[发明专利]一种基于边缘特征及滑动窗的车道线检测方法

权利要求书

1.一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，包括如下步骤：

S1：使用车载摄像机从不同角度拍摄多张棋盘格照片，利用张氏标定法进行畸变系数计算，根据畸变系数对车载摄像机拍摄的待检测图像进行畸变校正，得到校正图像；

S2：对校正图像进行透视变换，得到路面俯视图；

S3：在路面俯视图中提取HLS颜色特征和使用Sobel算子提取边缘特征，组合两种特征实现车道线分割；

S4：采用二次曲线作为车道线模型使用滑动窗多项式拟合得到车道线的二次曲线参数；

S5：根据二次曲线参数绘制二次多项式拟合的车道线，并使用逆透视变换反投影到校正图像，实现车道线检测在校正图像上的可视化效果。

2.根据权利要求1所述的一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，所述S1具体包括如下步骤：

S1.1：设置一个棋盘格标定板，通过移动车载摄像机，从不同角度、距离拍摄10幅畸变棋盘格图像；

S1.2：找到每幅畸变棋盘格图像中的棋盘格角点，将畸变棋盘格角点在像素坐标系下的位置信息与棋盘格角点在世界坐标系下的位置信息进行一一对应；

S1.3：使用张氏标定法根据S1.2中得到的角点信息进行相机标定，得到车载摄像机的内参矩阵mtx及畸变系数矩阵dist；

S1.4：根据S1.3中得到的内参矩阵mtx及畸变系数矩阵dist对车载摄像机拍摄的待检测图像A1进行畸变校正，得到校正图像A2。

3.根据权利要求1所述的一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，所述S2具体包括如下步骤：

S2.1：获取校正图像A2中四个关键像素点的位置坐标数组src及进行图像扭转之后与四个像素点相对应的位置坐标数组dst；

S2.2：使用S2.1中的数组src及dst进行透视变换计算，得到用于透视变换的扭转矩阵M以及用于恢复图像的反扭转矩阵Minv；

S2.3：根据S2.2中扭转矩阵M对校正图像A2进行透视变换得到路面俯视图A3。

4.根据权利要求1所述的一种基于边缘特征及滑动窗的车道线检测方法，其特征在于，所述S3具体包括如下步骤：

S3.1：针对路面俯视图A3，将路面俯视图A3从RGB颜色空间转换到HLS颜色空间，对S通道和L通道应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P1，其中S通道阈值条件为[140，255]，L通道阈值条件为[120，255]；

S3.2：针对路面俯视图A3，将图像A3转换为灰度图，得到图像A4，对图像A4进行边缘提取处理，边缘提取处理使用Sobel算子；

其中，横向Sobel算子为纵向Sobel算子为

S3.3：利用横向Sobel算子对图像A4进行卷积运算，得到图像A4的横向梯度gx，然后将gx归一化到[0，255]，并应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P2，其中阈值条件为[25，200]；

S3.4：利用纵向Sobel算子对图像A4进行卷积运算，得到图像A4的纵向梯度gy，然后将gy归一化到[0，255]，并应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P3，其中阈值条件为[25，200]；

S3.5：根据S3.3和S3.4中图像A4的横向梯度gx和纵向梯度gy，计算梯度幅值mag和梯度方向dir：

进一步将mag归一化到[0，255]，并应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P4，其中阈值条件为[30，100]；对dir应用阈值过滤进行二值化处理，满足阈值条件的像素点处的像素值置为1，不满足则像素值置为0，得到在此阈值条件下的通道信息P5，其中阈值条件为[0.8，1.2]；

S3.6：堆栈通道信息P1、P2、P3、P4、P5得到通道信息P6，对于任意一个像素点，若P2等于1并且P3等于1，或者P4等于1并且P5等于1，则通道信息P6为1，进一步将P1和P6进行二进制或操作，当P1和P6至少一个为1时，将该像素点的像素值置为1，得到二值图像即车道线边缘特征图像A5。