葉云

（廣州市公路實業(yè)發(fā)展公司，廣東廣州 510650）

?

基于機器視覺的道路標(biāo)線損壞智能檢測設(shè)想

葉云

（廣州市公路實業(yè)發(fā)展公司，廣東廣州 510650）

摘要：道路維護(hù)是公路運營管理的重要組成部分，特別是在高速公路不斷擴張的環(huán)境下，如何利用先進(jìn)的技術(shù)來提高維護(hù)質(zhì)量、降低維護(hù)成本已成為公路運營管理中的研究熱點。文中依據(jù)先進(jìn)的機器視覺技術(shù)，提出基于機器視覺的道路標(biāo)線損壞智能檢測設(shè)想來輔助道路標(biāo)線維護(hù)，仿真試驗證明該方法具有非常好的檢測效果。

關(guān)鍵詞：交通工程；公路運營維護(hù)；道路標(biāo)線檢測；智能交通系統(tǒng)

隨著國民經(jīng)濟的穩(wěn)步發(fā)展，公路作為連通各省市的交通紐帶也得到快速發(fā)展，全國道路交通網(wǎng)絡(luò)不斷擴大，不僅給人們的出行帶來便利，也緩解了日益增長的汽車保有量帶來的交通擁堵，但給公路維護(hù)帶來了巨大挑戰(zhàn)。公路里程長、維護(hù)經(jīng)費有限、維護(hù)設(shè)備種類多、維護(hù)環(huán)境復(fù)雜和維護(hù)人員有限等都制約了公路網(wǎng)絡(luò)的維護(hù)質(zhì)量與效率。有效地對公路進(jìn)行維護(hù)和保養(yǎng)，不僅可提高公路的使用壽命和運營管理水平，還能減少交通事故，提升道路交通安全水平。隨著計算機技術(shù)的飛速發(fā)展，如何利用先進(jìn)的科學(xué)技術(shù)輔助公路的各種設(shè)施維護(hù)已成為智能交通領(lǐng)域的一個研究熱點。

車道標(biāo)線在指引行車方向、緩解交通壓力等方面具有非常重要的意義，對道路標(biāo)線進(jìn)行有效維護(hù)不僅可減少交通壓力，還能減少交通事故，增強交通安全。該文主要以車道標(biāo)線為例，闡述基于機器視覺的車道標(biāo)線損壞檢測方法，輔助公路管理部門對車道線的維護(hù)。

1　研究現(xiàn)狀

對于道路標(biāo)線，主要從色度、感光度和殘損程度等方面來判斷是否損壞。目前都是通過人工目測進(jìn)行檢測，其優(yōu)點是準(zhǔn)確，但存在效率低、需較多的人力和物力、影響道路交通等缺陷。如果利用車載攝像機或行車記錄儀或無人機對路面進(jìn)行拍攝，利用機器視覺技術(shù)代替人工進(jìn)行道路標(biāo)線損壞檢測并結(jié)合GPS數(shù)據(jù)實現(xiàn)損壞準(zhǔn)確定位，進(jìn)而進(jìn)行局部維護(hù)，不僅可降低道路標(biāo)線維護(hù)成本，提高道路標(biāo)線維護(hù)效率，還能彌補人工檢測的一些缺陷。因此，利用機器視覺技術(shù)進(jìn)行道路標(biāo)線維護(hù)具有非常重要的意義和廣泛的應(yīng)用前景。

