基于canny和霍夫變換的車道線識別算法研究

唐陽山，李棟梁，朱停仃，黃賢成

（遼寧工業大學汽車與交通工程學院，遼寧 錦州 121001）

測試試驗

基于canny和霍夫變換的車道線識別算法研究

唐陽山，李棟梁，朱停仃，黃賢成

（遼寧工業大學汽車與交通工程學院，遼寧 錦州 121001）

車道線的識別是車道偏離預警系統的核心部分，文章提出了基于Canny和霍夫變換的車道線識別算法，主要包括中值濾波、圖像增強、二值化、Canny算子的邊緣檢測和霍夫變換的車道線識別。運用該算法，對汽車常用工況下的車道線圖像進行識別，實驗結果表明該算法能較好的識別車道線。

車道線識別；中值濾波；二值化；Canny；霍夫變換

前言

近年來，車道偏離預警技術受到國內外智能交通行業的普遍重視，并都取得比較明顯的成果[1]，并應用于智能交通系統中。車道線是道路交通中最重要的交通標識，可以對車輛的行駛起到約束保障的作用。無論是在車輛安全駕駛系統中還是在基于機器視覺的智能車輛導航中，車道線的檢測與識別都是一個基本的、必須的功能模塊，通過它不僅可以降低交通事故的發生，而且可以為以后智能交通深入研究提供幫助[2]。因此車道線識別質量的好壞將直接影響車道偏離預警技術的成功與否。本文提出了基于Canny和霍夫變換的車道線識別算法，并對汽車常用工況下的車道線圖像進行識別，實驗結果表明，該算法能有效準確地對車道線進行識別。

1 車道圖像預處理

車載 CCD拍攝的道路圖像中，除了能夠獲取車道標識線等信息外，還包含了許多無用的信息或者噪聲，因此圖像不能完全體現原來圖像的所有信息，所以必須首先對原始圖像進行預處理，達到抑制無關信息、改善圖像質量、提取感興趣部分以及突出本文所需要的車道標志線信息[3]。

對于車載 CCD獲取的道路圖像，圖像預處理主要依靠圖像灰度化、濾波、圖像增強等方式盡可能地消除干擾信息，同時也可以減小圖像的存儲容量，提高圖像的處理速度，本文采用加權平均法對圖像進行灰度化，用中值濾波對圖像進行去燥，并對去噪后的圖像進行圖像增強處理，圖像的預處理效果如下：

圖1 原圖像

圖2 灰度圖

圖3 中值濾波

圖4 圖像增強

2 感興趣區域的設定

圖像處理中，通常用劃分感興趣區域，來限定處理的范圍。一是可以減少程序運算量，二是可以去除其他區域中不相干的特征的干擾。在車道線識別的過程中，我們只需要關注路面信息就足夠了，因此我們可以通過設置ROI來去除其他區域的信息。

感興趣區域（ROI）的設置和攝像機安裝的位置有關。一般情況下，在攝像機獲得的圖像中，行車路面占圖像畫面的大約1 /2一2/3，消失線（可看作遠方的地平線）大約在圖像畫面的1/2處，是比較合理的。如圖

圖5 感興趣區域

3 圖像二值化

經圖像增強后的圖像仍為256級灰度圖像，圖像的二值化就是使用閾值法將圖像像素變為只有兩級(0或1)的圖像，這樣就得到了具有明顯黑白效果的圖像。本文采用的是最大類間方差法(OSTU)求取閾值，然后對圖像進行二值化[4]。OTSU是按照圖像某些灰度特點，把其整體割成兩塊:背景和目標。效果如下圖6：

圖6 二值化

4 車道線邊緣檢測

道路圖像邊緣檢測算法有Roberts算子、Log算子、Prewitt算子、Sobel算子和Canny算子。本文采用Canny算子的邊緣檢測方法，其中在邊緣檢測方面，Canny綜合能力最佳，因此，在圖像處理有關方面，其被得到越來越多的使用[5]。

Canny邊緣檢測具體實現步驟如下：

（1）用高斯濾波器對待處理的圖像進行平滑處理，減小圖像噪聲。濾波器公式如下：

其中，f(x,y)表示輸入圖像，G(x,y)表示輸出圖像，H(x,y)表示選取的高斯濾波器。

（2）計算梯度的幅度和方向：假設平滑后的行列濾波器的一階偏導數為Gx與Gv，它們的計算公式如下：

可以利用直角坐標系到極坐標的轉換關系來計算相應的幅值和方位：

（3）抑制非極大值

己經計算出來的某點梯度值越大，但不能說明就是邊緣點，因為是全局計算得到的，還必須通過方向找到像素局部最大位置，在不是極大值處對應的數置零。

（4）檢測

在進行邊緣檢測時，都會用到閾值，Canny為了避免此類問題，采用了雙閾值的技巧。在得到一個較大的閾值后，將其應于處理之中，得到一個對應的結果。之后的下一步，把邊緣輪廓連到一起。當到達線段的兩端時，把滿足另一個較小閾值的點構成的輪廓按照同樣的做法，以使整個邊緣閉合。使用該方法，其效果見下圖7。

