[发明专利]一种用于车道偏离预警的车道线检测方法

说明书

技术领域

本发明涉及图像处理技术领域和车道偏离预警技术领域，具体涉及一种用于车道偏离预警的车道线检测方法。

背景技术

交通安全一直是人们关心的重要问题之一，在高速公路上每年都会发生很多交通事故，造成了严重的人员伤亡和巨大的经济损失，因此，开发先进驾驶辅助系统具有重要的意义。机器视觉探测技术具有信息量大、成本低和检测范围广等优点，成为当前研发的主流探测技术。

车道偏离预警（Lane Departure Warning,简称：LDW）系统是高级驾驶辅助系统（Advanced Driver Assistance Systems，简称：ADAS）的其中一种，是一项汽车驾驶安全辅助系统。当传感元件侦测到车辆偏离车道时，若驾驶者因疲劳或疏忽而未打下转换车道的方向灯讯号，系统会发出警示讯号以提醒驾驶者返回车道。车道偏离报警（LDW）系统目前以摄像头为主要传感器，基于机器视觉技术探测并跟踪车道线，结合驾驶员特性判断车辆是否有偏离出车道的危险，危险时为驾驶员提供声音、灯光及震动警示。

其中，车道偏离报警的车道线检测方法对车道偏离报警系统的可靠性和准确性影响较大，现有的车道线检测方法计算过程复杂、占用资源多、抗噪声和抗干扰的能力不强，检测效率低。

发明内容

为了解决上述技术问题，本发明提供一种用于车道偏离预警的车道线检测方法，能提高抗噪声和抗干扰的能力，具有较强的鲁棒性，有效地对车道线进行实时检测，并提高检测效率。

本发明提供一种用于车道偏离预警的车道线检测方法，包括：

A0.图像预处理步骤，具体包括:

a0.确定初始检测区域，

b0.采集所述初始检测区域的彩色图像，

c0.对所述彩色图像进行灰度化处理，

d0.用中值滤波法对图像去噪；

其关键在于，还包括：

A1.边缘检测步骤，具体包括：

a1.用阶梯型边缘检测算法Canny算子对图像进行边缘检测，通过动态阈值确定Canny算子的高阈值与低阈值；

b1.去除干扰边缘，包括：

设置滑动窗口滤波器滤除图像中的垂直横向直线；

用Sobel梯度算子计算图像中像素点的方向梯度，再用反正切求出该像素点的方向角度，根据角度大小进行方向梯度滤波；

A2.车道线识别步骤，具体包括：

a2.通过Hough变换检测出多条直线，根据直线所处图像的位置与斜率来确定车道线；

b2.通过左右两车道线的位置、斜率和夹角关系判断确定的车道线是否符合要求。

作为本发明的改进方案，边缘检测步骤A1中的步骤a1包括：

a11.计算检测区域内图像的像素灰度平均值；

a12.进一步计算检测区域内图像的像素灰度方差；

a13.实验测试各种道路环境情况，得出各路况环境中的检测图像的像素灰度平均值和方差取值分布；

a14.根据图像的像素灰度平均值和方差取值，判断路况环境，不同的路况环境下对图像采用不同的Canny算子的高低检测阈值，各路况环境下采用的高阈值及低阈值通过经验值获取。

作为本发明的改进方案，在边缘检测步骤A1中的步骤b1中，具体地：

所述滑动窗口滤波器通过预设大小的窗口在图像上滑动，删除窗口内出现的垂直和横向的直线，判断删除的条件是垂直或横向边缘像素点数是否达到设定值。

作为本发明进一步的改进方案，在边缘检测步骤A1中的步骤b1中，具体地：

用Sobel梯度算子计算图像中像素点的方向梯度的Gx，Gy和方向角度θ的计算式如下：

其中，A表示图像；

Gx，Gy表示图像A上像素点的X轴方向梯度和Y轴方向梯度；

θ表示图像A上像素点的方向角度。

作为本发明进一步的改进方案，车道线识别步骤A2中的步骤a2包括：

a21.累计概率霍夫变换返回直线的两端坐标（line[1].x，line[1].y）、（line[2].x，line[2].y），计算x轴的中值x_med=(line[1].x+line[2].x)/2；

a22.设道路图像宽度为W，如果x_med<W/2，将直线判断为左车道线候选直线，相反，如果x_med>W/2，将直线判断为右车道线候选直线；

a23.分别确定左右车道线候选直线的直线方程y=kx+b；