預(yù)先獲得先驗(yàn)信息的過程。

在一些實(shí)施例中，先驗(yàn)信息包括但不限于，對(duì)中國(guó)路況而言，將車道線的顏色主要分為白色和黃色。

在一些實(shí)施例中，先驗(yàn)信息包括但不限于，在車輛行駛?cè)牍泛?，各種顏色的燈光干擾。

在一些實(shí)施例中，顏色的燈光干擾包括但不限于，剎車燈的紅色炫光、交通燈的紅光和綠光在路面的倒影等，其主要的顏色成分是紅色和綠色。

作為本實(shí)施例中的優(yōu)選，所述先驗(yàn)信息包括，車道線顏色、道路干擾項(xiàng)的顏色，所述車道線顏由白色和黃色組成；所述道路干擾項(xiàng)的顏色包括，紅色和綠色。

作為本實(shí)施例中的優(yōu)選，所述道路干擾項(xiàng)包括，剎車燈的紅色炫光、交通燈的紅光和/或綠光在路面的倒影、夜間對(duì)面駛來的車輛的遠(yuǎn)光燈造成的白色炫光、逆光時(shí)造成的炫光、路邊的白色欄桿中的一種或者多種。

上述步驟S101的作用及有益效果至少包括：利用顏色信息，增強(qiáng)車道線，抑制干擾項(xiàng)。

根據(jù)以上先驗(yàn)信息，提取顏色特征圖可概括為增強(qiáng)白色和黃色，抑制紅色和綠色。本實(shí)施例中經(jīng)過大量實(shí)驗(yàn)，設(shè)計(jì)了一種非常簡(jiǎn)單有效的顏色過濾算子，不會(huì)因處理RGB圖像而消耗更多計(jì)算資源。

作為本實(shí)施例中的優(yōu)選，根據(jù)先驗(yàn)信息，將車道區(qū)域俯視圖的RGB圖像中的像素按照如下顏色過濾算子計(jì)算得到顏色特征圖

$C_{i,j}=\frac{2\×R_{i,j}\×G_{i,j}}{R_{i,j}+G_{i,j}}-|R_{i,j}-G_{i,j}|$

其中，R代表紅色通道，G代表綠色通道，i和j表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

步驟S102將所述顏色特征圖中的像素，得到對(duì)比度特征圖；由于在顏色特征圖上，車道線對(duì)應(yīng)的特征值要大于路面的特征值，且車道線的寬度是固定的。但是對(duì)于車道線的像素點(diǎn)，在其上下一定范圍內(nèi)均為車道線，左右一定寬度外不再是車道線。此外，路面的顏色特征值是相近的，不會(huì)有大的浮動(dòng)。

在一些實(shí)施例中，通過對(duì)比度算子將顏色特征圖中的像素經(jīng)過下面的公式，可得到對(duì)比度特征圖

$D_{i,j}=C_{i,j}+\frac{C_{i,j+\mathrm{\ϵ}}+C_{i,j-\mathrm{\ϵ}}}{2}-C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}-|C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}|$

其中，ε為預(yù)設(shè)的車道線在顏色特征圖中的像素寬度。

優(yōu)選地，所述ε值為5。

上述步驟S102的作用及有益效果至少包括：由于：a、車道線對(duì)應(yīng)的特征值要大于路面的特征值，且車道線的寬度是固定的。b、對(duì)于車道線的像素點(diǎn)，在其上下一定范圍內(nèi)均為車道線，左右一定寬度外不再是車道線。c、路面的顏色特征值是相近的，不會(huì)有大的浮動(dòng)。從而能夠得到準(zhǔn)確的對(duì)比度特征圖。

步驟S103在比度特征圖中按照投影檢測(cè)出直線，并通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)；

在一些實(shí)施例中，在比度特征圖中按照投影檢測(cè)出直線的方法具體為：

設(shè)垂直方向?yàn)?度，取投影角度β從-15度到15度之間，分別計(jì)算出對(duì)比度特征圖在不同角度的y軸方向的累加值，得到在x軸上的一維數(shù)組；

若出現(xiàn)局部峰值點(diǎn)時(shí)，選擇數(shù)組局部峰值點(diǎn)的x坐標(biāo)和對(duì)應(yīng)的投影角度β來標(biāo)定直線L_i。

