[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

摘要

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。

主权项

1.一种用于无人车的自适应精准车道线检测方法，其特征在于，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；步骤4.5，以每个部分的直方统计图中峰值像素点左侧的M个像素点作为基点，将每一个基点作为一个正方形检测框的左下角点，如图3所示；如果检测框中的白色像素点数目大于N，则认为检测框里的白色像素点为车道线对应的像素点；步骤4.6，如果检测框里的白色像素点数目小于N，则认为此检测框中不包含车道线，丢弃此检测框；步骤4.7，如果一个检测框被丢弃，则将该检测框对应基点向右移10个像素处的像素点作为新基点，将新基点作为正方形检测框的左下角点，检测此检测框中的白色像素点；步骤4.8，如果在俯视图的16个部分中，有一部分中的正方形检测框被丢弃5次以上，认为此处车道线检测可能被遮挡，则放弃当摄像机获取的当前帧图像的车道线位置检测过程，执行步骤6；步骤4.9，当俯视图的16个部分均完成车道线对应像素点的检测过程后，提取并保存16个部分中所有检测框的中点的坐标；步骤4.10，分别对俯视图中左侧部分的所有检测框的中点、右侧部分的所有检测框中点作曲线拟合，即得到了左、右两个车道线的拟合曲线；步骤5，车辆行驶偏离检测步骤5.1，计算出俯视图的中线到左侧车道线的距离：上式中，当i＝0时，x_i表示左侧车道线的拟合曲线上下端点的横坐标，该下端点即俯视图左侧部分中最下部检测框的中点的横坐标；当i＝1～10时，x_i分别表示所述下端点上方的10个像素点横坐标；x_center为俯视图中线的横坐标；步骤5.2，计算出俯视图的中线到右侧车道线的距离：上式中，当i＝0时，x_i表示右侧车道线的拟合曲线上下端点的横坐标，该下端点即俯视图右侧部分中最下部检测框的中点的横坐标；当i＝1～10时，x_i分别表示所述下端点上方的10个像素点横坐标；步骤5.3，如果|d_left‑d_right|>T，则判定车辆正在偏离车道正中心，将偏离信息传给无人车上的行车电脑，为车辆行驶方向调整提供数据；其中T为设定的阈值；步骤6，利用上一帧图像车道线的拟合曲线，通过卡尔曼滤波算法预测当前帧图像中车道线的拟合曲线，并进行步骤5的车辆行驶偏离检测过程。