[发明专利]车道线的获取方法及装置

说明书

本发明提供一种车道线的获取方法及装置，该方法包括：对待检测道路中的感兴趣区域图进行逆透视变换，得到变换后的感兴趣区域图；采用YC_bC_r颜色空间模型确定变换后的感兴趣区域图中每一个像素属于车道线的颜色概率；并对每一个像素属于车道线的颜色概率进行归一化处理，得到每一个像素属于车道线的灰度概率；根据每一个像素属于车道线的灰度概率得到车道线灰度概率图；采用聚类算法对车道线灰度概率模型图进行区域分割处理，得到二值分割结果图；对二值分割结果图进行处理，并获取待检测道路中的车道线。本发明提供的车道线的获取方法及装置，提高了车道线的检测精度。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种车道线的获取方法及装置。

背景技术

汽车辅助驾驶系统通常用来避免驾驶员的错误操作和疲劳驾驶。当车辆偏离正确车道或即将发生碰撞时，提醒驾驶员或自动控制车辆到安全状态，进而提高驾驶员的安全性。在汽车辅助驾驶系统中，车道线检测的精度和鲁棒性是非常重要的。

为了提高车道线的检测精度，现有技术中，通常是基于车道线颜色特征的方法和基于车道线边缘灰度值特征的方法进行检测，但是，对于基于车道线颜色特征的方法而言，其要求车道线必须具有鲜明的对比色，而现有的车道线的各颜色之间不一定具有鲜明的对比，采用该方法检测车道线的精度不高。此外，对于基于车道线边缘灰度值特征的方法而言，如果在安全标记较多的道路上，车道线边缘灰度值特征之间相似度较高，采用该方法检测车道线的精度也不高。

因此，采用现有的车道线检测方法，使得车道线检测的精度不高。

发明内容

本发明提供一种车道线的获取方法及装置，以提高车道线的检测精度。

本发明实施例提供一种车道线的获取方法，包括：

对待检测道路中的感兴趣区域图进行逆透视变换，得到变换后的感兴趣区域图；

采用YC_bC_r颜色空间模型确定所述变换后的感兴趣区域图中每一个像素属于车道线的颜色概率；

并对所述每一个像素属于车道线的颜色概率进行归一化处理，得到所述每一个像素属于车道线的灰度概率；

根据所述每一个像素属于车道线的灰度概率得到所述车道线灰度概率图；

采用聚类算法对所述车道线灰度概率模型图进行区域分割处理，得到二值分割结果图；

对所述二值分割结果图进行处理，并获取所述待检测道路中的车道线。

在本发明一实施例中，所述采用YC_bC_r颜色空间模型确定所述变换后的感兴趣区域图中每一个像素属于车道线的颜色概率，包括：

根据确定所述变换后的感兴趣区域图中每一个像素属于车道线的颜色概率；

其中，P(C_i|x)表示像素属于车道线的概率，N-1表示车道线共有N-1类颜色，C_i为第i类颜色，每个像素的颜色可以表示为：x＝(Y,C_b,C_r)，且x＝(Y，C_b，C_r)，Y是亮度分量，C_b是蓝色色度分量，C_r是红色色度分量，P(x)为像素x的颜色概率，P(x|C_i)为可能性概率，为先验性概率，#C_i为颜色C_i类中的样本数，K表示第K种颜色。

在本发明一实施例中，所述对所述每一个像素属于车道线的颜色概率进行归一化处理，得到所述每一个像素属于车道线的灰度概率，包括：

根据对所述每一个像素属于车道线的颜色概率进行归一化处理，得到所述每一个像素属于车道线的灰度概率；