[发明专利]一种车道线检测及跟踪检测方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及车道线的检测。

背景技术

每年全世界范围内都有很多人因为车辆行驶偏离而丧生于车祸当中，为了避免这样的事情发生，人们提出了一种智能辅助驾驶系统，能够在一定程度上预警驾驶员，达到减少此类事故发生的效果。车道线检测便是智能驾驶辅助系统中很重要的一部分，在此领域已经提出了一系列获得良好效果的算法，其中包括基于模板、基于纹理、基于区域的算法。

为实时性的限制，即使一些著名的算法有较高的检测和跟踪率，但因为它们需要耗费大量的处理时间，所以很难应用到实际当中，比如Yue Wang利用B-Snake进行车道线检测的算法。一些算法在光照较弱和车道线缺失的情况下也能够获得较好的检测效果，但是对于弯道检测却有较高的错误率，比如Massimo Bertozzi利用立体视觉系统进行车道线检测的算法。

其他的一些算法，比如Canny/Hough Estimation of Vanishing Points(CHEVP)，该算法通过在车道检测图片上确定消失点的位置来定位车道线，但是该算法中通过消失点确定车道线的鲁棒性很弱，因为该算法假设每个区域内的车掉线都相交于同一个消失点，但是由于噪声和其他干扰的原因，每个区域内的真实车道线并不会交于同一个消失点，以至于其鲁棒性很弱，另外，该算法还无法处理车道线缺失的情况，并且对于初始化的参数比较敏感，鲁棒性较弱。

发明内容

本发明的目的在于，针对现有的车道线检测方法存在的缺陷，提出一种鲁棒性强的车道线检测方法。

本发明的车道线检测方法，包括下列步骤：

步骤1：采集道路视频图像；

步骤2：基于所述视频图像的前N(N≥2)帧图像，获取单应性矩阵H：

分别将每帧图像转换为灰度图像，并进行边缘检测输出边缘图像；并将边缘图像横向分为T(T≥2)个图像块，每个边缘图像块的宽度等于边缘图像的宽度；

对每个边缘图像，分别进行初始化消失线检测：对每个图像块进行直线检测，得到每个图像块所对应的直线集；并基于直线集中的每对直线的交点确定边缘图像的消失线的坐标；基于预设的滑动窗口，检测出N个消失线最集中的纵坐标区域，取该纵坐标区域中任意纵坐标为当前所有边缘图像的初始化消失线坐标；

在图像I_i的初始化消失线下方的图像块中确定一对车道线段对，其中图像I_i表示前N帧图像中的任意一帧图像；

定义所述车道线段对的端点为控制点；在垂直于边缘图像的水平坐标上确定两条平行的直线l1和l2，定义为所述车道线段对的坐标转换线段，分别在直线l1和l2上任意取两点作为对应控制点的转换点，基于所述控制点和转换点，计算单应性矩阵H；

步骤3：对道路视频图像的每帧图像进行车道检测处理：

步骤301：对当前帧图像进行灰度处理，并进行边缘检测输出边缘图像；

步骤302：基于所述单应性矩阵H对所述边缘检测图像进行逆透视变换处理：在边缘检测图像取相交点以下的各像素点，基于所述单应性矩阵H进行逆透视变换，得到图像I_con；

步骤303：将图像I_con横向分为K个图像块，其中各图像块的宽度等于图像I_con的宽度，用k从上到下用对各图像块进行标识，其中k＝1,2,…,K，且K大于等于3；

分别对图像块进行直线检测，得到各图像块的直线集，并存储每条直线中点坐标和直线长度；

将图像块1和图像块K所对应的各直线集的每条直线的端点作为拟合点，从图像块1和图像块K中分别取两个拟合点组成一组，基于每组拟合端点得到一条光滑的曲线x，若曲线x与图像I_con底端的交点在图像I_con的中心点右边，则定义为右曲线；否则定义为左曲线；

基于公式分别计算每条曲线x的权值，其中p表示直线中点，θ表示图像块2到图像块K-1的所有直线中点(共K-2个图像块中所有中点)，d_x(p)表示直线中点到曲线x的直线距离，当d_x(p)小于等于3个像素点时，P(d_x(p)＜3)的取值为1，否则为0；表示经过直线中点p的直线的长度；

步骤304：从各左右曲线中，分别取最大权值的曲线为当前图像I_con的车道线对，根据单应性矩阵H进行坐标变换，输出当前帧图像的车道线对。