基于視覺的車道線檢測(cè)算法探討

劉 娜 曹健明 王小樂

（長(zhǎng)安大學(xué) 信息工程學(xué)院，陜西西安 710064）

0 引言

在車道線檢測(cè)中根據(jù)傳感器的工作原理，可以將傳感器分為主動(dòng)式傳感器和被動(dòng)式傳感器兩種。之所以被動(dòng)式視覺傳感器的研究這么流行是因?yàn)橐曈X圖像中包含大量的有用信息，因?yàn)轳{駛員所獲得的信息90%以上是通過視覺感知獲得的。基于視覺的車道線檢測(cè)也已經(jīng)取得了一定的成果，但是由于圖像中包含很多無用信息如樹木、天空、柵欄等都會(huì)影響到算法的實(shí)時(shí)性和魯棒性，所以還沒有比較成熟的車道線檢測(cè)算法。

針對(duì)算法的魯棒性問題本文提出利用中值濾波算法對(duì)原始道路圖像進(jìn)行去噪處理，再利用改進(jìn)的Otsu（大津法）對(duì)圖像進(jìn)行圖像分割，將目標(biāo)區(qū)域從背景中區(qū)分出來。并利用基于最大正方形中軸變換的骨架提取算法對(duì)圖像進(jìn)行細(xì)化減少后續(xù)工作的計(jì)算量。最后在細(xì)化后的圖像中運(yùn)用改進(jìn)Hough變換提取出車道線的參數(shù)信息，根據(jù)參數(shù)信息擬合出車道線模型。

1 圖像預(yù)處理

圖像預(yù)處理就是按照需要對(duì)原始圖像進(jìn)行去噪處理，本文中主要就是對(duì)圖像進(jìn)行中值濾波去除噪聲，并對(duì)去噪后的圖像進(jìn)行圖像分割。

1.1 噪聲處理

一些常見的噪聲有椒鹽噪聲、脈沖噪聲、高斯噪聲等。椒鹽噪聲含有隨機(jī)出現(xiàn)的黑白強(qiáng)度值，而脈沖噪聲則只含有隨機(jī)的白強(qiáng)度值（正脈沖噪聲）或黑強(qiáng)度值（負(fù)脈沖噪聲）。去噪方法也有很多如最小均方濾波、平均值濾波、超限鄰域平均法等。在道路圖像中主要是椒鹽噪聲，所以本文選用中值濾波算法，該方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)，這是因?yàn)樗灰蕾囉卩徲騼?nèi)那些與典型值差別很大的值，在一定條件下可以克服線性濾波器例如最小均方濾波、平均值濾波等方法帶來的圖像細(xì)節(jié)模糊，并且對(duì)濾波脈沖干擾及圖像掃描噪聲最為有效。中值濾波的窗口大小的選擇對(duì)濾波的影響很大，窗口過大會(huì)模糊圖像邊緣，窗口過小會(huì)起不到去噪效果。在本文中由于結(jié)構(gòu)化的道路圖像有緩變的較長(zhǎng)輪廓所以選用3*3的方形中值濾波。

計(jì)算以點(diǎn)[i,j]為中心的函數(shù)窗像素中值步驟如下：

1）按圖像像素值大小排列像素點(diǎn)。

2）選擇排序像素集的中間值賦給點(diǎn)[i,j]。

這一過程如圖1所示。

圖1 3×3鄰域的中值濾波器示意圖

1.2 邊緣檢測(cè)

圖像邊緣能夠描述出目標(biāo)物體，從本質(zhì)上將圖像邊緣就是圖像局部特征不連續(xù)性如灰度突變、顏色突變等的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。常見的邊緣檢測(cè)算子是微分算子類。如梯度算子、Robert算子、Sobel算子、Prewitt邊緣檢測(cè)算子、Krisch算子等。通過這幾種算子的實(shí)驗(yàn)可以得到Robert算子的邊緣不夠清晰，Krisch算子的邊緣檢測(cè)中沒有明顯的將邊緣和背景區(qū)分開來，Prewitt邊緣檢測(cè)算子和Sobel算子計(jì)算方程相同所以效果差不多，但是與Sobel算子不同，這一算子沒有把重點(diǎn)放在接近模板中心的像素點(diǎn)。所以本文選用Sobel算子邊緣檢測(cè)。

2 分離背景

本文選用OTSU算法也稱最大類間差法，它是按圖像的灰度特性將圖像分成背景和前景兩部分[6]。這種方法計(jì)算簡(jiǎn)單，不受圖像亮度和對(duì)比度的影響。背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或者部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，所以使用OTSU分割意味著錯(cuò)分概率最小。

其中iThreshold為分割閾值，w0為背景比例，u0為背景均值，w1為目標(biāo)比例，u1為目標(biāo)均值，u為整幅圖像的均值。由于車道線的信息都在道路圖像的下半部分，圖像的上半部分包含有如天空，標(biāo)牌等非有用信息。文中根據(jù)攝像機(jī)的視角在對(duì)圖像進(jìn)行分割的時(shí)候直接將1/3高的上部圖像灰度值置為255，將圖像的2/3作為車道線檢測(cè)的感興趣區(qū)域。由于背景分離的圖像中依然有很多非目標(biāo)點(diǎn)所以在使用Hough變換提取車道線之前，對(duì)進(jìn)行二值化后的圖像進(jìn)行像素點(diǎn)的篩選減少噪聲的干擾。根據(jù)圖像中車道線的寬度選擇適合的m值，對(duì)像素值進(jìn)行判斷，如果二值圖像中的像素點(diǎn)f(i,j)的灰度值為0則判斷該點(diǎn)左右像素點(diǎn)f(i ± m ,j)的灰度值都為255，則認(rèn)為像素點(diǎn)f(i,j)可能為車道線上的點(diǎn)。在本文中將圖像上下分為兩部分，上部分m=12，下部分m=16。

