[发明专利]一种车道线的提取方法及装置

说明书

技术领域

本发明涉及自主驾驶技术领域，特别涉及一种车道线的提取方法及装置。

背景技术

近年来，自主驾驶技术受到汽车研究者的普遍关注。车道线的提取是自主驾驶技术的重要组成部分。车道线的提取指，从车载摄像头获得的路面视频图像中，检测出车道线并将车道线与背景分离。

现有的车道线检测方式可分为车道线区域检测法，特征驱动法和模型驱动法三种。车道线区域检测法是根据车道线的色彩和纹理与背景的色彩和纹理不同，识别出车道线。特征驱动法是通过车道线的形状特征，例如车道线的轮廓和宽度，检测出车道线。模型驱动法是根据车道线的颜色和形状等外观特征建立车道线模型，再从图像中提取外观特征与车道线模型进行匹配，匹配成功的为车道线。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：现有的车道线检测方式主要依据的是车道线固有的外观特征（包括车道线的本色和固有轮廓），但在车辆的行驶途中，车道线的外观具有很多变化，比如，光照和天气条件在不同时刻变化显著，导致采集的车道线图像的明暗程度不同；不同地理环境下的路况不同，车道线可能被车辆或行人遮挡，影响车道线的轮廓。这些变化使得现有的车道线检测方法的稳定性和准确性下降。

发明内容

为了解决提高车道线提取方式的稳定性和准确性，本发明实施例提供了一种车道线的提取方法及装置。所述技术方案如下：

一方面，本发明实施例提供了一种车道线的提取方法，所述方法包括：

获取需提取车道线的彩色图像；

在所述彩色图像上以预定间隔像素选取多个像素，并以选取的每个所述像素为中心像素，依次从所述彩色图像上选取预定尺寸的图像区域，所述预定尺寸小于所述彩色图像的尺寸；

获取每个所述图像区域的哈尔小波Haar_like特征；

采用预设的分类器分别对每个所述图像区域的Haar_like特征进行分类，得到类别为车道线的所述图像区域；所述预设的分类器为，通过boosting训练算法训练所述预定尺寸的样本图像的Haar_like特征得到的级联分类器；

根据类别为车道线的所述图像区域，提取所述需提取车道线的彩色图像上的车道线。

可选地，所述获取每个所述图像区域的Haar_like特征，包括：

分别获取每个所述图像区域的特征图，所述特征图包括亮度色度YUV模式图和Canny边缘特征图，或者所述特征图包括所述YUV模式图和梯度直方图，或者所述特征图包括所述YUV模式图、所述Canny边缘特征图和所述梯度直方图；

根据每个所述图像区域的特征图，通过类haar模板获取每个所述图像区域的Haar_like特征。

可选地，所述根据每个所述图像区域的特征图，通过类haar模板获取每个所述图像区域的Haar_like特征，包括：

以每个所述图像区域的每幅特征图的中心像素为原点，以预定像素数量为递增半径，在每幅所述特征图上作预定数量的同心圆；

分别计算每幅所述特征图上每个圆环内像素的均值，将每个所述均值和所述中心像素值构成每幅所述特征图对应的一维矢量；

将每个所述图像区域的所有所述特征图分别对应的一维矢量构成每个所述图像区域对应的特征矩阵，每个所述特征图对应的一维矢量为所述特征矩阵的行矩阵；

通过类haar模板在每个所述图像区域对应的所述特征矩阵上进行取样，得到每个所述图像区域的Haar_like特征。

可选地，所述根据类别为车道线的所述图像区域，提取所述需提取车道线的彩色图像上的车道线，包括：

获取每个类别为车道线的所述图像区域的中心像素坐标；

采用Hough变换对获取的每个所述中心像素坐标进行曲线拟合，得到用于表示车道线的曲线方程；

按照所述曲线方程，在所述需提取图像上绘制拟合出的曲线，以显示提取出的车道线。

可选地，在所述得到用于表示车道线的曲线方程之后，还包括：

按照预定规则对所述曲线方程进行修正，所述预定规则包括去除超过预定位置范围内的车道线。

另一方面，本发明实施例提供了一种车道线的提取装置，所述装置包括：

第一获取模块，用于获取需提取车道线的彩色图像；

选取模块，用于在所述彩色图像上以预定间隔像素选取多个像素，并以选取的每个所述像素为中心像素，依次从所述彩色图像上选取预定尺寸的图像区域，所述预定尺寸小于所述彩色图像的尺寸；

第二获取模块，用于获取每个所述图像区域的哈尔小波Haar_like特征；