一種改進的車道線識別算法*

周越，陳學文

?

一種改進的車道線識別算法*

周越，陳學文

（遼寧工業大學汽車與交通工程學院，遼寧 錦州 121001）

車道線識別是車輛輔助駕駛系統中重要組成部分。針對傳統Hough變換，文章做出了改進，首先，對道路圖像進行感興趣區域劃分、灰度化、二值化、中值濾波、邊緣檢測預處理，然后考慮到車道線滿足一定角度和長度的限制，對車道線進行極徑極角的約束，最后實現車道線提取。實驗表明該方法具有較好的實時性和魯棒性。

車道線檢測；中值濾波；改進Hough變換

引言

車輛輔助駕駛系統的使用可以有效避免交通事故的發生。而車道線的正確有效識別是車輛輔助駕駛系統（如車道偏離預警系統、自適應巡航系統等）基礎而重要的環節。目前，車道線的識別主要分為基于特征識別和基于模型識別，基于特征的識別主要利用車輛的紋理、對稱性等，基于模型的識別主要是設計車道線模型，如直線、拋物線、雙曲線，最后進行車道線擬合。

Hough變換作為一種經典的車道線檢測算法，本文對其進行了極徑極角的約束，從而提高算法的實時性魯棒性。

1 圖像預處理

1.1 感興趣區域確定

一張圖片中存在大量無用信息和干擾信息，對這些信息的去除，可以有效的提高算法實時性和準確性。通過對大量圖片的研究可以發現，車道線信息主要集中在圖像的下2/3處，圖1表示原始圖像，圖二表示感興趣區域圖像。

圖1 原圖

圖2 感興趣區域

1.2 灰度化和濾波處理

一般車載攝像頭獲得的視頻圖像是彩色圖片，為了減少運算量，提高算法速度，需要把彩色圖像轉換為灰度圖像。圖像灰度化常用的方法有最大值法、平均法、分量提取法等。本文所用的方法是加權平均法，即對一張彩色圖片分別給R、G、B分量分配權值0.299,0.587,0.114，然后計算得到每個像素的灰度值，結果如圖3所示。

圖3 灰度化圖像

常見的濾波方法分為空間域濾波法和頻域濾波法。頻域濾波一般計算量較大難以滿足實時性，空間域濾波簡單，計算量小，濾波效果明顯。而空域濾波又可分為線性濾波和非線性濾波。本文選取的是空域濾波中的非線性中值濾波法，中值濾波本質上是一種統計順序濾波器，對于原圖像中某點(,)，中值濾波以該點為中心的領域內所有像素的統一排序中值作為(,)點的響應。相較于線性濾波，中值濾波可以直接忽略掉像素領域之內包含的噪聲點，并且在降噪同時，引起的模糊效應較低。圖4為加入椒鹽噪聲圖，圖5為中值濾波結果。

圖4 加入椒鹽濾波

圖5 中值濾波

1.3 二值化與邊緣檢測

所謂二值化就是將圖像轉換為只含有0，1像素值的圖像，可以很好的將所需要識別和分析的目標分離出來。本文通過利用大津法將車道信息提取出來，大津法的基本原理如下：

圖6 大津法二值化

邊緣檢測是目標區域識別、區域形狀提取等圖像分析領域十分重要的基礎。邊緣檢測常用的方法有Roberts算子、Sobel算子、Prwitte算子，LoG算子。本文所采用的的是Canny算子，其基本原理是：采用二維高斯函數的任一方向上的一階方向導數為噪聲濾波器，通過與圖像f(x,y)卷積進行濾波，然后對濾波后的圖像尋找圖像梯度的局部極大值了，以確定邊緣。Canny算子邊緣結果如圖7。

圖7 Canny邊緣提取

2 改進Hough變換

2.1 霍夫變換基本原理

霍夫變換的基本思想是點-線的對偶性，圖像坐標系中一條直線上的所有點對應到參數空間就是多條相交的直線。反之，參數空間相交于同一點的直線對應到圖像坐標系中就是一條直線，在實際操作中一般采用極坐標以避免斜率無限大的情況，極坐標如下。

圖8 Hough變換與改進Hough變換車道線提取對比

2.2 改進霍夫變換

對大量圖片實驗分析發現，車道線一般在圖片左右兩側具有一定的角度和長度，通過對極徑極角的約束可以有效的確定有效區域，提高算法速度。對于左車道線極角滿足[θ1,θ2]，極徑滿足[ρ1,ρ2]，對于右車道線滿足[θ1,θ2]，極徑滿足[ρ1,ρ2]，本文中，左車道線角度范圍為[20,75]，右車道線角度范圍為[105,165]，極徑在極角約束之后也間接的產生。

3 實驗結果分析

本文算法基于Matlab環境實現，處理的圖像大小為540x240。對300幅圖通過對傳統霍夫變換和改機霍夫變換進行比較，結果如下，如圖8所示。可以看出傳統的霍夫變換由于沒有進行極角極徑的約束可能會出現誤檢的情況，而改進的霍夫變換可以對車道線進行很好的提取目標車道線。

4 總結

本文首先通過對車道圖片進行預處理，減少干擾項，提高了運算速度；然后對霍夫變換進行改進，通過改進后的的霍夫變換可以很好的識別出目標車道線，誤檢率低，滿足一定的實時性。同時，該方法車道線的正確識別對ACC、FAC等輔助駕駛系統具有重要意義。

[1] 燕磬.基于機器視覺的車道線識別技術研究[D].長沙理工大學,2015.

[2] 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.

[3] 王寶鋒,齊志權,馬國成,陳思忠.基于動態區域規劃的雙模型車道線識別方法[J].北京理工大學學報,2014,34(05):485-489.

[4] 王越,范先星,劉金城,龐振營.結構化道路上應用區域劃分的車道線識別[J].計算機應用,2015,35(09):2687-2691+2700.

[5] 周磊,任國全,肖浩,李冬偉.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,2012,29(04):362-366.

[6] 戰宇辰.基于機器視覺的道路及車輛檢測技術研究[D].北京工業大學,2016.

An Improved Lane Recognition Algorithm*

Zhou Yue, Chen Xuewen

（School of automobile and traffic engineering, Liaoning University of Technology, Liaoning Jinzhou 121001）

Lane recognition is an important part of vehicle auxiliary driving system. In this paper, the traditional Hough transform is improved. Firstly, the road image is preprocessed by region of interest partition, grayscale, binarization, median filtering and edge detection. Then, considering that the lane line meets certain angle and length constraints, the lane line is constrained by radius polar angle. Finally, the lane line is extracted. Experiments show that the method has good real-time performance and robustness.

Lane detection; median filtering; Improved Hough transform

B

1671-7988(2018)22-88-03

U471.1

B

1671-7988(2018)22-88-03

U471.1

周越，就讀于遼寧工業大學，研究方向為汽車安全研究。

遼寧省自然科學基金項目（201602368）。

10.16638/j.cnki.1671-7988.2018.22.030