，一條有寬度的公交車道在邊緣圖像E(x，y)中是兩條靠近的平行直線，所以在霍夫空間中按照霍夫變換值從大到小排序得到左右兩組候選直線，然后對候選直線分別進(jìn)行聚類，得到聚類中心的直線即為可信度最高的直線；
[0046](5)直線約束步驟。對可信度最高的檢測直線，利用半幀圖像的單條直線傾斜角應(yīng)該在一定范圍、單幀圖像的兩條直線應(yīng)該滿足近似對稱性兩個約束條件進(jìn)行篩選。滿足約束條件則判定為候選車道并進(jìn)入跟蹤步驟，反之返回步驟(1);
[0047](6)車道跟蹤步驟。對左右兩條候選車道利用多幀圖像的車道位置相近約束進(jìn)行跟蹤，當(dāng)連續(xù)多幀圖像中出現(xiàn)同一候選車道則判定該候選車道為有效車道，當(dāng)有效車道在連續(xù)多幀圖像中不出現(xiàn)則判定該有效車道消失。具體地，利用狀態(tài)機(jī)的方法來實(shí)現(xiàn)車道跟蹤:
[0048](6-1)初始狀態(tài):保存第一條候選車道，下一狀態(tài)為車道穩(wěn)定前狀態(tài)；
[0049](6-2)車道穩(wěn)定前狀態(tài):第一步判斷新候選車道是否和保存車道位置相近，是則用新候選車道替換保存車道并計(jì)數(shù)加一，否則下一狀態(tài)為初始狀態(tài)并計(jì)數(shù)清零，第二步判斷計(jì)數(shù)是否大于閾值(此閾值可以人為設(shè)定，較大則提高車道線檢測準(zhǔn)確率，較小則提高車道線檢測漏檢率)，是則認(rèn)為保存車道為有效車道、下一狀態(tài)為車道穩(wěn)定狀態(tài)并計(jì)數(shù)清零；
[0050](6-3)車道穩(wěn)定狀態(tài):判斷新候選車道是否和有效車道位置相近，是則更新有效車道信息，否則認(rèn)為有效車道暫時波動、下一狀態(tài)進(jìn)入車道波動狀態(tài)；
[0051](6-4)車道波動狀態(tài):第一步判斷新候選車道是否和保存車道位置相近，是則用新候選車道替換保存車道、計(jì)數(shù)清零，下一狀態(tài)進(jìn)入車道穩(wěn)定狀態(tài)，否則計(jì)數(shù)加一；第二步判斷計(jì)數(shù)是否大于閾值(此閾值可以人為設(shè)定，較大則提高車道線檢測穩(wěn)定性，較小則提高車道線檢測實(shí)時性)，是則下一狀態(tài)進(jìn)入初始狀態(tài)、計(jì)數(shù)清零，否則下一狀態(tài)繼續(xù)為車道波動狀態(tài)；
[0052](7)車道識別步驟。對有效車道，利用顏色分類器識別公交車道和非公交車道。本發(fā)明中利用SVM顏色分類器得到有效車道預(yù)設(shè)寬度內(nèi)的像素點(diǎn)符合公交車道像素點(diǎn)分布的概率，當(dāng)概率大于閾值則將車道識別為公交車道，反之識別為非公交車道。
[0053]本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種基于視頻的公交車道檢測方法，其特征在于，所述方法包括以下步驟: (1)圖像獲取步驟:標(biāo)定并調(diào)整成像設(shè)備的成像視場角和寬度，使檢測圖像中公交車道線起點(diǎn)到終點(diǎn)的長度超過圖像高度的一半、公交車道線近似對稱分布在圖像的左右兩邊，利用成像設(shè)備獲取檢測圖像I(x，y); (2)圖像預(yù)處理步驟:對檢測圖像I(x，y)依次進(jìn)行縮放處理、掩膜處理、灰度化處理和高斯濾波處理得到預(yù)處理后圖像D(x，y): (3)邊緣圖像提取步驟。對預(yù)處理后圖像D(x，y)使用邊緣提取算法提取邊緣圖像E (X，y)； (4)直線檢測步驟:對邊緣圖像E(x，y)利用霍夫變換算法檢測得到候選直線，對候選直線進(jìn)行聚類得到可信度最高的直線； (5)直線約束步驟:對檢測得到的可信度最高的直線，利用半幀圖像的單條直線傾斜角在一定范圍、單幀圖像的兩條直線滿足近似對稱性兩個約束條件進(jìn)行篩選；滿足約束條件則判定為候選車道并進(jìn)入跟蹤步驟，反之返回步驟(1); (6)車道跟蹤步驟:對左右兩條候選車道利用多幀圖像的車道位置相近約束進(jìn)行跟蹤，當(dāng)連續(xù)多幀圖像中出現(xiàn)同一候選車道則判定該候選車道為有效車道，當(dāng)有效車道在連續(xù)多幀圖像中不出現(xiàn)則判定該有效車道消失； (7)車道識別步驟:對有效車道，利用顏色分類器識別公交車道和非公交車道。