[发明专利]一种用于无人车的自适应精准车道线检测及偏离预警方法

说明书

本发明提供了一种用于无人车的自适应精准车道线检测方法，该方法通过安装在无人车前方的工业摄像机采集图像，对图像进行裁剪和预处理后，通过自适应阈值的方法粗提取车道线，然后通过曲线拟合精确获取车道线；对于车道线被遮挡的情况，则采用卡尔曼滤波法进行车道线的预测，最终通过车道线的位置判断当前车辆是否方向发生的偏移，为行车电脑提供行驶数据。本发明方法解决了不同的光照条件下的车道线检测问题，运算量小且执行速度快，提高了检测的效率和精度，可以很好的应用无人驾驶汽车的车道保持及车道偏离预警功能中。

技术领域

本发明涉及无人驾驶和图像处理技术领域，具体涉及一种用于无人车的自适应精准车道线检测及偏离预警方法。

背景技术

车道线检测是自动驾驶汽车感知领域重要的一部分，是辅助或自动驾驶汽车车道保持、车道偏离预警的基础。目前，车道线检测的方法有基于激光雷达和基于摄像机两种。激光雷达虽然精度高，但是现阶段其价格昂贵，难以满足自动驾驶普及提出的大规模、低成本、车规级需求；而摄像头价格低廉，精度较高，是目前无人车感知领域的主流设备。

基于摄像头的车道线检测方法有许多种，比较传统的方法是利用霍夫变换和映射来找到直线，该方法对直线检测准确度较高，但是无法对车道转弯处的曲线进行检测，而且光照变化和车道线被遮挡对霍夫变换算法的影响较大。另外，霍夫变换算法还有一个缺点就是其计算量大，无法应用在实时的无人车感知系统中。比较新比较热门的方法是利用机器学习的方法，利用机器学习可以较为精确的找到车道线区域，但其缺点就是需要采集大量的车道线图片数据，并且需要人工大量标注。

发明内容

针对现有传统车道线检测方法存在的问题和不足，本发明提出了一种用于无人车的自适应精准车道线检测及偏离预警方法，能够解决不同的光照条件下的检测问题，并提高了检测效率和精度。

为了实现上述任务，本发明采用以下技术方案：

一种用于无人车的自适应精准车道线检测方法，包括以下步骤：

步骤1，将车载工业摄像机安装在无人车挡风玻璃前，通过摄像机获取车辆前方图像信息；

步骤2，将摄像机获取到的图像进行剪裁，得到要检测的兴趣区域，并对剪裁后的兴趣区域进行预处理；

步骤3，对预处理后的兴趣区域粗提取出车道线

步骤3.1，统计出兴趣区域中所有像素灰度级分布，将所有像素按照灰度值的大小，统计其出现的频率，得到灰度频率直方图；

步骤3.2，任取一个灰度值g，将所述的频率直方图根据g的值分为两部分，并计算这两部分像素所占比和平均值，然后利用Ostu大津算法计算类间方差；

步骤3.3，重新选择一个灰度值g，按照步骤3.2的方法计算类间方差，直至所有灰度值均被选择过；

步骤3.4，取最大类间方差时的g值作为阈值来分割整个兴趣区域，大于g值的像素设置为黑色，小于g值的像素设置为白色；

步骤4，用曲线拟合在图像中精确找到车道线位置；

步骤4.1，对于步骤3处理后的图像进行二次兴趣区域提取，裁减掉图像中的车身部分，得到新的兴趣区域；

步骤4.2，将新的兴趣区域用仿射变换转换为俯视图；

步骤4.3，将所述的俯视图分为左右两部分，再将每一部分沿水平方向从上到下各分成8个部分，一共把俯视图分为16个部分；

步骤4.4，对于俯视图的这16个部分，从每个部分的底侧沿图像的x轴方向做白色像素点的直方图统计；对于每一个部分的直方统计图，找到图中峰值对应的像素点；