黃建宇

江蘇大學(xué)汽車與交通工程學(xué)院 江蘇鎮(zhèn)江 212013

基于邊緣提取和Hough變換的快速車道線檢測(cè)

黃建宇

江蘇大學(xué)汽車與交通工程學(xué)院 江蘇鎮(zhèn)江 212013

針對(duì)傳統(tǒng)車道線檢測(cè)技術(shù)易受拍攝環(huán)境影響這一問(wèn)題，突出一種新的車道線檢測(cè)方法。通過(guò)對(duì)原始RGB圖像進(jìn)行灰度化處理，利用自定義差分算子進(jìn)行車道線邊緣提取，最后通過(guò)Hough變換實(shí)現(xiàn)車道線提取。該算法有效濾除圖像中干擾因素的影響，在復(fù)雜的環(huán)境中獲得較好的檢測(cè)結(jié)果，增強(qiáng)圖像處理的魯棒性。

車道線檢測(cè)；圖像灰度化；邊緣檢測(cè)；Hough變換

一、前言

車道線檢測(cè)是通過(guò)攝像裝備獲得圖像，再通過(guò)車道線識(shí)別技術(shù)將車道線與背景進(jìn)行分離，從而獲得車道線的走向等信息。目前，國(guó)內(nèi)外常用的檢測(cè)方法有：Hough變換，匹配模板，粒子濾波，形態(tài)學(xué)等。其中，Hough變換具有抗噪性能好，算法穩(wěn)定等優(yōu)點(diǎn)。

當(dāng)前，國(guó)內(nèi)外學(xué)者對(duì)車道線檢測(cè)進(jìn)行過(guò)大量研究，但大都將改進(jìn)點(diǎn)定位于Hough變換，旨在減少識(shí)別過(guò)程中的計(jì)算量，提高識(shí)別效率，而忽略了對(duì)拍攝圖像的前處理的改進(jìn)。本文首先將拍攝的RGB圖像進(jìn)行灰度化處理，再利用自定義的差分算子進(jìn)行邊緣提取，最后利用Hough變換實(shí)現(xiàn)車道線的檢測(cè)。

二、道路圖像灰度化

圖像的灰度化是指把彩色圖像變換成灰度圖像的過(guò)程。由于亮度信息由暗到明是連續(xù)變化的，所以要描述圖像的灰度圖，就需要把亮度值進(jìn)行量化。通常劃分成 0～255 ，共256個(gè)級(jí)別，0 表示全黑，255 表示全白。1～254 則表示介于全黑和全白之間的不同亮度。一般有以下四種灰度化的方法：分量法,最大值法,平均值法,加權(quán)平均法等，鑒于人眼對(duì)綠色敏感度最高而對(duì)藍(lán)色敏感度最低這一視覺(jué)特性，本文選取加權(quán)平均法對(duì)圖像進(jìn)行灰度化。

三、道路圖像邊緣檢測(cè)

考慮到車道線的在圖像中的方向特征，即左右車道線傾斜角度一般分別是 45°和 135°方向，本文自定義了兩個(gè)差分算子。對(duì)平滑處理后的圖像用這兩個(gè)差分算子對(duì)道路圖像做微分計(jì)算，就得到了道路圖像的邊緣。

四、Hough變換檢測(cè)車道線

在車道線直線提取算法中，Hough 變換是最常用的方法之一，且快速車道基本上是直線,彎道較少,適合采用Hough變換檢測(cè)車道線。

Hough 直線變換的原理是利用點(diǎn)線的對(duì)偶性來(lái)實(shí)現(xiàn)的，即：把圖像空間中檢測(cè)直線的問(wèn)題轉(zhuǎn)變?yōu)閰?shù)空間里檢測(cè)點(diǎn)的問(wèn)題。為了解決垂直直線斜率無(wú)限大的問(wèn)題，一般通過(guò)如下的直線變換，即：

其中ρ代表直線到原點(diǎn)的法線距離，θ為該法線對(duì)應(yīng) x軸的角度。

對(duì)信息融合后的圖像進(jìn)行 Hough 變換，為了避免背景上的建筑等其他物體也可能存在直線而造成誤判斷的情況。本文設(shè)置一個(gè)閾值 L，當(dāng)檢測(cè)出一條直線時(shí)，將其長(zhǎng)度與閾值 L 作比較，當(dāng)直線長(zhǎng)度大于 L 時(shí)，則認(rèn)為是一條車道線，并保存直線的斜率、截距、起點(diǎn)和終點(diǎn)四個(gè)元素，并作標(biāo)記；小于閾值 L 時(shí)，則舍棄。這樣就很好的排除短小噪聲直線的干擾。

在這里，我們把邊緣檢測(cè)出來(lái)的圖像進(jìn)行Hough變換得到車道線在極坐標(biāo)系下的參數(shù)，然后再把這些參數(shù)繪制成圖1：

從圖中我們可以統(tǒng)計(jì)出這些曲線的重疊情況，然后根據(jù)統(tǒng)計(jì)值進(jìn)行判斷直線所在位置，并在原圖中對(duì)直線進(jìn)行標(biāo)識(shí)。如圖6所示：

圖1　參數(shù)空間曲線圖像

五、結(jié)論

對(duì)拍攝圖像進(jìn)行灰度化處理和中值濾波減小圖像處理的工作量和噪音，再利用自定義差分算子對(duì)灰度圖像進(jìn)行邊緣提取，最后利用Hough變換實(shí)現(xiàn)快速車道線檢測(cè)，仿真結(jié)果顯示，該方法有效的濾除了環(huán)境因素對(duì)車道線檢測(cè)的影響，降低了誤差，魯棒性較強(qiáng)。

[1]王榮本,李斌.世界智能車輛行駛安全保障技術(shù)的研究進(jìn)展[J].公路交通科技,2002,19(2)：80-85.

[2] 余人洪.基丁機(jī)器視覺(jué)的車道偏離預(yù)警系統(tǒng)研究[D].吉林：吉林大孕交通學(xué)院,2006.

[3]Morten Welde,James Odeek. Evaluating the Economic Impacts of Intelligent TransportSystems. Proceedings of the 14th World congress on Intelligent Transport System,2007：2028.

[4]Guoqiang Zhang, Jian Lu,Qiaojun Xiang. Implementation of Intelligent TransportationSystems based paratransit services in China. Proceedings of the 14th World congress onIntelligent Transport System, 2007： 3032.

[5]Xiaoxiong Weng,GuangzhaiLuo. Intelligent Traffic Information Systems based on featureof traffic flow.Proceedings of the 14th World congress on Intelligent Transport System,2007：3116.

[6]李大新.基于機(jī)器視覺(jué)的車道線檢測(cè)識(shí)別與車道偏離預(yù)警算法研究[D].山東大學(xué),2012.

[7]李大新.基于機(jī)器視覺(jué)的車道線檢測(cè)識(shí)別與車道偏離預(yù)警算法研究[D].山東大學(xué),2012.