[发明专利]基于梯度约束的统计霍夫变换车道检测方法

摘要

基于梯度约束的统计霍夫变换车道检测方法，解决车道检测中标准霍夫变换依赖边缘检测结果的问题，利用高斯核函数对图像中每个像素进行建模而不需要边缘检测。通过梯度阈值的方法约束统计霍夫变换的初始数据集,最终得到车道参数的连续概率密度函数。在高速公路环境下，该方法能快速准确的检测出车道，具有很强的鲁棒性。

主权项

基于梯度约束的统计霍夫变换车道检测方法，其特征在于：包括以下步骤：步骤一、对原始图像进行灰度化处理，得到灰度图像，对灰度图象采用IPM变换得到车道检测的初始图像；步骤二、统计霍夫变换：灰度图像其一阶导数分别为、，则每个像素,N为像素总数，对应的梯度值与梯度方向为：（2）（3）通过式(2)、(3)计算得到每一个像素的梯度大小和梯度方向； 步骤三、统计霍夫变换针对每一个像素i进行高斯建模，计算得到的梯度值进行阈值化处理，首先去除掉梯度为零的像素，令阈值为T ，大于阈值的像素参与统计霍夫变换的运算， 阈值采用下式计算：（１０）式中为像素梯度幅值的最小值，为像素幅值的最大值,对于大于阈值的像素代入式(6)其中，,计算车道参数对应的概率密度，并构建立体直方图；直方图峰值对应的参数即为即为所求的车道模型参数,其中，是高斯核函数，，为车道模型参数，其中横纵坐标分别为的取值范围，z轴代表参数的概率密度。