[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

说明书

技术领域

本发明属于图象处理技术领域，涉及图像分割和图像直线几何特征检测，同时涉及智能车辆导航，主要适用于智能交通领域中的辅助安全驾驶系统。

背景技术

智能交通系统是一项庞大的社会性的系统工程，包括辅助安全驾驶系统、交通管理系统、商用车辆运营系统、电子收费系统、公共交通运营系统、应急管理系统、车辆控制系统等。其中，辅助安全驾驶系统是这个系统之中成本较小，与民众关系较为密切，而具有相当明显的社会效应的重要组成部分，具有巨大的社会经济发展潜力，能够显著地提高交通的安全水平，增加交通的机动性，降低汽车运输对环境的影响，提高汽车运输生产率和经济效益。其中，相对雷达、激光、超声波、红外线等传感器进行感知道路环境，视觉传感系统具有不可忽视的优点。在实际生活中，驾驶员通过视觉可以获得90％以上的环境信息，并且视觉采集设备具有相对廉价，直观，通用性强等优点。

车道线是最基本的交通标志，也是汽车行驶时的基本约束。在基于视觉的智能车辆导航系统中，车道线的识别与跟踪是一个基本的、必须的功能，它能防止汽车偏离车道，为导航提供参照，同时也是进行障碍物检测的基本前提。因此它是汽车辅助安全驾驶系统和自主导航系统中不可缺少的部分。从上世纪九十年代中、后期，美国、德国、日本等发达国家对车道偏离预警技术进行了比较集中的研究，并且已成功研制出一些各具特色的车道偏离警告系统。这些系统通过预先给驾驶员以警告信息，提醒驾驶员采取正确的操作措施，达到防止这类事故或者降低这类事故的伤害程度的目的。

现有的车道线检测相关的方法通常包括下列一些功能：

(1)车道线检测。车道线检测方法一般来说有几种模式：模板匹配法的原理是用与车道线的宽度等特征相一致的模板对车道线进行直接匹配，以达到分割车道线的目的，它的缺点在于难以选择恰当的几何道路模板，以及计算复杂性较高的问题。特征匹配法计算主要集中在图像处理以及如何进行特征值的抽象化，这种方法避免了模板匹配法过于依赖特定车道线特征的缺点，对不同的道路具有一定的自适应性。也有较为简化的(例如逐行扫描获取灰度峰值)基于形态学的车道线识别，能够针对一些特定情况对车道进行快速检测。上述相关方法详见文献ZENG Zhi-Hong.Lane Detection and Car Tracking on the Highway，ACTAAUTOMATICA SINICA.Vol·29，No·3May，2003和苗冬霜.基于单目视觉的道路检测与跟踪的 研究.燕山大学工学硕士学位论文，2006.4。

(2)利用通用的图像块动态聚类的方法，对路面区域进行分割。这种方法属于通用的图像分割方法，因此在各种不同的情况下都具有良好的稳定性，尤其擅长于对于非结构性的道路的分割，它的缺点在于无法利用已有的约束条件对问题进行简化，往往使计算量偏大。详见文献Jill D.Crisman et al.UNSCARF，A Color Vision System for the Detection of UnstructuredRoads，Proceedings of the 1991 IEEE International Conference on Robotics and AutomationSacramento，California-April 1991.

(3)利用反透视变换消除摄像机透视效应的影响，并且借助公路本身的几何参数，例如道路的曲率等，对前方道路的情况进行拟合和估计。它首先利用精确的摄像机参数标定所建立起来的图像坐标与真实坐标的变换关系，将车辆前方的路面区域平铺在二维水平面空间之中，随后使用几何曲线模型在二维水平面上对道路的走向进行直接的拟合估计。这种方法的缺点在于对摄像机参数标定和安装的精度要求相当高，因为坐标系之间存在的变换关系会将摄像机参数误差放大，尤其是在距离摄像机较远的前方。详见文献Massimo Bertozzi et al，GOLD：A Parallel Real-Time Stereo Vision System for Generic Obstacle and Lane Detection，IEEETRANSACTIONS ON IMAGE PROCESSING，VOL.7，NO.1，JANUARY 1998。

发明内容

本发明的任务是提供一种基于灰度估计和级联霍夫变换的车道线检测方法，与同类方法相比，具有稳定性强，适用场合较为广泛等优点。

为了方便地描述本发明内容，首先对一些概念进行说明。