2.如權(quán)利要求1所述的方法，其特征在于，所述步驟(2)具體包括: (2-1)對檢測圖像I (X，y)進(jìn)行縮放處理得到縮放圖像； (2-2)利用掩膜圖像M(x，y)對縮放圖像進(jìn)行掩膜處理得到掩膜處理圖像； (2-3)將掩膜處理圖像進(jìn)行灰度化處理，得到灰度圖像； (2-4)對灰度圖像進(jìn)行高斯平滑濾波去除噪聲得到預(yù)處理后圖像D (X，y)。3.如權(quán)利要求1或2所述的方法，其特征在于，所述步驟(3)中的邊緣提取算法為:Roberts算子，或者Sobel算子，或者Canny算法。4.如權(quán)利要求1或2所述的方法，其特征在于，所述步驟(4)具體包括: (4-1)將邊緣圖像E(x，y)均分為左右兩部分，分別利用霍夫變換算法轉(zhuǎn)換到霍夫空間； (4-2)在霍夫空間中按照霍夫變換值從大到小排序得到左右兩組候選直線，然后對候選直線分別進(jìn)行聚類，得到聚類中心的直線即為可信度最高的直線。5.如權(quán)利要求1或2所述的方法，其特征在于，所述步驟(6)利用狀態(tài)機(jī)的方法來實(shí)現(xiàn)車道跟蹤，具體包括: (6-1)初始狀態(tài):保存第一條候選車道，下一狀態(tài)為車道穩(wěn)定前狀態(tài)； (6-2)車道穩(wěn)定前狀態(tài):第一步判斷新候選車道是否和保存車道位置相近，是則用新候選車道替換保存車道并計(jì)數(shù)加一，否則下一狀態(tài)為初始狀態(tài)并計(jì)數(shù)清零，第二步判斷計(jì)數(shù)是否大于閾值(此閾值可以人為設(shè)定，較大則提高車道線檢測準(zhǔn)確率，較小則提高車道線檢測漏檢率)，是則認(rèn)為保存車道為有效車道、下一狀態(tài)為車道穩(wěn)定狀態(tài)并計(jì)數(shù)清零； (6-3)車道穩(wěn)定狀態(tài):判斷新候選車道是否和有效車道位置相近，是則更新有效車道信息，否則認(rèn)為有效車道暫時波動、下一狀態(tài)進(jìn)入車道波動狀態(tài)； (6-4)車道波動狀態(tài):第一步判斷新候選車道是否和保存車道位置相近，是則用新候選車道替換保存車道、計(jì)數(shù)清零，下一狀態(tài)進(jìn)入車道穩(wěn)定狀態(tài)，否則計(jì)數(shù)加一；第二步判斷計(jì)數(shù)是否大于閾值(此閾值可以人為設(shè)定，較大則提高車道線檢測穩(wěn)定性，較小則提高車道線檢測實(shí)時性)，是則下一狀態(tài)進(jìn)入初始狀態(tài)、計(jì)數(shù)清零，否則下一狀態(tài)繼續(xù)為車道波動狀態(tài)。6.如權(quán)利要求1或2所述的方法，其特征在于，所述步驟(7)具體為: 利用SVM顏色分類器得到有效車道預(yù)設(shè)寬度內(nèi)的像素點(diǎn)符合公交車道像素點(diǎn)分布的概率，當(dāng)概率大于閾值則將車道識別為公交車道，反之識別為非公交車道。7.—種基于視頻的公交車道檢測系統(tǒng)，其特征在于，包括圖像獲取模塊、圖像預(yù)處理模塊、邊緣圖像提取模塊、直線檢測模塊、直線約束模塊、車道跟蹤模塊以及車道識別模塊，其中: 所述圖像獲取模塊，用于標(biāo)定并調(diào)整成像設(shè)備的成像視場角和寬度，使檢測圖像中公交車道線起點(diǎn)到終點(diǎn)的長度超過圖像高度的一半、公交車道線近似對稱分布在圖像的左右兩邊，利用成像設(shè)備獲取檢測圖像I(x，y); 所述圖像預(yù)處理模塊，用于對檢測圖像I(x，y)依次進(jìn)行縮放處理、掩膜處理、灰度化處理和高斯濾波處理得到預(yù)處理后圖像D(x，y): 所述邊緣圖像提取模塊，用于對預(yù)處理后圖像D(x，y)使用邊緣提取算法提取邊緣圖像 E (X，y)； 所述直線檢測模塊，用于對邊緣圖像E(x，y)利用霍夫變換算法檢測得到候選直線，對候選直線進(jìn)行聚類得到可信度最高的直線； 所述直線約束模塊，用于對檢測得到的可信度最高的直線，利用半幀圖像的單條直線傾斜角在一定范圍、單幀圖像的兩條直線滿足近似對稱性兩個約束條件進(jìn)行篩選；滿足約束條件則判定為候選車道并轉(zhuǎn)車道跟蹤模塊，反之轉(zhuǎn)圖像獲取模塊； 所述車道跟蹤模塊，用于對左右兩條候選車道利用多幀圖像的車道位置相近約束進(jìn)行跟蹤，當(dāng)連續(xù)多幀圖像中出現(xiàn)同一候選車道則判定該候選車道為有效車道，當(dāng)有效車道在連續(xù)多幀圖像中不出現(xiàn)則判定該有效車道消失； 所述車道識別模塊，用于對有效車道利用顏色分類器識別公交車道和非公交車道。