[发明专利]一种基于边缘特征及滑动窗的车道线检测方法

说明书

本发明公开了一种基于边缘特征及滑动窗的车道线检测方法，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，对待检测图像进行校正得到校正图像；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来求解车道线的二次曲线参数；S5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。本发明能够兼顾实时性和鲁棒性，可以简单快速实现车道线检测。

技术领域

本发明涉及自动驾驶图像处理技术领域，具体涉及一种基于边缘特征及滑动窗的车道线检测方法。

背景技术

随着汽车产业与公路交通建设的快速发展，交通安全问题日趋严重，运用计算机技术手段对车辆驾驶系统进行辅助成为未来发展的一种趋势，通过实现汽车的智能化，逐步实现汽车的自动驾驶。基于视觉信息的车道线识别与检测是自动驾驶领域中一个重要的问题，其需要从车载摄像机拍摄的视频或者数字图像信息中，将车道线与道路背景进行快速准确地分离，进一步获得车道线位置及走向信息。

目前国内外现有的车道线检测方法主要可分为基于模型的方法和基于特征的方法。基于模型的方法主要是基于不同的车道线曲线模型，如直线模型，二次曲线模型、双曲线模型等，获取车道线特征图中位于车道线上的像素点，使用Hough变换等来拟合车道线曲线模型的参数，根据曲线模型参数来获取车道线位置即走向信息。其特点是使用较多且复杂的参数建立车道线模型，对于较为复杂的车道线实用性较差，算法设计也存在较大的复杂度，一定程度上降低了算法检测的鲁棒性和实时性。基于特征的方法主要是基于车道线颜色特征、边缘特征等从原始图像中获取到车道线边缘特征图像，进一步通过划分搜索区域，确定不同搜索区域内车道线的偏离点，根据偏离点的位置坐标判断车道线位置及走向信息。其特点是算法设计简单，在保证算法复杂度较低的情况下仍能保证车道线检测的准确性和实时性，并且可以适应较为复杂的难以建立曲线模型的车道线。

发明内容

针对现有算法中模型参数较多比较复杂、实时性差的缺点，本发明提供了一种基于边缘特征及滑动窗的车道线检测方法，通过融合车道线HLS通道的颜色特征以及基于Sobel算子提取车道线边缘特征，进一步使用滑动窗多项式拟合算法进行车道线检测，算法具有良好的实时性以及准确性。

本发明为了实现上述目的具体采用以下技术方案：

一种基于边缘特征及滑动窗的车道线检测方法，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。

进一步的，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；