在一些實(shí)施例中，通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)的方法具體為：

根據(jù)車道線在路面的相對(duì)固定位置，若檢測(cè)到的直線為干擾項(xiàng)，則在變換車道或者轉(zhuǎn)彎時(shí)，車道線中的x坐標(biāo)和投影角度β的變化程度較大，則去除該干擾項(xiàng)。

上述步驟103的作用及有益效果至少包括：由于車道線在對(duì)比度特征圖上已經(jīng)非常凸顯，所以采用直線檢測(cè)可以選擇簡(jiǎn)單高效的投影方法。

在一些實(shí)施例中，通過車道線的幾何特征拒識(shí)，由于車道線在路面的位置是相對(duì)固定的，即使是在切道和轉(zhuǎn)彎時(shí)，車道線的x坐標(biāo)和角度β也是平穩(wěn)變化的。

在一些實(shí)施例中，若對(duì)面開來的車的遠(yuǎn)光燈射出的光線，在相對(duì)運(yùn)動(dòng)過程中，其在圖像中的角度β會(huì)在短時(shí)間內(nèi)發(fā)生巨大變化，則可找出干擾直線

步驟S104檢測(cè)得到正確車道線。

請(qǐng)參考圖2是本發(fā)明一實(shí)施例中的多特征融合的車道線檢測(cè)系統(tǒng)結(jié)構(gòu)示意圖。

本實(shí)施例中的多特征融合的車道線檢測(cè)系統(tǒng)，包括：

首先進(jìn)行圖像信息的采集，可以通過安裝在車外的感應(yīng)器對(duì)圖像進(jìn)行感應(yīng)，得到的目標(biāo)圖像輸入進(jìn)入車道區(qū)域俯視圖檢測(cè)單元1，用以在車輛駛?cè)胲嚨罆r(shí)，抓取得到車道區(qū)域俯視圖；

顏色特征圖提取單元2，用以根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；

對(duì)比度特征圖提取單元3，用以將所述顏色特征圖中的像素，得到對(duì)比度特征圖；

檢測(cè)直線單元4，用以在比度特征圖中按照投影檢測(cè)出直線；

幾何變化特征拒識(shí)單元5，用以通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)，檢測(cè)得到正確車道線，然后輸出車道線的檢測(cè)結(jié)果。

在一些實(shí)施例中，通過安裝在車輛前方的視覺傳感器(攝像頭)采集視頻數(shù)據(jù)，然后檢測(cè)車道線的位置，再做出相應(yīng)的預(yù)警策略，最后通過聲音提示駕駛員本車是否偏離了車道。預(yù)警策略可以是，偏離車道預(yù)警、超出車道預(yù)警、壓車道預(yù)警。

在一些實(shí)施例中，在所述車道區(qū)域俯視圖檢測(cè)單元1中，

在一些實(shí)施例中，顏色特征圖提取單元2，根據(jù)先驗(yàn)信息，將車道區(qū)域俯視圖的RGB圖像中的像素按照如下顏色過濾算子計(jì)算得到顏色特征圖

$C_{i,j}=\frac{2\×R_{i,j}\×G_{i,j}}{R_{i,j}+G_{i,j}}-|R_{i,j}-G_{i,j}|$

其中，R代表紅色通道，G代表綠色通道，i和j表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

其中，所述先驗(yàn)信息包括，車道線顏色、道路干擾項(xiàng)的顏色，所述車道線顏由白色和黃色組成；所述道路干擾項(xiàng)的顏色包括，紅色和綠色。

其中，所述道路干擾項(xiàng)包括，剎車燈的紅色炫光、交通燈的紅光和/或綠光在路面的倒影、夜間對(duì)面駛來的車輛的遠(yuǎn)光燈造成的白色炫光、逆光時(shí)造成的炫光、路邊的白色欄桿中的一種或者多種。

在一些實(shí)施例中，對(duì)比度特征圖提取單元3，通過對(duì)比度算子將顏色特征圖中的像素經(jīng)過下面的公式，可得到對(duì)比度特征圖

$D_{i,j}=C_{i,j}+\frac{C_{i,j+\mathrm{\ϵ}}+C_{i,j-\mathrm{\ϵ}}}{2}-C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}-|C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}|$