3 利用改進(jìn)Hough變換提取車道線信息

在廣泛采用的標(biāo)準(zhǔn)Hough變換的直線檢測(cè)具有很好的魯棒性，但是耗時(shí)交長(zhǎng)。主要是標(biāo)準(zhǔn)Hough變換是對(duì)整幅圖像進(jìn)行圖像空間到參數(shù)空間的映射之后統(tǒng)計(jì)各個(gè)累加器的計(jì)數(shù)來確定直線。本文中基于概率的Hough變換是在進(jìn)行從圖像空間到參數(shù)空間映射的同時(shí)進(jìn)行計(jì)數(shù)查詢。

3.1 改進(jìn) hough變換算法流程

在對(duì)圖像進(jìn)行首次檢測(cè)的流程如下：

（1）申請(qǐng)極坐標(biāo)空間，給極坐標(biāo)空間中的每個(gè)單元分配一個(gè)累加器D（，），將累加器的初值設(shè)置為零。

（2）將道路圖像進(jìn)行極坐標(biāo)變換，同時(shí)查詢累加器的值，如有超過閾值T，停止極坐標(biāo)變換，記錄存儲(chǔ)坐標(biāo)值。

（3）獲取之后的第五幀圖像，進(jìn)行以上兩步計(jì)算。

（4）再得到第十幀圖像進(jìn)行前兩步的計(jì)算。

（5）利用公式計(jì)算三組值得斜率，并進(jìn)行兩兩比較，得出車道線參數(shù)。

首次得到車道線參數(shù)后，可以根據(jù)參數(shù)的值劃定檢測(cè)的感興趣區(qū)域，在以后進(jìn)行檢測(cè)時(shí)只需在感興趣區(qū)域內(nèi)進(jìn)行變換就算，減少計(jì)算量同時(shí)也增大了健壯性。

3.2 提取車道線參數(shù)擬合車道線

進(jìn)行改進(jìn)的Hough變換后，可以檢測(cè)到車道線的參數(shù)信息，即得到從原點(diǎn)到直線的距離值以及與X軸的夾角的值。車道線直線方程式中k、b的值與、的關(guān)系，如下。

k=

b=

為了能夠重新畫出車道線，還需要求出道路消失點(diǎn)，也就是視野中道路的盡頭。在圖像中為左右兩條車道標(biāo)識(shí)線的交點(diǎn)，就是兩條直線的交點(diǎn)。聯(lián)立左右車道線方程組得到道路消失點(diǎn)的坐標(biāo)為：

分別得到左右車道標(biāo)識(shí)線的斜率和截距以及道路消失點(diǎn)后即可畫出車道標(biāo)識(shí)線。

4 結(jié)果分析

結(jié)果如圖3所示。

圖3 車道線擬合

本文選取了兩個(gè)不同場(chǎng)景進(jìn)行檢測(cè)，在基于VC6.0，圖像格式為BMP，大小為315 *137。使用的計(jì)算機(jī)為Intel i5-2450M CPU 2.50GHz 4G內(nèi)存，處理速度為每幀40ms。從圖中可以看出，該方法能夠比較準(zhǔn)確地對(duì)車道線進(jìn)行識(shí)別和擬合。由于只對(duì)感興趣區(qū)域進(jìn)行計(jì)算，因此不僅能夠減少計(jì)算量，而且可以保證準(zhǔn)確度。

5 總結(jié)

提出車道偏離預(yù)警系統(tǒng)的車道線檢測(cè)，該方法對(duì)道路圖像選取車道線信息較多的區(qū)域進(jìn)行處理，并且根據(jù)車道線的寬度篩選可能的道路像素點(diǎn)，減少了噪聲點(diǎn)的干擾。應(yīng)用改進(jìn)Hough算法計(jì)算出車道線的車道參數(shù)，能夠精確的對(duì)車道線進(jìn)行擬合。

[1]耿靜靜.基于單目視覺的車道線檢測(cè)與識(shí)別[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2007.

[2]劉富強(qiáng).一種基于視覺的車道線檢測(cè)與跟蹤算法[J].上海：同濟(jì)大學(xué)交通學(xué)院，2010.

[3]劉獻(xiàn)如.結(jié)構(gòu)化道路車道線的魯棒檢測(cè)與跟蹤[J].湖南：中南大學(xué)，2010.

[4]楊朝輝.基于卡方校驗(yàn)的SAR圖像道路檢測(cè)算法[J]。江蘇：蘇州科技學(xué)院，2012.

[5]Iteris' Lane Departure Warning System Now Available on Mercedes Trucksin Europe.The Source for Intelligent Vehicle News，IV source，June 2000.

[6]章毓晉.圖像工程[M]第二版 北京：清華大學(xué)出版社，2007.