一種新的基于Canny算子的道路標線檢測算法

田明銳 ，孫宏斐 ，胡永彪 ，夏曉華 ，2，岳鵬舉

（1.長安大學道路施工技術與裝備教育部重點實驗室，陜西 西安 710064；2.柳州歐維姆機械股份有限公司，廣西 柳州 545006；3.廣西柳工機械股份有限公司，廣西 柳州 545006）

隨著我國交通運輸事業的發展，機器視覺和圖像處理逐步應用于公路交通的各行各業，這些應用大都涉及道路標線檢測。目前，道路標線的檢測分為靜態檢測和實時檢測。靜態檢測多是在邊緣檢測算子的基礎上進行改進而實現。這類檢測適用于需要獲取圖像細節特征的方面，如道路、橋梁及病害的自動化檢測等方面。現有的改進方式包括文獻[1]提出的通過調整算子模板來改善檢測結果，這種方式在一定程度上可以獲得較好的檢測結果，但是對于噪聲過多、亮度不均的圖片處理能力有限，沒有解決不同圖片閾值選取困難的問題；文獻[2]在邊緣檢測前加入了提取顏色特征的步驟，文獻[3]在邊緣檢測前引入了維納濾波，這兩種方式檢測前對圖像進行了一定的預處理，但對亮度不均、標線復雜的圖像處理效果不佳，不能排除路面區域外的偽邊緣。實時檢測則是依靠深度學習[4]或者模板和幾何特征匹配[5]，這類檢測主要適用于汽車的智能駕駛方面[6]。這種檢測方式檢測速度快，但無法獲得道路和標線的細節特征，如文獻[6]提出的檢測方法，檢測速度可以達到50幀每秒，但只能檢測車道線，完成車道的分割，很難處理其他道路標線，如轉向箭頭，斑馬線等。該文針對道路標線的靜態檢測，從圖像預處理、尋找最佳閾值及剔除偽邊緣3個方面提出新的改進算法。實驗結果表明該文提出的檢測算法能夠克服傳統Canny算子在檢測中存在的道路標線檢測不全、閾值選取困難及檢測結果中噪聲和偽邊緣較多的問題，得到準確的道路標線檢測結果。

1 新的道路標線檢測算法

該文通過結合廣泛應用于路面邊緣檢測的Canny算子，提出了道路標線檢測的技術路線。具體步驟如下，第一步基于形態學的圖像預處理；第二步尋找最佳閾值進行邊緣檢測；第三步基于HSV顏色分量及連通區域大小剔除干擾邊緣。

1.1 基于形態學的圖像預處理

預處理可以獲得亮度均勻的圖片，使圖像邊緣特征的提取更加容易。預處理需要應用形態學的相關知識，選取大小合適的結構元素，創建背景圖像，再用原圖像減去背景圖像，即可獲得亮度均勻的圖像[7-9]。為達到該目的，要求創建背景圖像的結構元素大小合適，使所創建的背景圖像中包含局部亮度特征的同時不包含圖像有效特征[10]。選取結構元素大小合適的程序框圖如圖1所示。該框圖的功能為結合圖像大小限制結構元素的大小在10～100之間，保證結構元素的大小適中。

圖1 計算結構元素的程序框圖

1.2 閾值尋找及邊緣檢測

該文選用廣泛應用于道路標線檢測領域的Canny算子作為自動最佳閾值尋找的實驗算子[11-12]。針對路面檢測，為了能最大程度的定義Canny算子最佳閾值，設定了最佳閾值出現的兩個標準。其一，邊緣數量重復出現次數最多且數量最少時對應的閾值為邊緣檢測的最佳閾值；其二，邊緣數量未重復出現，需設置邊緣數量最小值，等于或正向最接近該值時對應的閾值為最佳閾值。

1.3 干擾邊緣剔除

算法最后一步為干擾邊緣剔除，該文使用了兩種方式。一種是根據道路兩側與路面在HSV顏色空間各分量的取值范圍不同，道路與道路標線主要以黑、白、灰3種顏色為主，道路兩側有綠化等其他顏色。將圖像分為路面和路面以外兩個區域，從而排除路面區域外的干擾邊緣[13-14]。另一種利用邊緣的大小（聯通區域的大小）進行篩選，排除路面區域內的干擾邊緣[15-16]。

尋找最佳閾值及后續剔除干擾邊緣的流程圖如圖2所示。對預處理后圖像采用由小到大的閾值P進行邊緣檢測，并統計得到的邊緣數量；根據不同閾值下，邊緣數量是否出現重復，使用不同方法來確定邊緣檢測閾值：當不同閾值下邊緣數量存在重復情況時，將P取為邊緣數量最少且重復次數最多時對應的閾值[17]；當不同閾值下邊緣數量不存在重復情況時，將P取為邊緣數量大于某個最小值min時對應的閾值。實驗中，閾值P的初始值為0，以a為步長增加，a的取值與圖像復雜程度有關，圖像越復雜a取值越小，一般a取0.05，min取7。最后，剔除圖像存在的干擾邊緣。

2 實驗結果與分析

2.1 形態學處理結果對比分析

圖3是為了模仿道路局部出現鏡面反射，或者存在積水對光的反射等情況而造成拍攝的圖像亮度不均，人為給圖像加入光源生成亮度不均的圖片（圖像分辨率為1 920×1 080）。圖4～6是大小不同的結構元素提取的背景圖像效果對比。

實驗結果表明，結構元素太小時，如圖4（圖4結構元素取值為人工設置的較小數值），背景圖像包含過多原圖像有效特征，減去背景圖像時會弱化有效特征，不利于后續處理；結構元素過大時，如圖5（圖5結構元素取值為人工設置的較大數值），背景圖像中無法準確包含局部較小區域的亮度特征；結構元素適中時，如圖6（圖6中結構元素取值由圖2所示框圖得到），背景圖像包含了不均勻的亮度特征，且原圖像有效特征較少。

圖2 閾值尋找及后續處理流程

圖3 生成的亮度不均的道路圖像

圖4 結構元素為5的背景圖像

2.2 邊緣檢測結果對比分析

下面是采用兩種方式的檢測結果，圖7中的4幅圖像為待檢測圖像，圖8中的4幅圖像是傳統Canny算子的檢測結果，圖9中的4幅圖像是利用該文提出的檢測方式得到的檢測結果。從實驗結果的對比可以看出傳統的Canny算子檢測出的道路標線中存在的干擾和偽邊緣較多，無法直觀地得到清晰的道路標線；而使用該文提出的檢測方式可以清晰完整地提取出道路標線，得到準確的檢測結果。因此，該檢測算法可以較好地應用于道路標線檢測領域。

圖5 結構元素為150的背景圖像

圖6 結構元素為21的背景圖像

圖7 待檢測圖像

圖8 傳統Canny算子檢測結果

圖9 該文提出的檢測方式的檢測結果

3 結 論

該文針對傳統Canny算子在道路標線檢測中存在的閾值選擇困難、檢測效果不理想等問題進行了一些改進，首先是在圖像處理前增加基于形態學的預處理，排除了圖像亮度不均的干擾；接著結合該文提出的兩個標準尋找最佳閾值[18]，并利用該閾值為圖像進行道路標線檢測，最后使用基于HSV顏色空間的各分量取值范圍以及基于聯通區域大小的兩種后續處理的方式剔除干擾邊緣。實驗結果證明，這一檢測算法相比傳統Canny算子檢測，能自適應地檢測出道路標線且檢測清晰準確。