其中，ε為預(yù)設(shè)的車道線在顏色特征圖中的像素寬度，所述ε值為5。

在一些實(shí)施例中，檢測(cè)直線單元4，在比度特征圖中按照投影檢測(cè)出直線的方法具體為：設(shè)垂直方向?yàn)?度，取投影角度β從-15度到15度之間，分別計(jì)算出對(duì)比度特征圖在不同角度的y軸方向的累加值，得到在x軸上的一維數(shù)組；若出現(xiàn)局部峰值點(diǎn)時(shí)，選擇數(shù)組局部峰值點(diǎn)的x坐標(biāo)和對(duì)應(yīng)的投影角度β來標(biāo)定直線L_i。

在一些實(shí)施例中，幾何變化特征拒識(shí)單元5，通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)的方法具體為：根據(jù)車道線在路面的相對(duì)固定位置，若檢測(cè)到的直線為干擾項(xiàng)，則在變換車道或者轉(zhuǎn)彎時(shí)，車道線中的x坐標(biāo)和投影角度β的變化程度較大，則去除該干擾項(xiàng)。

請(qǐng)參考圖3是本發(fā)明一實(shí)施例中的高級(jí)駕駛輔助系統(tǒng)結(jié)構(gòu)示意圖。

高級(jí)駕駛輔助系統(tǒng)，其特征在于，包括多特征融合的車道線檢測(cè)系統(tǒng)10、安裝在車上的視覺傳感器11以及預(yù)警單元12，

所述視覺傳感器11，用以采集視頻數(shù)據(jù)；

所述多特征融合的車道線檢測(cè)系統(tǒng)10，用以檢測(cè)車道線的位置；

所述多特征融合的車道線檢測(cè)系統(tǒng)，包括車道區(qū)域俯視圖檢測(cè)單元、顏色特征圖提取單元、對(duì)比度特征圖提取單元、檢測(cè)直線單元以及幾何變化特征拒識(shí)單元，

所述車道區(qū)域俯視圖檢測(cè)單元，用以在車輛駛?cè)胲嚨罆r(shí)，抓取得到車道區(qū)域俯視圖；

所述顏色特征圖提取單元，用以根據(jù)車輛在行駛過程中車道線的顏色與道路干擾項(xiàng)，提取得到顏色特征圖；

所述對(duì)比度特征圖提取單元，用以將所述顏色特征圖中的像素，得到對(duì)比度特征圖；

所述檢測(cè)直線單元，用以在比度特征圖中按照投影檢測(cè)出直線；

所述幾何變化特征拒識(shí)單元，用以通過車道線的幾何特征拒識(shí)去除直線中的干擾項(xiàng)，檢測(cè)得到正確的車道線；

所述預(yù)警單元12，用以根據(jù)車道線的位置判斷車輛是否偏離了車道，并提示駕駛員。

本發(fā)明的原理：

本發(fā)明提出了一種融合了顏色特征、對(duì)比度特征和幾何變化特征的實(shí)時(shí)車道線檢測(cè)框架。首先通過逆透視變換得到俯視圖，將俯視圖通過顏色算子得到顏色特征圖，再通過對(duì)比度算子得到對(duì)比度特征圖。在對(duì)比度特征圖上通過投影累加的方法檢測(cè)直線，并通過車道線的幾何變化規(guī)律進(jìn)行拒識(shí)。最終得到的直線即為車道線。

1).生成俯視圖

俯視圖是指模擬俯視視角的圖像，在俯視視角上車道線是平行的，更易于檢測(cè)。俯視圖的獲得是通過在原圖中選擇車道區(qū)域，再由逆透視變換獲得，計(jì)算逆透視變換矩陣的方法已經(jīng)非常成熟，不是本發(fā)明闡述的重點(diǎn)，故對(duì)此技術(shù)不再詳述，具體可參考OPENCV對(duì)應(yīng)函數(shù)。具體參考圖4是本發(fā)明一實(shí)施例中的變換俯視圖示例。

2).提取顏色特征圖

提取顏色特征圖的目的是利用顏色信息，增強(qiáng)車道線，抑制干擾項(xiàng)。對(duì)中國(guó)路況而言，車道線的顏色主要分為白色和黃色。干擾項(xiàng)主要是各種顏色的燈光，包括剎車燈的紅色炫光、交通燈的紅光和綠光在路面的倒影等，其主要的顏色成分是紅色和綠色。

根據(jù)以上先驗(yàn)信息，提取顏色特征圖可概括為增強(qiáng)白色和黃色，抑制紅色和綠色。本發(fā)明經(jīng)過大量實(shí)驗(yàn)，設(shè)計(jì)了一種非常簡(jiǎn)單有效的顏色過濾算子，不會(huì)因處理RGB圖像而消耗更多計(jì)算資源。