圖7 邊緣檢測

5 車道線識別

傳統的車道識別方法包括基于霍夫變換的方法、基于神經網絡的方法、基于模板匹配的方法等，但后兩種方法計算量巨大、運算過程復雜，故采用霍夫變換?；舴蜃儞Q是模式識別領域中對二值圖像進行直線檢測的有效方法，該變換屬于全局性檢測方法，在檢測數據點集的共線性時具有較強的抗噪聲能力。

5.1 霍夫變換的原理

Hough變換檢測直線的基本原理是利用點與線的對偶性來實現的，如圖8。

圖8 點線對偶型

在圖8左側所示的(x,y)直角坐標系中，一條特定直線可以用下述方程來描述：

其中，k表示直線的斜率，b表示直線的截距，式(6-1)還可以改寫為：

式(6-1)可以看做是參數空間(k,b)中的一條直線方程，如圖8右側所示，其中直線的斜率為x，截距為y。

從上面描述可以看出，(x,y)空間中的一點對應(k,b)空間中的一條直線(x,y)空間中共線的幾點對應的(k,b)空間中的幾條直線相交于一點，因此可以選用“投票機制”，遍歷(k,b)空間中各個點或者區域的得票數，得票數高的勝出[6]。

5.2 霍夫變換的實現

Hough變換的具體編程實現步驟為:首先選用一個二維數組類似的數據結構用來存儲（ρ，θ）平面參數值，并將該數據結構初始化為 0；然后對道路圖像空間中（也就是(x,y)空間）的每一個像素點進行Hough變換，接著對上面使用的數據結構進行遍歷，使用相應的遍歷算法遍歷所有的 θ，計算出對應的ρ值，這時對應點（ρ，θ）所在的數據結構就要進行加1處理。最后根據數據結構中的數值，采用閾值法選擇數值較大的點（ρ，θ），該點就是我們所要尋求的直線所對應的點。

按以上方法對圖7進行霍夫變換檢測，得出的車道線識別結果如圖9所示，可以看出車道線的識別效果與實際情況基本吻合。

圖9 車道線識別

6 結論

本文針對車道偏離預警系統的核心部分，提出了完整的車道線識別算法，包括中值濾波、圖像增強、二值化、Canny算子的邊緣檢測和霍夫變換的車道線識別。通過對汽車某一工況下的車道線圖像進行識別，驗證了算法的可行性。從試驗結果可得，本文提出的車道線識別算法能較好地識別車道線，為車道偏離預警預警系統的進一步設計奠定基礎。

[1] 周磊,任國全,肖浩,等.結構化道路車道線快速檢測的一種改進算法[J].計算機仿真, 2012(04):362-366.

[2] 田鵬.車道偏離預警系統關鍵技術研究[D].遼寧工業大學,2016.

[3] 張翀,范新南.基于直線模型的車道線實時檢測方法[J].計算機工程與設計,2012, 33(01):295-299.

[4] 劉天輝.車輛視覺導航中道路檢測算法研究[D].沈陽工業大學,2015.

[5] 李大新.基于機器視覺的車道線檢測識別與車道偏離預警算法研究[D].山東大學,2012.

[6] 牛明花,張建民,李根.基于機器視覺的車道線識別算法[J].天津職業技術師范大學學報,2015, 25(3):16-19.

Lane line recognition algorithm based on hough transform and canny

Tang Yangshan, Li Dongliang, Zhu Tingting, Huang Xiancheng
( Cars and traffic engineering of liaoning university of technology college, Liaoning Jinzhou 121001 )

In this paper, a lane mark recognition algorithm based on Canny and Hough transform is proposed, which includes median filtering, image enhancement, binarization, edge detection of Canny operator and Hough Transformed lane mark recognition.The algorithm is used to identify the lane mark image under certain conditions of the automobile.The experimental results show that the algorithm can identify the lane line better.

Lane recognition; Median filter; Canny; Hough transfer

U462.1

A

1671-7988(2017)22-81-03

10.16638 /j.cnki.1671-7988.2017.22.029

唐陽山，就職于遼寧工業大學汽車與交通工程學院。

遼寧省科技廳聯合基金項目(201602375)。

CLC NO.:U462.1

A

1671-7988(2017)22-81-03