[发明专利]基于GrowCut的车道线快速检测方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，具体是一种基于GrowCut的车道线快速检测方法及系统。

背景技术

车道线检测是PTZ摄像机自动标定、智能视频分析、汽车辅助驾驶以及室外机器人自动导航的首要环节和关键步骤，具体是指从监控摄像头获取的视频图像中，根据车道线的颜色、纹理、形状等特征，将车道线与背景分离，进而获得车道线的走向或标记车道的区域范围。现有的车道线检测方法多采用经典的Hough变换及形态学方法，检测结果受视频图像分辨率、道路状况等因素影响，误差通常较大。此外，还有其它一些方法。对现有车道线检测技术的文献检索结果如下：

专利公开号CN 101608924A公布了一种基于灰度估计和级联Hough变换的车道线检测方法。首先对采集的车辆前方路况原始图像的敏感区域进行灰度估计，然后采用数学形态学方法从路面灰度估计所划分的区域中得到路面标志区域的边界图像，随后对路面标志区域的边界图像进行Hough变换以提取直线图像特征，最后通过对路面标志边缘消失点的搜索实现对车道线的检测。该发明的缺陷在于，当视频图像中存在其它具有较强边缘的干扰区域时，会影响Hough变换的检测结果。

专利公开号CN 101567086A公布了一种车道线检测方法和设备，具体包括：对图像进行边缘检测，计算图像中各像素点的边缘强度和边缘方向；根据所述边缘强度和边缘方向对各像素点进行边缘连接，得到边缘线段；对所述边缘线段进行Hough变换，求出其在包括方向区间和距离区间的Hough变换累积直方图中的最大累积方向；在所述最大累积方向所在区间上寻找较大累计值对应的距离区间，最终确定车道线。该发明通过连接检测到的边缘，滤除点状边缘的干扰，能够在多条平行车道线的检测中更好地排除强干扰，但由于其边缘检测方法采用经典的Sobel或Prewitt算子，因此对于低分辨率的视频图像或没有虚、实线标记的道路，通常无法准确检测其边缘，从而易导致车道线检测失败。

专利公开号CN 1836266A公布了一种能够稳定确定行驶车道边界线位置的路面行驶车道检测装置。具体包括：由边缘点检测装置从图像的轮廓线中检测出多个边缘点；由段群作成装置基于各边缘点间的距离与方位的连续性作成线段，并对存在规定关系的多个线段进行分组化，从而作成段群；由曲线检测装置检测出与该段群吻合的曲线；由车道边界线位置确定装置，在构成最接近行驶车道中心的曲线的段群具有规定长度及反复周期时，确定为最内侧标记线，将与其外侧相邻的曲线位置确定为行驶车道的边界线位置。该发明装置过于复杂，只适用于有虚、实线标记并且车道边界线明显的情况。而我国目前布控的路况摄像机中，仍有相当数量的摄像机为模拟设备，视频图像的分辨率不高，因此利用该发明所述装置进行车道线检测的效果欠佳。

发明内容

本发明的目的在于针对现有车道线检测技术的不足，提供一种基于GrowCut的车道线快速检测方法及系统。采用GrowCut替代传统的形态学、区域增长及分水岭等算法对视频图像进行边缘分割，然后对分割结果进行平滑滤波，在去除椒盐噪声的同时保留更多的边缘细节，最后进行曲线拟合，确定车道线。通过该方法，可以对低分辨率以及没有明显车道边界线的视频图像进行车道线的快速检测。

本发明提供一种基于GrowCut的车道线快速检测方法，其包括：采集监控视频并挑选至少一帧的图像作为关键帧；在所述关键帧图像中标定边缘分割种子点；利用GrowCut算法进行边缘分割；采用中值滤波器对分割结果进行平滑滤波；再将平滑滤波结果，进行边缘提取；再对边缘提取结果，进行分半处理；再对分半处理结果，采用多项式曲线拟合方法对车道线进行拟合，得到最终车道线。

进一步地，所述采集监控视频并挑选至少一帧的图像作为关键帧的步骤，进一步包括：采集监控视频，并序列化为多帧图像；从多帧图像中选取清晰度较高、车道分界线相对明显的帧作为关键帧。

进一步地，所述采集监控视频并挑选至少一帧的图像作为关键帧的步骤，进一步包括：采集监控视频，并序列化为多帧图像；从多帧图像中选择图像质量相对稳定，并且图像内容没有明显跳变的一段，然后对多帧图像取平均作为关键帧。

进一步地，所述利用GrowCut算法进行边缘分割的步骤，进一步包括：获取初始种子点的标记、力量和特征向量值；保存当前状态；元胞开始生长；利用初始状态值计算攻击强度；当前元胞尝试攻击邻近元胞；判断当前元胞的攻击强度是否大于防守元胞的防守力量。如果否，则继续攻击相邻元胞；如果是，则防守元胞被占领，同时改变其标记和力量值；上述步骤循环进行，直至元胞自动机收敛；边缘分割结束。