將RGB圖像中的像素經(jīng)過下面的公式，可得到顏色特征圖C。

$C_{i,j}=\frac{2\×R_{i,j}\×G_{i,j}}{R_{i,j}+G_{i,j}}-|R_{i,j}-G_{i,j}|$

其中，R代表紅色通道，G代表綠色通道，i和j表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。具體參考圖5是本發(fā)明一實(shí)施例中的提取顏色特征圖示例圖。

3).提取對(duì)比度特征圖

在顏色特征圖上，車道線對(duì)應(yīng)的特征值要大于路面的特征值，且車道線的寬度是固定的。對(duì)于車道線的像素點(diǎn)，在其上下一定范圍內(nèi)均為車道線，左右一定寬度外不再是車道線。此外，路面的顏色特征值是相近的，不會(huì)有大的浮動(dòng)。

根據(jù)這些信息，本發(fā)明設(shè)計(jì)了一種對(duì)比度算子。將顏色特征圖C中的像素經(jīng)過下面的公式，可得到對(duì)比度特征圖D，

$D_{i,j}=C_{i,j}+\frac{C_{i,j+\mathrm{\ϵ}}+C_{i,j-\mathrm{\ϵ}}}{2}-C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}-|C_{i-\mathrm{\ϵ},j}-C_{i+\mathrm{\ϵ},j}|$

經(jīng)過大量實(shí)驗(yàn)，取ε＝5。具體參考圖6是本發(fā)明一實(shí)施例中的提取對(duì)比度特征圖示例圖。

4).檢測(cè)直線

由于車道線在對(duì)比度特征圖上已經(jīng)非常凸顯，所以直線檢測(cè)可以選擇簡(jiǎn)單高效的投影方法。設(shè)垂直方向?yàn)?度，取投影角度β從-15度到15度，分別計(jì)算對(duì)比度特征圖在不同角度的y軸方向的累加值，可得到在x軸上的一維數(shù)組。當(dāng)出現(xiàn)局部峰值點(diǎn)時(shí)，選擇數(shù)組局部峰值點(diǎn)的x坐標(biāo)和對(duì)應(yīng)的角度β來標(biāo)定直線Li。具體參考圖7是本發(fā)明一實(shí)施例中的檢測(cè)直線示例圖。

5).幾何變化特征拒識(shí)

上一步檢測(cè)到的直線會(huì)存在少數(shù)干擾項(xiàng)，可通過車道線的幾何特征拒識(shí)。

經(jīng)過大量實(shí)驗(yàn)發(fā)現(xiàn)，在行車場(chǎng)景，車道線在路面的位置是相對(duì)固定的，即使是在切道和轉(zhuǎn)彎時(shí)，車道線的x坐標(biāo)和角度β也是平穩(wěn)變化的。但是干擾直線一般不具備這一規(guī)律。例如對(duì)面開來的車的遠(yuǎn)光燈射出的光線，在相對(duì)運(yùn)動(dòng)過程中，其在圖像中的角度β會(huì)在短時(shí)間內(nèi)發(fā)生巨大變化。

具體參考圖8是本發(fā)明一實(shí)施例中的遠(yuǎn)光燈的炫光造成的干擾直線的示例圖。具體地，是一個(gè)由對(duì)面駛來的車輛的遠(yuǎn)光燈的炫光造成的干擾直線的例子，直線已由箭頭標(biāo)識(shí)。兩張俯視圖相隔僅5幀，假設(shè)攝像頭幀率是30fps，5幀對(duì)應(yīng)時(shí)間間隔僅為165ms。正常的車道線在5幀內(nèi)的變化不會(huì)超過3度。但炫光對(duì)應(yīng)的直線的β角卻變化了12度。根據(jù)車道線幾何變化規(guī)律，可以將兩幀之間車道線β的差值作為子特征，取最近5幀的差值組成5維特征。利用人工監(jiān)督的方法，選取車道線為正樣本，干擾直線為負(fù)樣本，通過SVM訓(xùn)練得到分類器。然后利用訓(xùn)練好的分類器拒識(shí)掉干擾直線。最后剩余的直線即為正確的車道線。SVM分類器相關(guān)技術(shù)非常成熟，可參考libsvm開源庫，本發(fā)明不再詳述。

所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：以上，所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。