[发明专利]一种复杂光照条件下基于视觉的实时车道线检测的方法

摘要

一种复杂光照条件下基于视觉的实时车道线检测的方法属于计算机视觉和无人智能驾驶领域。在图像预处理时对不同光照图像进行光照估计和光照颜色校正，使其恢复到标准白光下。采用高斯滤波去除图像采集过程中引入的噪声，再对图像二值化处理和边缘提取，在提取过程中对原图像进行区域划分，利用改进的Hough变换得到车道候选线，建立动态感兴趣区域(ROI)，通过基于动态感兴趣区域(ROI)的Hough变换，及kalman滤波对车道线实时跟踪，实现对车道线模型的约束和更新，算法加入了车道线检测失效判别模块，以提高检测的可靠性。该发明速度快且鲁棒性好，在复杂光照条件下获得良好的车道线检测效果,提高了车辆在动态识别车道线的能力，提升了无人车自动驾驶的安全性。

主权项

一种复杂光照条件下基于视觉的实时车道线检测的方法，其特征在于，所述方法包括如下步骤:根据摄像机图像确定待检测区域,在所述待检测区域中检测车道标识得到检测结果即图像降采样设置感兴趣区域，图像预处理，建立车道线模型，Hough变换候选车道线，kalman滤波，判别模块；(1)对感兴趣区域图像预处理‑‑进行颜色校正；步骤一、样本块提取首先从图像中提取ψ个样本块；对每个图像样本块，估计照射在该块上的有效光照；步骤二、利用现有的单光照条件下的光照估计算法进行光照估计；基于Grey‑Edge颜色恒常性算法框架通过变换参数，产生多个不同的颜色恒常性特征值提取方法；步骤三、样本块光照估计值的聚类，把来自于同一光照下的图像块被聚类到一起以形成一个大的图像块，以便产生一个更为准确的光照估计值，同一光照照射下的块更易于聚类到同一簇；所有的光照估计值被聚类到M类；其中M为场景中的光照个数；步骤四、聚类结果的后向映射在把基于样本块的光照估计值聚类到M类后，把聚类的结果逐个映射到原始图像，也就是说，属于同一样本块的像素属于同一聚类，这样就得到每种光照的照射位置；由此得到一个光照映射图，即每个像素属于M个光照中的某一个；通过后向映射，得到每个像素的光照估计值，及像素所在光照类的聚类中心值；步骤五、对于重叠光照的区域，在后向映射的光照估计值的分类结果上使用高斯滤波器；步骤六、颜色校正，利用每个像素的光照估计值把输入图像校正到标准光照下，得到在标准光照下的输出图像(2)颜色校正后图像灰度化，如下式所示；其中，式中：R、G、B分别表示红、蓝、绿通道分量值；Gray表示转换后像素的灰度值；Gray＝R*0.5+G*0.5(3)对灰度化图像车道线边缘提取后进行改进的Hough变换，具体步骤如下：Step1.在给定参数下，对车道线特征进行基于概率的Hough变换操作，获取直线；Step2.对每一个通过Hough变换检测得到的直线，在所有的特征点集S中寻找距离直线不大于dh的特征点，构成集合Eh；Step3.利用最小二乘法确定集合E的回归直线参数kh和bh,其中kh是直线的斜率，bh是直线的截距，以及均方误差eh；Step4.对集合Eh中的任一特征点(xi,yi)，所有满足的khxi+bh>yi的特征点构成子集Epos，所有满足的khxi+bh<yi的特征点构成子集Eneg；Step5.在集合Epos和Eneg中，找出误差最大的点Pp和Pn，Step6.移除点Pp和Pn，更新集合Epos、Eneg和Eh，重复步骤3，直至误差eh小于εh；(4)检测出车道线，基于Kalman滤波车道线线跟踪，(5)车道线帧间关联关系(6)如果检测出车道线参数满足以下情况中的一种，就判定为算法失效；程序中断，程序从头开始执行，1)在动态感兴趣区域内，Hough变换检测到的直线个数为零；2)不满足车道线约束条件的帧数大于Tβ,Tβ＝5；3)从当前一帧检测出的车道线参数相对于上一帧发生了突变，即直线的斜率变化率不应超过10度，截距不超过15个像素。