[发明专利]一种基于灰度估计和级联霍夫变换的车道线检测方法

权利要求书

1.一种基于灰度估计和级联霍夫变换的车道线检测方法，包括以下步骤：

步骤1：采集车辆前方路况原始图像I；

车辆行进过程中，通过安装在车辆上的摄像机采集车辆前方路况原始图像I；

步骤2：创建敏感区域模版图像I_mask；

根据摄像机的内部参数和外部参数，将摄像头视野中地平线之下、两侧边界之内的区域划分成敏感区域，而将其它区域划分成非敏感区域；创建车辆前方路况原始图像I同样大小的敏感区域模版图像I_mask；其中：摄像机内部参数包括主点坐标和有效焦距，摄像机外部参数包括摄像机的位置和朝向；敏感区域模版图像I_mask中，将敏感区域内的像素值设为1，将非敏感区域内的像素值设为0；

步骤3：对步骤1所采集的车辆前方路况原始图像I进行Canny边缘提取计算，得到Canny边缘提取结果图像I_edge，在Canny边缘提取结果图像I_dege中，边缘像素值设为1，非边缘像素值设为0；

步骤4：计算车辆前方路况原始图像I中位于步骤2确定的敏感区域内且在步骤3确定的边缘下方的所有像素点的灰度平均值和均方差(标准差)δ，然后利用灰度平均值和均方差δ设定两个阈值与通过阈值和阈值将车辆前方路况原始图像I中敏感区域之内的部分划分为R₁、R₂和R₃三类区域，其中R₁表示灰度值S小于阈值的区域，为车辆阴影区域；R₂表示灰度值S大于等于阈值且小于阈值的区域，为路面非标志区域；R₃表示灰度值S大于等于阈值的区域，为路面标志区域，其中包含前方车辆的车身区域；

步骤5：因为车道线标志的边缘只可能出现在步骤4确定的区域R₂和区域R₃之间，所以采用计算区域R₂的膨胀与区域R₃的交集的方法计算初步的车道线标志的边缘图像R_edge，即：

Redge=R3∩(R2⊕D)]]>

其中：符号表示形态学膨胀运算，符号“∩”表示取交集，D为一个3×3的十字模版；以上获得的车道线标志的边缘图像R_edge不光包括希望提取的车道线边缘区域，也包含可能造成干扰的车身区域与道路区域的结合部分的边缘区域；在车道线标志的边缘图像R_edge中每列像素进行由下至上的扫描，如果当前扫描像素点的坐标位于车辆阴影区域R₁之内，则将R_edge中该像素正上方的所有像素点的像素值置为0，得到最终的车道线标志的边缘图像R′_edge；

步骤6：针对最终的车道线标志的边缘图像R′_edge进行霍夫变换，并提取直线特征；

具体包括以下步骤：

步骤6-1：遍历图像R′_edge中的每个像素点(x，y)，计算ρ＝xcos(θ)+ysin(θ)：θ∈[0°～180°)，得到所有经过像素点(x，y)的直线组{(ρ，θ)：θ∈[0°～180°)}；其中：(x，y)表示图像R′_edge中的像素点的位置；ρ表示经过像素点(x，y)的直线距离坐标原点，即图像R′_edge中心的距离；θ表示角度，且θ∈[0°～180°)；

步骤6-2：将图像R′_edge中所有像素点(x，y)的直线组{(ρ，θ)：θ∈[0°～180°)}映射到H(ρ，θ)空间，得到ρ-θ参数空间累加图像H；

步骤6-3：在ρ-θ参数空间累加图像H的大小为[(-ρ_w，-θ_w)，(ρ_w，θ_w)]的窗口强度最大值集合中，寻找前面n个较大的窗口强度最大值，其中n≥6，并保证每两个局部强度最大值之间的位置关系，即(ρ_i，θ_i)和(ρ_j，θ_j)之间的关系满足条件：

其中，ρ_w表示窗口[(-ρ_w，-θ_w)，(ρ_w，θ_w)]的半长度，取值范围是[1，5]；θ_w表示窗口[(-ρ_w，-θ_w)，(ρ_w，θ_w)]的半宽度，取值范围是[1，5]；

步骤7：将步骤6找出的ρ-θ参数空间中的n个直线特征位置参数(ρ_i，θ_i)及其对应的ρ-θ参数空间中强度值H(ρ_i，θ_i)映射到与边缘图像R′_edge等大的图像空间之中，得到含有n条直线的图像I′，然后对图像I′进行全局平滑计算，并找出图像I′中的最大值坐标点并作为车道边缘共同的消失点P_V(x_V，y_V)；

步骤8：在P_V(x_V，y_V)下方ω∈[0，180、角度范围的区域之内搜索属于区域R₃的像素，将对应在ω方向之上的属于R₃的像素个数统计为直方图R(0:180)，然后使用高斯平滑滤波模板对直方图R(0:180)进行平滑滤波运算，并在R(0:180)之中搜索大于R(0:180)中最大值R_max的λ倍的局部峰值R_max1，R_max2...R_max m所对应的角度值ω_max1，ω_max2...ω_maxm；其中，λ的取值范围为[0.2，0.5]；

步骤9：以消失点P_V(x_V，y_V)作为起点，分别以ω_max1，ω_max2...ω_max m为方向作射线，得到的射线即为最终的车道线。