一種矩采樣車道跟蹤檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種矩采樣車道跟蹤檢測方法，屬于數(shù)字圖像處理技術(shù)和用于快速檢 測并跟蹤車道的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 作為工業(yè)時代最偉大的發(fā)明之一，汽車以它龐大的數(shù)量在人類交通史中占有極為 重要的地位。2015年，僅我國汽車保有量就達(dá)到1. 5億，平均10人就有一輛汽車，而發(fā)達(dá)國 家的數(shù)字還要遠(yuǎn)超我國。
[0003] 龐大保有量和使用人數(shù)也使得汽車成為了奪取生命最多的交通工具。雖然我國汽 車保有量不到全世界2 %，但是交通事故傷亡人數(shù)卻占到了全球傷亡人數(shù)的20 %，每年超 過10萬人在交通事故中受傷或身亡。其中很大一部分原因是駕駛員安全意識淡薄，危險變 道或者在疲勞駕駛。
[0004] 另一方面，隨著車輛的增多，互聯(lián)網(wǎng)技術(shù)的發(fā)展以及更強大、更高效的硬件設(shè)備的 出現(xiàn)，無人駕駛成為了當(dāng)今熱門的研宄領(lǐng)域。
[0005] 世界上汽車工業(yè)較為發(fā)達(dá)的國家都已經(jīng)開始展開了對無人駕駛的研宄。比如，美 國谷歌公司研發(fā)的智能無人駕駛汽車，內(nèi)華達(dá)州機動車輛管理局已正式向谷歌頒發(fā)首張無 人駕駛車輛牌照，由谷歌研發(fā)的這種無人駕駛汽車今后可以駛上開放公路進(jìn)行測試；德國 "路克斯"可以在錯綜復(fù)雜的城市公路系統(tǒng)中實現(xiàn)無人駕駛，它還能識別各種交通標(biāo)志，保 證汽車在遵守交通規(guī)則的前提下安全行駛。但是，我國卻在該方面還處在一個非常初級的 階段。
[0006] 車道檢測是無人駕駛體系中一項十分重要的技術(shù)，如果提供一種可靠性高、運算 量小的車道檢測方法用于判斷車輛行駛時是否偏離車道，對我國無人駕駛技術(shù)發(fā)展將有較 大意義。

【發(fā)明內(nèi)容】

[0007] 針對現(xiàn)有技術(shù)的不足，本發(fā)明公開了一種可用于實時系統(tǒng)的快速、可靠的矩采樣 車道跟蹤檢測方法；
[0008] 本發(fā)明能夠快速、可靠的檢測并跟蹤車道，并且在汽車偏離道路方向的情況下結(jié) 合車輛輔助駕駛系統(tǒng)提醒駕駛員注意行車方向，避免交通事故的發(fā)生，保證汽車內(nèi)外的人 員安全，降低車禍的發(fā)生幾率。
[0009] 本發(fā)明的技術(shù)方案為：
[0010] 一種矩采樣車道跟蹤檢測方法，通過安裝在沿車輛中心線的車輛前方的相機獲取 車輛前方道路影像，將前方道路影像分解成大量幀圖像，W= 〇,具體步驟包括：
[0011] (1)選取感興趣區(qū)域并進(jìn)行初始化處理加N，
，其中，F(xiàn)PS為所述 相機拍攝的幀率，V表示車輛速度，Pm指車輛每行駛1米所需處理的圖像幀數(shù)，在大量幀圖 像中第W幀圖像中，選取車輛前方且靠近車輛的一段矩形道路區(qū)域作為感興趣區(qū)域P;
[0012] 在車輛行駛過程中，為了保證本發(fā)明提供方法的實時性，對于相機拍攝的影像，不 需要處理每一幀的圖像，可以通過每處理一幀，忽略接下來的N幀圖像，N的具體數(shù)值可以 根據(jù)車輛的行駛速度來動態(tài)改變；同時，由于選取的感興趣區(qū)域較小，對于行駛的車輛，感 興趣區(qū)域的位置可以看作基本不變，又因為相近的幀之間車道線在感興趣區(qū)域中的位置的 變化量較小，只需要通過檢測車道線在當(dāng)前幀的位置即可預(yù)測下一幀中車道線的大概位 置，通過微調(diào)感興趣區(qū)域在幀圖像中的位置來實現(xiàn)對車道線的追蹤，從而避免重復(fù)選取感 興趣區(qū)域，在保證檢測車道線可靠性的同時又加快了處理速度。
[0013] (2)利用自適應(yīng)閾值法檢測道路上的車道線：將步驟⑴得到的感興趣區(qū)域P進(jìn) 行灰度化處理，得到灰度圖像，采用自適應(yīng)閾值法計算分割閾值，利用分割閾值對灰度圖像 進(jìn)行二值化處理，得到二值化圖像Ib，再對二值化圖像Ib進(jìn)行形態(tài)學(xué)上的閉操作，去除干擾 點，形成一個完整的矩形車道線段，得到二值圖像Ib';
[0014] 得到二值化圖像Ib后，由于實際道路中車道線存在磨損，利用分割閾值對灰度圖 像進(jìn)行二值化處理后，車道線中必然存在干擾點，為了去除干擾點，選取一個合適大小的矩 形窗，對二值化圖像Ib進(jìn)行形態(tài)學(xué)的閉操作處理，去除干擾點，使之形成一個連通的整體， 得到二值圖像1/。
