一種基于視覺的車道線檢測及追蹤方法

高 越，張 勇，杜學(xué)峰，楊 偉

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

前言

在復(fù)雜的交通系統(tǒng)中，采用基于視覺的輔助駕駛技術(shù)是解決當(dāng)前嚴(yán)重交通問題的重要手段之一。現(xiàn)階段無人駕駛、自動駕駛、先進(jìn)駕駛輔助系統(tǒng)中的感知模塊有很大的改進(jìn)空間，車道線檢測是感知模塊中極其關(guān)鍵的一環(huán)，傳統(tǒng)的車道線檢測方法中，由于路面的各種車道線磨損導(dǎo)致不清晰或者有陰影遮擋等都會對檢測的結(jié)果產(chǎn)生很大干擾[1]，從而導(dǎo)致結(jié)果出現(xiàn)很大誤差。

本文旨在克服實際中難以檢測的場景問題，處理無人駕駛領(lǐng)域中常見的路面損壞，光照變化較快，車道線不清晰等場景，提出了一種基于視覺的無人駕駛汽車和智能網(wǎng)聯(lián)汽車領(lǐng)域的車道線檢測及跟蹤方法，從而實現(xiàn)智能車輛高級輔助駕駛中車道線的實時檢測及追蹤。

1 圖像預(yù)處理

1.1 攝像機標(biāo)定

通常的攝像機可以拍攝出較好的視覺效果，但是卻存在著一個明顯的問題，就是畸變。攝像機標(biāo)定是通過對已知的形狀拍攝圖像，利用確定的攝像機內(nèi)部參數(shù)，結(jié)合若干個已知的物點和對應(yīng)像點坐標(biāo)，通過正交旋轉(zhuǎn)矩陣計算該形狀在世界坐標(biāo)系中與在攝像機坐標(biāo)系中位置的偏差量（畸變系數(shù)），從而進(jìn)行畸變的校正。

本文采用平面棋盤格作為標(biāo)定板來的進(jìn)行攝像機的標(biāo)定和畸變校正處理，利用OpenCV 庫中cv2.findChessboard Corners()函數(shù)[2]，輸入攝像機拍攝的完整棋盤格圖像，以及交點在橫縱向上的數(shù)量，隨后使用函數(shù)cv2.drawChessboard Corners()繪制出標(biāo)定結(jié)果，如圖1 所示：

圖1 棋盤格檢測

獲取交點的檢測結(jié)果后，使用函數(shù)cv2.calibrateCamera()即可得到相機的畸變系數(shù)。最后使用函數(shù)cv2.undistort()，進(jìn)行畸變校正處理。

1.2 透視變換

透視變換是一種中心投影的射影變換，將圖像轉(zhuǎn)換為正投影，從而方便后續(xù)的車道線提取和檢測。在原圖像中選擇四個標(biāo)志點，記錄其坐標(biāo)，在新圖中選取四個端點（投影點）構(gòu)成矩形對應(yīng)著原圖中的標(biāo)志點，使用函數(shù)cv2.getPerspec-tive Transform()計算出原圖標(biāo)志點和新圖投影點的投影矩陣，繪制出經(jīng)過投影變換后的圖像。

具體做法是在拍攝的道路圖像中計算出每個像素點的橫縱坐標(biāo)，沿著左、右車道線的邊界，選擇一個合適的梯形區(qū)域，將該梯形區(qū)域的四個頂點坐標(biāo)記錄下來，作為標(biāo)志點，在新建的圖中選擇合適的矩形，記錄矩形的四個頂點作為投影點，進(jìn)行透視變換，將圖像轉(zhuǎn)換為正投影，也就是轉(zhuǎn)換成鳥瞰圖視角。如圖2 所示：

圖2 透視變換效果圖

從透視變換處理過的效果圖中可以看出，靠近圖片下方的圖像較為清晰，靠近圖片上方的圖像比較模糊[3]。這是因為較遠(yuǎn)的地方，像素點偏少，從而導(dǎo)致圖像模糊，經(jīng)過處理后整體的圖像都變得較為清晰。

2 車道線提取和檢測

2.1 Sobel 算子邊緣提取

Sobel 算子根據(jù)像素點上下、左右鄰點灰度加權(quán)差，在邊緣處達(dá)到極值這一現(xiàn)象檢測邊緣[4]。

車道線檢測的實質(zhì)是檢測拍攝的道路圖像中沿著水平方向的邊緣突變，使用cv2.Sobel()函數(shù)，進(jìn)行邊緣提取，將進(jìn)行邊緣提取后的圖像進(jìn)行灰度二值化處理，車道線邊緣的像素點為白色，其余位置為黑色。

2.2 直方圖檢測

直方圖是一種二維統(tǒng)計圖表，它的兩個坐標(biāo)分別是統(tǒng)計樣本和該樣本對應(yīng)的某個屬性的度量[5]。對進(jìn)行過邊緣提取的圖像繪制灰度直方圖，將各灰度級像素對應(yīng)的頻率統(tǒng)計出來作為縱坐標(biāo)，如圖3 所示：

圖3 直方圖

該灰度直方圖可以較為明顯的分辨出車道線在圖像中的大體位置。左、右兩部分各產(chǎn)生了較為明顯的灰度突變，以此可以推斷出其對應(yīng)的列數(shù)是左右車道線所處的大致位置。

2.3 滑動窗口檢測

采用直方圖的方法可以大致檢測出左右車道線的位置，但是確定整條車道線上所有的點，尤其是車道線不清晰或者有陰影的情況還有較大的誤差，本文還采取了一種滑動窗口的方法來實現(xiàn)對車道線上所有點的檢測。

將直方圖中檢測到的兩個車道線大致位置作為起始點，定義一個矩形區(qū)域（窗口），設(shè)置滑窗高度、窗寬基數(shù)和存儲數(shù)組等，將滑動窗口內(nèi)有效的像素橫坐標(biāo)平均值作為基準(zhǔn)坐標(biāo)，迭代檢測，重復(fù)搜索[6]。如下圖4 中紅色點和藍(lán)色點所示。然后使用最小二乘法做二次曲線擬合，得到車道線的曲線方程，從而確定車道線的具體位置。

圖4 滑動窗口車道線檢測

3 車道線追蹤

由于視頻數(shù)據(jù)是連續(xù)的圖片，使用上一幀檢測到的車道線結(jié)果，作為下一幀圖像處理的輸入，從而減少計算量，得到較為穩(wěn)定的車道線檢測結(jié)果，從而實現(xiàn)車道線的追蹤處理，如圖5 所示：

圖5 車道線追蹤

4 逆透視變換

為了使最后檢測好的車道線視頻更好地展示出來，還需要對實驗的結(jié)果進(jìn)行進(jìn)一步的處理。將兩條車道線所圍成的區(qū)域涂上顏色，將結(jié)果繪制在“鳥瞰圖”上后，使用逆透視變換矩陣反投到原圖上，從而使檢測結(jié)果更加直觀明了，如圖6 所示：

圖6 逆透視變換

5 結(jié)論

本文通過長安大學(xué)汽車綜合性能試驗場真實道路視頻輸入，進(jìn)行攝像機標(biāo)定、圖像畸變校正、透視變換、提取車道線、檢測車道線、跟蹤車道線和逆透視變換等一系列技術(shù)處理，實驗結(jié)果表明，本文所提出的方法較好地實現(xiàn)了車道線的檢測及追蹤具有良好的準(zhǔn)確性、實時性和魯棒性。