近年來，基于計算機視覺技術(shù)的車道標(biāo)線檢測技術(shù)廣泛用于車輛自動或輔助駕駛系統(tǒng)中，并且車道標(biāo)線檢測是車道偏離報警系統(tǒng)和自動導(dǎo)航系統(tǒng)等的重要組成部分。因此，許多研究者對車道線檢測算法進(jìn)行了研究：Loce R.P.等對計算機視覺技術(shù)在道路交通系統(tǒng)中的應(yīng)用進(jìn)行了總結(jié)；Buch N.等針對城市交通系統(tǒng)中計算機視覺技術(shù)進(jìn)行了總結(jié)與分析；Kastrinaki V.等將車道線檢測算法分為車道線區(qū)域檢測法、特征驅(qū)動法和模型驅(qū)動法三類；劉富強等提出了一種適用于自主駕駛系統(tǒng)的車道線檢測跟蹤算法，該算法可同時適應(yīng)曲道和直道的檢測；王晉等利用車載攝像機捕獲到的交通視頻圖像，運用運動光流法提取動態(tài)背景條件下的車輛與車道線；胡驍?shù)雀鶕?jù)道路圖像不同物體顏色特征，按照特征顏色設(shè)計轉(zhuǎn)移函數(shù)，標(biāo)記交通視頻圖像中的特征顏色區(qū)域，提出了基于特征顏色的車道檢測算法；高志峰等針對非平坦路面條件，提出了一種魯棒的路面車道線檢測算法，該算法不依賴于攝像機自身參數(shù)，并具有計算簡便等優(yōu)點；龔建偉等為提高結(jié)構(gòu)化道路車道線檢測的圖像處理速度，提出了一種單目視覺自適應(yīng)動態(tài)窗口的高速車道線檢測算法，滿足自動輔助駕駛實時性要求。

2　車道標(biāo)線損壞檢測算法

車道標(biāo)線損壞檢測算法主要由圖像預(yù)處理、標(biāo)線檢測、形態(tài)學(xué)處理和損壞程度判斷四部分組成，其流程為輸入交通彩色圖像→圖像預(yù)處理→標(biāo)線檢測→形態(tài)學(xué)處理→根據(jù)閾值判斷損壞程度→輸出檢測結(jié)果。

2.1圖像預(yù)處理

車載攝像機安裝在車頭上，拍攝到車輛前方路面上平行并且粗細(xì)均勻的道路標(biāo)線會變得越來越細(xì)，道路標(biāo)線也會變得越來越近。但因攝像機參數(shù)不同，容易引入一些噪聲，會給道路標(biāo)線檢測帶來很大的影響。因此，需要在標(biāo)線檢測前對圖像進(jìn)行預(yù)處理，降低噪聲的影響。圖像預(yù)處理主要包括降噪、透視形變消除和顏色分量分離三部分。采用高斯濾波的方法消除圖像中的高斯噪聲，采用文獻(xiàn)［9］中的逆透視變換方法和設(shè)置ROI感興趣區(qū)域消除透視形變的影響。

2.2標(biāo)線檢測

目前中國道路主要以水泥和瀝青路面為主，其色彩接近灰色（水泥路）或黑色（瀝青路）。通過對這兩種路面圖像的分析，發(fā)現(xiàn)其在RGB顏色空間各分量上的像素值約相同。而道路上劃的標(biāo)線以白色或黃色為主，可利用式（1）來識別路面上劃的標(biāo)線。

式中：VR、VG、VB分別為RGB顏色空間R分量、G分量和B分量上的像素值。

2.3形態(tài)學(xué)操作

按照式（1）檢測得到標(biāo)線候選圖像后，可能會因為光照、路面環(huán)境等影響而存在一些齒輪和孔洞，這些都會影響后續(xù)的標(biāo)線損壞檢測，需對標(biāo)線進(jìn)行進(jìn)一步處理，提高標(biāo)線識別的準(zhǔn)確性。通過形態(tài)學(xué)開和閉操作來處理候選圖像上的噪聲。假設(shè)f為標(biāo)線候選圖像，b為設(shè)計的結(jié)構(gòu)元素函數(shù)，對標(biāo)線候選圖像可按式（2）和式（3）進(jìn)行形態(tài)學(xué)開和閉運算。

式中：f°b表示f被b的形態(tài)學(xué)開運算；fΘb表示f 被b的腐蝕操作；f·b表示f被b的形態(tài)學(xué)閉運算；f⊕b表示f被b的膨脹操作。

2.4損壞級別判斷

經(jīng)過上述操作后，可得到清晰的道路標(biāo)線在圖像中的位置，并能計算得到標(biāo)線的面積。由于道路標(biāo)線施工需封閉車道，道路標(biāo)線損壞達(dá)到一定程度后才能進(jìn)行維護(hù)。因此，需對標(biāo)線的損壞級別進(jìn)行判斷，使算法更貼近實際應(yīng)用。主要利用標(biāo)線的面積比來判斷車道線的損壞程度。如式（4）所示，通過設(shè)置不同的檢測閾值，將道路標(biāo)線的損壞程度劃分不同的等級。最后利用車輛行駛的GPS數(shù)據(jù)，結(jié)合設(shè)置的等級閾值實現(xiàn)道路標(biāo)線損壞的自動檢測、識別與定位，減少人工檢查或定期修復(fù)帶來的人力、物力和財力浪費。

