[发明专利]一种基于双尺度的车道标识二值化检测方法

说明书

技术领域

本发明涉及智能驾驶领域，具体地说是一种基于双尺度的车道标识二值化检测方法。

背景技术

当今社会，智能驾驶正在以前所未有的高速度发展。可以展望，不久的将来，智能驾驶就会进入百姓的生活。智能驾驶很重要的一项任务就是对车道标识的检测。复杂的车道，形形色色的车道标识，给检测带来了影响。其中影响最大的，就是晴天环境下的阴影。因为，需要对车道图像进行二值化处理，才能分辨出其中的车道标识。阴影遮挡会造成局部车道标识在车道图像中的像素值衰减，局部车道标识模糊。二值化的结果可能并不完整，导致后期对车道标识的判断不准确。

现有的方法采用单一阈值，进行二值化图像提取，很难将车道标识完整地提取出来。

发明内容

针对现有技术的不足，本发明提供一种基于双尺度的车道标识二值化检测方法，从车道图像中提取完整的车道标识二值化图像，保证了之后对车道标识的判断准确。

本发明为实现上述目的所采用的技术方案是：

一种基于双尺度的车道标识二值化检测方法，包括以下步骤：

步骤1：通过车载摄像机采集道路灰度图像；

步骤2：根据透视变换的方法，将道路灰度图像转换为透视图像；

步骤3：对透视图像进行聚类处理，得到聚类图像；

步骤4：对聚类图像进行双尺度二值化处理，得到二值化图像。

所述聚类处理包括以下过程：

步骤1：利用均值滤波对透视图像进行去噪处理；

步骤2：提取图像的LBP特征；

步骤3：利用kmeans聚类算法，对图像的LBP特征进行聚类；

步骤4：求聚类后图像的方差，选取方差最大值对应的图像作为聚类图像。

所述双尺度二值化处理包括以下过程：

步骤1：选取一个像素值较大的阈值，对图像进行二值化处理，得到车道标识的局部二值化图像；

步骤2：选取低阈值对车道标识的局部二值化图像进行二值化处理；

步骤3：对得到的图像进行方差的计算，选取方差最大值对应的图像作为二值化图像。

所述低阈值为聚类后图像每一类对应的像素值。

所述方差为：

g=Σi=1nwi*pow((u-ui),2)]]>

其中，g为聚类后图像的方差、n为类数、wi为当前类占整幅图像的比例、ui为wi的平均灰度、u为整幅图像的平均灰度。

本发明具有以下有益效果及优点：

1.本发明可以排除阴影的影响，对车道标识的检测更加准确；

2.本发明节省时间，可以加快检测速度。

附图说明

图1是本发明的方法流程图；

图2是本发明的聚类处理流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

如图1所示为本发明的方法流程图。

首先，通过车载摄像机采集前方道路信息，并将彩色图像转换为灰度图像。因为视觉透视的原因，采集到的车道线在天际线处交汇于一点。车道线标识相应地呈不规则状。所以，要对车道线标识进行透视变换，使车道线呈矩形。

透视变换的原理和过程如下：

1.以视频的一幅图像作为样本进行标定处理，人工选定4个任意矩形的4个角点作为4个特征点(本发明中选择两条相邻的虚车道线的内侧4个点作为特征点)，对于图像上映射的4个点的坐标选择以图像左上点为原点，向右为X正方向，向下为Y正方向，中的图像区域中间偏下的位置。

2.根据下列方程求解透视系数：