[发明专利]一种基于车道线置信度的方向滤波方法

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种基于车道线置信度的方向滤波方法。

背景技术

汽车安全驾驶辅助系统中，车道偏离预警系统是其重要组成部分，而车道线的正确识别是车道偏离预警系统的保障，车道线的识别分为车道线边缘特征点的提取，及应用车道线模型对提取特征点进行拟合，因此有效检测车道线边缘特征点至关重要。

现有的基于单目视觉的车道线检测技术，大多采用车道线的边缘特征，即边缘检测后分割出边缘特征点，再利用霍夫变换、最小二乘法等直线模型或曲线、样条等曲线模型，并结合车道线边缘特征点拟合车道线；也有应用方向可调滤波器提取车道线边缘特征点，该方法特征点阈值的设置取决于全局最大响应。

基于分割的边缘点检测，在车道线磨损及与路面的对比度降低时，分割出车道线边缘特征点时伴随着大量噪声信号的产生，使得很难找到合适的滤波方法在去除噪声的同时保留车道线边缘特征点，而基于方向可调滤波器的车车道线特征点提取方法在光照变化、阴影遮挡车道线等复杂情况时，阈值的设置变得困难，文献【应用方向可调滤波器的车道线识别方法】提出结合边缘分布函数的方向可调滤波改进该问题，其缺点在于应用边缘分布函数计算车道线边缘方向，在复杂情况下，受到干扰的影响，车道线边缘方向较难估计，同时置信度判断方法，在干扰较为严重且只检测到单条车道线时，置信度判断方法应用受到限制，且该文中方向可调滤波器方法计算较为复杂，很难满足实时性需求。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于车道线置信度的方向滤波方法，以适应光照、车道线磨损及车道线与路面对比度较低时的车道线边缘特征点提取，使得该方法能去除噪声的同时保留车道线边缘特征点，提高恶劣环境下车道线的检测率。

本发明是通过以下技术方案达到上述目的：一种基于车道线置信度的方向滤波方法，包括以下步骤：

1)图像分割：

1.1)提取图像帧，对图像进行高斯滤波，并应用Sobel边缘检测算子对图像进行边缘检测；

1.2)图像消失点以下部分为感兴趣区域，将感兴趣区域分割为若干个子图像，对每个子图像计算自适应阈值，得到分割后的二值图像；

2)二值图像滤波：

2.1)从二值图像下边缘进行扫描各个像素点，计算灰度值为255的像素点的幅值和梯度方向，根据该像素点计算其他各像素点的边缘梯度方向；

2.2)对前帧图像车道线置信度进行判断，根据车道线置信度要求对二值图像进行滤波选择：

2.2.1)若前帧图像车道线置信度小于设定阈值，根据幅值和梯度方向进行滤波；

2.2.2)若前帧图像车道线置信度大于设定阈值，根据前帧车道线方向进行滤波；

3)Hough算法检测车道线：采用直线模型y＝kx+b，由投票机制得到ρ＝x*cos(theta)+y*sin(theta)的最值，选取Hough检测出的五条候选车道线，并记录该车道线的起始点位置P_start、P_end，车道线角度θ；

4)车道线置信度设置：以车道线方向、起始点位置及车道宽度为约束条件，同时根据是否检测出左右两侧车道线，设置不同的置信度判断准则，以判断Hough检测直线是否为车道线，为二值图像提供车道线边缘主方向。

作为优选，所述步骤2)中，步骤2.1)中其他各像素点的方向梯度计算具体包括以下步骤：

2.1.1)将边缘方向离散化为N个部分，则每个方向角间隔从原始灰度图像中上边缘逐行扫描各像素点，以像素点为中心设置半径大小为R的矩形窗，计算矩形窗内N个方向各自梯度幅值的平均差值，求取该N个平均差值间的最大者，具有最大平均差值的方向为该点的边缘梯度方向，计算各方向梯度差平均值公式为：