[发明专利]一种快速车道线检测方法

说明书

本发明公开一种快速车道线检测方法，其首先将获取到的道路前视图通过逆透视变换方法转换成直观鸟瞰图，针对鸟瞰图做相应的高斯滤波去噪和二值化处理然后运用快速霍夫变换检测相关车道线区域，并对其进行区域分组以减少运算量，最后通过改进的RANSAC算法对相关车道线区域进行车道线筛选和拟合。本发明的优点是可以在复杂环境中较准确的提取到车道线，并且实时性较好，同时兼具弯道识别功能。本发明可以在复杂环境中较准确的提取到车道线，并且实时性较好，同时兼具弯道识别功能。

技术领域

本发明属于数字图像识别技术领域，具体涉及一种快速车道线检测方法。

背景技术

随着汽车的普及和车祸的频发，汽车安全驾驶越来越受人关注。而大部分的车祸都是由于驾驶员的不良习惯导致的。因此，高级驾驶员辅助系统(Advanced DriverAssistance System，ADAS)的提出可以有效的减小车祸的发生几率。同时车道偏离检测是高级驾驶员是高级驾驶员辅助系统中重要的一环，因此快速准确的识别道路上的车道线显得尤为重要。

在ADAS中，经常会使用到各种各样的传感器装备，例如激光雷达、GPS等。但是通过视觉传感器，利用计算机视觉方法检测车道线不仅可以大大节约成本，并且检测效果也很好。目前，通过图像识别技术对车道线进行检测的方法包括基于图像特征的识别的车道线检测方法和基于模型的识别的车道线检测方法两大类。

基于特征的识别的车道线检测方法主要分为在灰度图中基于边缘特征的识别和在彩色图中基于道路颜色纹理的识别等。在灰度图中的边缘特征提取，大部分都采用了霍夫变换来进行车道的提取，但是霍夫变换的计算复杂度比较大，因此运行速度比较慢，同时对于弯道的提取比较困难。基于道路颜色纹理的识别大多数是将RGB颜色空间转化为HSI颜色空间，然后对一个像素的色度和亮度分别建模。但是在每个像素上进行操作，因此对道路上的光线以及阴影较为敏感。

基于模型的识别则的车道线检测方法分为直线模型、样条曲线模型、线性抛物线模型、二次曲线模型和双曲线模型等。这些模型都是属于几何模型，简单固定的模型不能很好的针对复杂多变的车道进行拟合，但是类似B样条曲线、二次曲线等较为灵活的模型可以有效的对车道进行拟合，但是仅仅使用基于模型的识别对于车道破损以及图像噪声会导致拟合失败。

发明内容

本发明所要解决的技术问题是现有车道线检测方法存在的不足，提供一种快速车道线检测方法，其可以在复杂环境中较准确的提取到车道线，并且实时性较好，同时兼具弯道识别功能。

为解决上述问题，本发明是通过以下技术方案实现的：

一种快速车道线检测方法，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片大小；

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，并且将去噪后的图像进行二值化处理；

步骤4、针对二值化后的图片，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，得到左候选车道线区域和右候选车道线区域；

步骤5、利用随机抽样一致性算法对分别对左候选车道线区域和右候选车道线区域进行筛选，并分别对左候选车道线区域和右候选车道线区域直线和曲线进行拟合，得到最终的左车道线和右车道线。

上述步骤2具体为：

首先，根据获取到的图像设定合理的感兴趣区域；

然后，将该感兴趣区域中的每个像素点做矩阵变换，将图像坐标系转换为世界坐标系；