[0015] (3)通過圖像分割提取車道線：對二值圖像V中的白色區(qū)域進(jìn)行圖像分割處理， 將連通的白色區(qū)域標(biāo)成同一標(biāo)號，同一標(biāo)號的像素點視作為一個超像素點，完成對白色連 通區(qū)域的分割，設(shè)定規(guī)則去除白色干擾區(qū)域，如果感興趣區(qū)域P中不存在完整的車道線，則 進(jìn)入步驟（1);否則，感興趣區(qū)域P中存在完整的車道線，獲取完整的車道線；
[0016] (4)判斷車輛是否正在偏離行駛的車道：計算出步驟（3)得到完整的車道線的中 心線延伸方向，即車道延伸方向，圖像平面坐標(biāo)系的Y軸方向即車輛行駛方向，求取車道延 伸方向與車輛行駛方向之間的夾角0，如果0多10°，則車輛正在偏離行駛的車道，通過 車載輔助駕駛系統(tǒng)對車輛駕駛員發(fā)出警告，否則，進(jìn)入步驟（1);其中，所述圖像平面坐標(biāo) 系是指：以第w幀圖像的左下角為原點、以第w幀圖像下邊緣為X軸、以第w幀圖像左邊緣 為Y軸建立的坐標(biāo)系。
[0017] 根據(jù)本發(fā)明優(yōu)選的，步驟（2)中，采用自適應(yīng)閾值法計算分割閾值，利用分割閾值 對灰度圖像進(jìn)行二值化處理，得到二值化圖像Ib，具體步驟包括：
[0018] a、對步驟（1)所述灰度圖像中的256種像素值進(jìn)行統(tǒng)計，得到每一種像素值的像 素點個數(shù)，形成橫坐標(biāo)為像素值、縱坐標(biāo)為像素值對應(yīng)的像素點個數(shù)的統(tǒng)計直方圖；
[0019] b、以像素值為橫坐標(biāo)、像素值對應(yīng)的像素點個數(shù)為縱坐標(biāo)，得到擬合曲線L，取擬 合曲線L上的兩個極大值MaxJPMax2，并取擬合曲線L上兩個極大值MaxJPMax2之間的 最小值Min，最小值Min對應(yīng)的橫坐標(biāo)值取整后即為分割閾值T，利用分割閾值T對步驟（2) 所述灰度圖像進(jìn)行二值化處理，得到二值化圖像Ib。
[0020] 由于路面上的車道線一般為黃色或白色，而路面本身接近于灰黑色，白色或黃色 車道線對應(yīng)的灰度值較大，灰黑色路面對應(yīng)的灰度值較小，而車道線占感興趣區(qū)域P的面 積較小，大部分為路面，因此，統(tǒng)計直方圖中會得到兩個極大值。
[0021] 根據(jù)本發(fā)明優(yōu)選的，步驟（3)中，通過圖像分割提取車道線，具體步驟包括：
[0022] c、遍歷步驟（2)得到的二值圖像Ib'，對二值圖像Ib'進(jìn)行標(biāo)號處理，S卩：將二值 圖像Ib'中相鄰的白色像素點標(biāo)注成同一個標(biāo)號i，1彡i彡n且i為正整數(shù)，得到n個連 通區(qū)域，即以......Si......Sn}；
[0023] d、對步驟c標(biāo)號為l-n的數(shù)目分別進(jìn)行統(tǒng)計，計算出連通區(qū)域 {Si......Si......sn}的面積分別為{Ai......Ai......An}，設(shè)定面積閾值Ts，面積閾值Ts 為{A:......Aj......AJ中的第二大值，將{Ai......Aj......AJ任一值分別與面積閾值八 進(jìn)行比較，如果Ts，連通區(qū)域Si不屬于車道線，去除連通區(qū)域Si;否則，保留；最終得到 剩余連通區(qū)域，即車道線，此時的二值圖像為Ib" ；
[0024] e、取步驟d最終得到的剩余連通區(qū)域在圖像平面坐標(biāo)系上橫坐標(biāo)的最大值 縱坐標(biāo)的最大值、橫坐標(biāo)的最小值、縱坐標(biāo)的最小值，計算車道線的橫軸長 度W= ，計算車道線的縱軸長度H= ，如果W大于H，則感興趣區(qū)域P 中不存在完整的車道線，則進(jìn)入步驟（1);否則，感興趣區(qū)域P中存在完整的車道線，獲取完 整的車道線。
[0025] 根據(jù)本發(fā)明優(yōu)選的，步驟（4)中，計算出步驟（3)得到完整的車道線的中心線延伸 方向，即車道延伸方向，具體步驟包括：
[0026]①遍歷二值圖像Ib"，得到同一個標(biāo)號i的連通區(qū)域Si中每一個像素點的橫坐標(biāo) 值及縱坐標(biāo)值；
[0027] ②計算得到連通區(qū)域Si的中心坐標(biāo)（xi,s，yi,s)，計算公式如式（I)、式（II)所 示：
[0028]
[0029]
[0030] 式（I)、式（II)中，連通區(qū)域矩ma,b(Si)定義如式（III)所示：
[0031] (III)
[0032] 式（III)中，a、b為非負(fù)數(shù)，a與b的和為區(qū)域Si的矩的階數(shù)，x與y分別為屬于 連通區(qū)域Si的像素點的橫坐標(biāo)值與縱坐標(biāo)值，通過步驟①得到；