楊全琪 黃晉英

（中北大學(xué) 信息與通信工程學(xué)院，山西 太原 030051）

0 引言

到目前為止，國(guó)內(nèi)外的智能車輛研究都把機(jī)器視覺作為其識(shí)別道路的重要感知方式，機(jī)器視覺是感知外部環(huán)境最有效的方式之一。道路識(shí)別是智能車輛視覺導(dǎo)航的最為關(guān)鍵技術(shù)的部分，由于其復(fù)雜性和困難度而備受廣大智能愛好者和研究者關(guān)注。

1 車道線檢測(cè)

1.1 Hough變換原理

Hough變換的原理是利用圖像空間和參數(shù)空間的點(diǎn)與線的對(duì)偶性，把圖像空間中的檢測(cè)問(wèn)題轉(zhuǎn)換到參數(shù)空間。在圖像空間X-Y中，所有共線的點(diǎn)的集合和可以用一個(gè)表達(dá)式描述：

其中，m為直線的斜率，n為截距。同時(shí)上式又可以寫成：

上式可以看成是參數(shù)空間M-N中的一條直線方程，其中直線的斜率為x，截距為y。

比較式（1）和式（2），可以看出，圖像空間中的一點(diǎn)（x，y）對(duì)應(yīng)參數(shù)空間中的一條直線，而圖像空間中的一條直線又是由參數(shù)空間中的一個(gè)點(diǎn)（m，n）來(lái)決定的。然后通過(guò)在參數(shù)空間里進(jìn)行簡(jiǎn)單的累加統(tǒng)計(jì)，在參數(shù)空間尋找累加器峰值的方法檢測(cè)直線。

如果參數(shù)空間中使用直線方程,當(dāng)圖像空間直線斜率為無(wú)窮大時(shí),會(huì)使累加器變的很大,從而使計(jì)算復(fù)雜度過(guò)大。為解決這一問(wèn)題,采用極坐標(biāo)方程,：

其中ρ為直線到原點(diǎn)的距離,θ為ρ與x軸的夾角。

圖 1 （x，y）參數(shù)空間

圖 2 （ρ，θ）參數(shù)空間

1.2 Hough檢測(cè)算法

Hough變換需要建立一個(gè)累加數(shù)組，數(shù)組的維數(shù)與所檢測(cè)的曲線方程中未知參數(shù)的個(gè)數(shù)相同。對(duì)于直線，它有兩個(gè)未知參數(shù)，因而需要建立一個(gè)二維數(shù)組。具體計(jì)算時(shí)，需要對(duì)未知參數(shù)的可能取值進(jìn)行量化。如果將參數(shù)(k,b)分別量化為m和n個(gè)數(shù)，則定義一個(gè)累加數(shù)組A(m，n)并初始化為零。

假 設(shè) (k，b)量 化 之 后 的 可 能 取 值 分 別 為，k1，}和，b1，...bn-1}。對(duì)于圖空間中的每個(gè)目標(biāo)點(diǎn)(x，y)，讓a取遍所有可能的值，根據(jù) 計(jì)算出相應(yīng)的b，并將結(jié)果取為最接近的可能取值。根據(jù)每一對(duì)計(jì)算結(jié)果，對(duì)數(shù)組進(jìn)行累加。通過(guò)查找累加數(shù)組中的峰值，可以得知圖像中最優(yōu)可能的直線參數(shù)。

所以提取直線的Hough變換算法可以概括如下：

（1）在（ρ，θ）范圍區(qū)間，建立一個(gè)二位參數(shù)空間，并網(wǎng)格化；

（2）設(shè)置一個(gè)累加數(shù)組 A（ρ，θ），并把每個(gè)元素置 0；

（3）對(duì)圖像空間的每個(gè)點(diǎn)（x，y），做 Hough 變換，其對(duì)應(yīng)參數(shù)空間的（ρ、θ）經(jīng)過(guò)每個(gè)網(wǎng)格，則累加數(shù)組加1；

（4）找出累加數(shù)組中的局部極大值，這個(gè)值（ρ，θ）得共線點(diǎn)所在直線就是要檢測(cè)的直線。

Hough變換檢測(cè)圖像中直線的一般步驟總結(jié)為：對(duì)色彩圖像進(jìn)行灰度處理；其次對(duì)灰度圖像進(jìn)行邊緣檢測(cè),然后對(duì)邊緣檢測(cè)的結(jié)果作Hough變換,最后得到直線檢測(cè)結(jié)果。

1.3 實(shí)驗(yàn)分析

提取高速路上視頻圖像的一幀，如圖3。首先對(duì)圖像進(jìn)行灰度處理，為了抑制隨機(jī)噪聲又能很好的保護(hù)邊緣信息，給圖像做中值濾波平滑，如圖4。其數(shù)學(xué)表達(dá)式為：

式（4）中：f（x,y）、g（x,y）分別為原始圖像和濾波后圖像。 其次利用sobel算子對(duì)濾波后圖像邊緣檢測(cè)，如圖5。其數(shù)學(xué)表達(dá)式為：

最后我們對(duì)圖像做Hough變換，提取出車道線，如圖6。

圖3 高速路上的原圖

圖4 中值濾波平滑結(jié)果

圖5 Sobel邊緣檢測(cè)結(jié)果

圖6 Hough變換車道線提取結(jié)果

基于先驗(yàn)知識(shí)和直線道路模型，高速路上的車道線是平行線，經(jīng)過(guò)透視投影后，在圖像平面中會(huì)交于一點(diǎn)。如圖7，點(diǎn)P為兩條車道線的匯交點(diǎn)，O點(diǎn)為車體中心部位，則OP為導(dǎo)航中心線。

圖7 道路模型與導(dǎo)航線

2 結(jié)束語(yǔ)

視覺導(dǎo)航是智能車輛研究中的關(guān)鍵之一，而道路識(shí)別又是視覺導(dǎo)航中最重要的一塊。本文利用Hough變換對(duì)道路圖像進(jìn)行分析處理，獲取圖像中道路邊緣范圍，計(jì)算出導(dǎo)航中心線。為智能車輛的定位與控制提供實(shí)時(shí)、可靠的信息。

［1］趙保佑．基于視覺的車輛檢測(cè)與跟蹤技術(shù)研究[D]．武漢理工大學(xué)，2009：23-25．

［2］王武宏，沈中杰．智能車輛[M]．人民交通出版社，2002：54-56．

［3］馬曉璐．MATLAB圖像處理從入門到精通[M]．中國(guó)鐵道出版社，2013：201-210．