[发明专利]一种快速车道线检测方法

权利要求书

1.一种快速车道线检测方法，其特征是，具体包括如下步骤：

步骤1、通过安装在车辆上的摄像头获取到道路的图像，并且记录下相关参数，即摄像头的离地高度、偏航角、螺旋角、焦距、光学中心坐标和所获取图像的图像大小；

步骤2、针对获取到的图像和参数，进行感兴趣区域的设定和逆透视变换，将图像转换为鸟瞰图；

步骤3、利用二维高斯滤波处理对鸟瞰图进行去噪，在垂直方向采用高斯低通滤波，在水平方向则采用二阶高斯差分滤波，去噪之后的图像会使车道线在较暗的背景下凸显其车道线的特征，然后再进行二值化处理，为了防止因光线影响而导致车道线与道路路面差异性过小，因此采用考虑全局性的二值化处理，即：

其中，κ为根据图像具体情况设定的参数，T为所有像素中的最大值，B为所有像素中最小值；

步骤4、针对二值化后的图像，首先利用霍夫变换进行直线检测，得到一组候选车道线，然后利用距离权重公式对候选车道线进行简单筛选和左右候选车道线分组，即：

假设检测出的第一条线段为(r₁，φ₁)、第二条线段为(r₂，φ₂)，其中r_i是图像空间中坐标原点到线段的距离，φ_i是线段与轴的夹角，并且这两个参数可以通过霍夫变换直接得到，那么，这两条直线距离关系的计算公式为d＝|r₁-r₂|+λ|φ₁-φ₂|

其中λ为权重系数，并且

另外，通过上述公式保证参数φ_i同号，从而计算更准确；

当d值小于等于设置的距离阈值，则分为一组，大于设置的距离阈值，则分为另外一组，根据每一组的直线与图像边缘的交点，设置矩形框将已经分好的左右车道线组框住，从而得到候选车道线的相关区域；

步骤5、利用随机抽样一致性算法分别对左候选车道线区域和右候选车道线区域进行筛选，并且在每个车道线区域的部分进行拟合，在区域的近视场中用直线模型拟合，根据随机选取的候选车道线区域中的样本点，计算点到直线的距离，假设候选车道线共有N条，设第k条直线y＝a_kx+b_k，根据上一步骤中取n个样本点，然后计算点(x_i,y_i)到直线的距离大小：

然后将所有距离求和，即

若d_k小于设置阈值d^*，那么就是确定的直线形式车道线，反之则是误检；若全未达到，则重新选取样本点；

远视场则采用贝塞尔曲线拟合，曲线拟合主要根据三阶贝塞尔曲线形式：

其中，t∈[0,1]，P(0)＝P₀，P(1)＝P₃；一条三阶贝塞尔曲线基本形状就是由P₁和P₂控制；

因此计算的重点在于计算P₁和P₂；假设有n个样本点，其中点可以表示为q_i＝(u_i,v_i)，设t_i∈[0,1]为q_i到q₁累积欧式距离比例，具体公式如下：

其中，q₀＝q₁，并且而且t₁＝0和t_n＝1表示曲线的起点和终点；

同时定义：

通过P＝(TM)*Q，其中(TM)*是(TM)的伪逆矩阵；从而计算出所有的控制点；所有控制点计算出来后便可以用贝塞尔曲线的公式进行拟合；

同时定义计算曲线的拟合度，其拟合度公式为

式中：score为曲线拟合度，s为原始曲线的参数即曲线的像素值总和；L＝l/v-1，l是曲线长度，该长度可以根据贝塞尔曲线性质计算出来，v是图像高度，因此，如果L＝0意味着是一条很长的曲线，如果L＝-1则意味着该曲线很短；θ表示着曲线弯曲度，定义为θ＝θ'/2，θ'为控制点间线条的弯曲差异度，即θ'＝cos(θ₁-θ₂)，θ₁和θ₂为曲线前后弯曲角度，可以通过检测出的曲线中得出，其中m₁和m₂是根据相应情况自行设定的限制参数；

利用双模型拟合可以有效减少误检，从而较为准确得到最终的左车道线和右车道线。