式中：r為標(biāo)線面積比；th1～th4表示不同的閾值。

3　試驗及結(jié)果分析

為了驗證上述方法的有效性，從真實的道路上采集大量圖像進(jìn)行試驗。設(shè)置的4個閾值分別為th1=0.95、th2=0.8、th3=0.65、th4=0.5。試驗環(huán)境為win7操作系統(tǒng)，2G內(nèi)存，MATLAB2014a。

根據(jù)車道標(biāo)線損壞檢測算法流程進(jìn)行試驗，得到圖1所示部分試驗結(jié)果。

從圖1可以看出：檢測結(jié)果一中，原始道路圖像里的道路標(biāo)線基本上完整，其檢測結(jié)果的面積比r =0.904 31，屬于輕微受損。而檢測結(jié)果二中，原始道路圖像里的道路標(biāo)線損壞嚴(yán)重，算法檢測出的面積比r=0.529 55，屬于嚴(yán)重?fù)p壞。算法檢測結(jié)果與實際情況相符，說明該方法能準(zhǔn)確檢測道路標(biāo)線的損壞程度。

圖1　道路標(biāo)線部分檢測結(jié)果

4　結(jié)語

該文提出一種基于計算機視覺技術(shù)的道路標(biāo)線損壞智能檢測設(shè)想，輔助道路維護(hù)中車道標(biāo)線損壞檢測與識別。通過對真實交通圖像在MATLAB環(huán)境中進(jìn)行仿真試驗，結(jié)果表明該方法具有較好的識別效果。該方法結(jié)合GPS數(shù)據(jù)，可實現(xiàn)車道線損壞的自動檢測，為后續(xù)道路快速維護(hù)提供有效的技術(shù)支持，具有重要意義。

參考文獻(xiàn)：

［1］ 譚飛剛，劉偉銘.多部件驗證的雙層行人檢測算法［J］.華南理工大學(xué)學(xué)報：自然科學(xué)版，2015，43（1）.

［2］ 譚飛剛，劉偉銘，黃玲，等.基于加權(quán)歐氏距離度量的目標(biāo)再識別算法［J］.華南理工大學(xué)學(xué)報：自然科學(xué)版，2015，43（9）.

［3］ Loce R P，Bernal E A，Wu W，et al.Computer vision in roadway transportation systems：a survey［J］.Journal of Electronic Imaging，2013，22（22）.

［4］ Buch N，Velastin S A，Orwell J.A review of computer vision techniques for the analysis of urban traffic［J］. IEEE Transactions on Intelligent Transportation Systems，2011，12（3）.

［5］ Kastrinaki V，Zervakis M，Kalaitzakis K.A survey of video processing techniques for traffic applications［J］. Image and Vision Computing，2003，21（1）.

［6］ 劉富強，張姍姍，朱文紅，等.一種基于視覺的車道線檢測與跟蹤算法［J］.同濟大學(xué)學(xué)報：自然科學(xué)版，2010，38（2）.

［7］ 王晉，胡覺暉，牛蘊婷，等.動態(tài)背景下的車輛與車道線檢測［J］.桂林電子科技大學(xué)學(xué)報，2011，31（2）.

［8］ 胡驍，李歲勞，吳劍.基于特征顏色的車道線檢測算法［J］.計算機仿真，2011，28（10）.

［9］ 高志峰，汪渤，周志強，等.一種魯棒的非平坦路面車道線檢測算法［J］.北京理工大學(xué)學(xué)報，2013，33（1）.

［10］ 龔建偉，王安帥，熊光明，等.一種自適應(yīng)動態(tài)窗口車道線高速檢測方法［J］.北京理工大學(xué)學(xué)報，2008，28 （6）.

［11］ 趙穎，王書茂，陳兵旗.基于改進(jìn)Hough變換的公路車道線快速檢測算法［J］.中國農(nóng)業(yè)大學(xué)學(xué)報，2006，11（3）.

中圖分類號：U491.5

文獻(xiàn)標(biāo)志碼：A

文章編號：1671-2668（2016）03-0055-03

收稿日期：2016-02-02