8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述直線檢測模塊包括霍夫變換子模塊和可信直線獲取子模塊，其中: 所述霍夫變換子模塊，用于將邊緣圖像E (X，y)均分為左右兩部分，分別利用霍夫變換算法轉(zhuǎn)換到霍夫空間； 所述可信直線獲取子模塊，用于在霍夫空間中按照霍夫變換值從大到小排序得到左右兩組候選直線，然后對候選直線分別進(jìn)行聚類，得到聚類中心的直線即為可信度最高的直線。9.如權(quán)利要求7或8所述的系統(tǒng)，其特征在于，所述車道跟蹤模塊利用狀態(tài)機(jī)的方法來實(shí)現(xiàn)車道跟蹤，具體包括:初始狀態(tài)判定處理子模塊、車道穩(wěn)定前狀態(tài)處理子模塊、車道穩(wěn)定狀態(tài)處理子模塊以及車道波動狀態(tài)處理子模塊，其中: 初始狀態(tài)判定處理子模塊，用于保存第一條候選車道，下一狀態(tài)為車道穩(wěn)定前狀態(tài)； 車道穩(wěn)定前狀態(tài)處理子模塊，用于判斷新的候選車道是否和保存的第一條候選車道位置相近，是則用新候選車道替換保存車道并計(jì)數(shù)加一，否則下一狀態(tài)為初始狀態(tài)并計(jì)數(shù)清零；并判斷計(jì)數(shù)是否大于設(shè)定閾值，是則認(rèn)為保存車道為有效車道、下一狀態(tài)為車道穩(wěn)定狀態(tài)并計(jì)數(shù)清零； 車道穩(wěn)定狀態(tài)處理子模塊，用于判斷新候選車道是否和有效車道位置相近，是則更新有效車道信息，否則認(rèn)為有效車道暫時波動，下一狀態(tài)進(jìn)入車道波動狀態(tài)； 車道波動狀態(tài)處理子模塊，用于判斷新候選車道是否和保存車道位置相近，是則用新候選車道替換保存車道、計(jì)數(shù)清零，下一狀態(tài)進(jìn)入車道穩(wěn)定狀態(tài)，否則計(jì)數(shù)加一；并判斷計(jì)數(shù)是否大于設(shè)定閾值，是則下一狀態(tài)進(jìn)入初始狀態(tài)、計(jì)數(shù)清零，否則下一狀態(tài)繼續(xù)為車道波動狀態(tài)。10.如權(quán)利要求7或8所述的系統(tǒng)，其特征在于，所述車道識別模塊具體利用SVM顏色分類器得到有效車道預(yù)設(shè)寬度內(nèi)的像素點(diǎn)符合公交車道像素點(diǎn)分布的概率，當(dāng)概率大于閾值則將車道識別為公交車道，反之識別為非公交車道。
【專利摘要】本發(fā)明公開了一種基于視頻的公交車道檢測方法：圖像獲取步驟，從成像設(shè)備中獲取檢測圖像；圖像預(yù)處理步驟，對檢測圖像進(jìn)行縮放、掩膜處理、灰度化和高斯平滑濾波等預(yù)處理；邊緣圖像提取步驟，利用Canny算法對預(yù)處理后圖像提取邊緣圖像；直線檢測步驟，對邊緣圖像利用霍夫變換算法檢測候選直線，對候選直線進(jìn)行聚類得到可信度最高的直線；直線約束步驟，利用半幀圖像單條直線的傾斜角、單幀圖像兩條直線的對稱性信息對直線進(jìn)行約束；車道跟蹤步驟，利用多幀圖像車道位置相近信息進(jìn)行車道跟蹤，檢測得到有效車道；車道識別步驟，利用SVM顏色分類器識別車道。本發(fā)明可以應(yīng)用于智能交通系統(tǒng)中實(shí)時、準(zhǔn)確、穩(wěn)定檢測識別公交車道。
【IPC分類】G06K9/00
【公開號】CN105389561
【申請?zhí)枴緾N201510777875
【發(fā)明人】桑農(nóng), 高常鑫, 王金, 彭軍才, 蘇偉
【申請人】深圳華中科技大學(xué)研究院
【公開日】2016年3月9日
【申請日】2015年11月13日