梁朱冬，陳洪洋

（長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064）

基于改進(jìn)最小二乘法車道線模型的車道標(biāo)識(shí)線檢測(cè)識(shí)別

梁朱冬，陳洪洋

（長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064）

車道標(biāo)識(shí)線檢測(cè)識(shí)別是車輛主動(dòng)安全系統(tǒng)的關(guān)鍵技術(shù)之一。為了滿足車道標(biāo)識(shí)線檢測(cè)的實(shí)時(shí)性、魯棒性、準(zhǔn)確性，在對(duì)采集圖像進(jìn)行預(yù)處理后，再經(jīng)過(guò)圖像信息提取，基于線性回歸與車道標(biāo)識(shí)線寬度約束的道路模型，實(shí)現(xiàn)車道標(biāo)識(shí)線的擬合。

車道標(biāo)識(shí)線；圖像識(shí)別；線性回歸；道路模型

CLC NO.:U461.9 Document Code: A Article ID: 1671-7988 (2017)15-98-03

引言

隨著我國(guó)高速公路建設(shè)的快速發(fā)展，人們對(duì)于公路出行的需求愈來(lái)愈大，隨之而來(lái)，交通事故近年來(lái)也呈現(xiàn)不斷攀升的趨勢(shì)，道路交通安全事故已經(jīng)成為人民公共財(cái)產(chǎn)安全的最嚴(yán)重問(wèn)題之一。

預(yù)防交通事故發(fā)生的主動(dòng)安全技術(shù)成為現(xiàn)代汽車技術(shù)的主要研究方向。這其中，車道標(biāo)識(shí)線檢測(cè)識(shí)別是多種主動(dòng)安全技術(shù)的必要前提。

本文在原有車道標(biāo)識(shí)線識(shí)別技術(shù)的基礎(chǔ)上，充分考慮Hough變換算法的局限性，創(chuàng)新引入基于線性回歸與車道標(biāo)識(shí)線寬度約束的道路模型，解決了最小二乘法在車道標(biāo)識(shí)線檢測(cè)中的局限性，兼?zhèn)溆?jì)算量小，準(zhǔn)確性優(yōu)等特點(diǎn)，提高了車道標(biāo)識(shí)線檢測(cè)中所強(qiáng)調(diào)的實(shí)時(shí)性?；跈C(jī)器視覺(jué)技術(shù)的車道標(biāo)識(shí)線檢測(cè)識(shí)別的主要流程如下圖1：

圖1 車道標(biāo)識(shí)線檢測(cè)工作流程圖

1 圖像預(yù)處理

灰度化——為了提高圖像處理速度，簡(jiǎn)化圖像處理算法，實(shí)現(xiàn)圖形處理實(shí)時(shí)性，需要對(duì)采集到的彩色圖像進(jìn)行灰度化。此外，本文通過(guò)灰度圖像直方圖均衡化增強(qiáng)方法來(lái)增加圖片高亮度處對(duì)比度，以達(dá)到圖像灰度級(jí)分布均勻。

濾波去噪——由于天氣條件、行車環(huán)境、實(shí)驗(yàn)設(shè)備等條件的影響，圖像在采集、傳輸過(guò)程中會(huì)產(chǎn)生熱噪聲、光電子噪聲、信道傳輸噪聲及量化噪聲等，會(huì)對(duì)圖像最后的成像質(zhì)量產(chǎn)生影響。本文運(yùn)用中值濾波算法實(shí)現(xiàn)道路圖像的濾波去噪。

2 車道線邊緣信息提取

常見(jiàn)的邊緣信息提取方法有基于Sobel算子、Prewitt算子、Canny算子等。以上算法在檢測(cè)過(guò)程中忽略了車道標(biāo)識(shí)線的方向性，故此，本文提出一種將方向可調(diào)濾波器應(yīng)用于車道線邊緣檢測(cè)的方法，用以改善車道標(biāo)識(shí)線邊緣信息提取效果。

圖2 使用方向可調(diào)濾波器進(jìn)行邊緣檢測(cè)處理結(jié)果

3 基于車速的動(dòng)態(tài)感興趣區(qū)域劃分

在現(xiàn)實(shí)環(huán)境中，所采集的道路圖像中與車道標(biāo)識(shí)線無(wú)關(guān)的信息占據(jù)了大部分空間，例如臨路建筑物、樹(shù)木、臨近車道、標(biāo)識(shí)牌等。通過(guò)設(shè)置感興趣區(qū)域能夠減少此類無(wú)關(guān)信息的干擾，簡(jiǎn)化計(jì)算，提高系統(tǒng)實(shí)時(shí)性。本文提出一種基于車速的動(dòng)態(tài)感興趣區(qū)域提取方法。

式中，ν為當(dāng)前車速，ν0為高速公路規(guī)定的最低行車速度，即60km/h。

圖3 動(dòng)態(tài)感興趣區(qū)域建立

當(dāng)CCD傳感器的安裝位置固定時(shí)，道路標(biāo)識(shí)線在圖像中的位置也即確定，感興趣區(qū)域在水平方向上以左右車道線所在直線為中心，左右各平移20△ν個(gè)像素；垂直方向上，考慮到車道線基本處于圖像的下半?yún)^(qū)，上邊緣為距圖像底邊距離為整幅圖像的十二分之五，依此建立動(dòng)態(tài)感興趣區(qū)域如圖3所示。

4 面向序列圖像的改進(jìn)最優(yōu)閾值分割

在采集的圖像中遠(yuǎn)視點(diǎn)處，由于光影關(guān)系，車道標(biāo)識(shí)線與路面灰度的對(duì)比度減弱，故本文提出一種面向序列圖像的改進(jìn)最優(yōu)閾值分割方法，以圖像的每一行作為處理基本單元進(jìn)行最優(yōu)閾值分割，能夠顯著消除噪聲干擾，車道標(biāo)識(shí)線邊緣信息提取更準(zhǔn)確。

5 圖像坐標(biāo)系約束下道路方程求解

本文提出基于線性回歸與車道標(biāo)識(shí)線寬度約束的道路模型，解決了最小二乘法在車道標(biāo)識(shí)線檢測(cè)中的局限性，兼?zhèn)溆?jì)算量小，準(zhǔn)確性優(yōu)等特點(diǎn)，提高了車道標(biāo)識(shí)線檢測(cè)中所強(qiáng)調(diào)的實(shí)時(shí)性。

5.1 基于多特征集合的車道標(biāo)識(shí)線篩選

本文利用車道標(biāo)識(shí)線固有的形態(tài)特征及邏輯關(guān)系對(duì)車道線特征區(qū)域進(jìn)行車道標(biāo)識(shí)線篩選，用以排除圖像上無(wú)關(guān)信息，提高車道標(biāo)識(shí)線識(shí)別準(zhǔn)確性。

以車道標(biāo)識(shí)線多特征集合元素為基元，建立車道標(biāo)識(shí)線的篩選判定公式如下，當(dāng)且僅當(dāng)J(lane(i))=1時(shí)，確定候選車道線為真正的車道標(biāo)識(shí)線。

式中，D(lane(i))、W(lane(i))、H(lane(i))、L(lane(i))分別為第i條車道線同向性、車道線寬度、高度特征、長(zhǎng)度標(biāo)記。

5.2 基于線性回歸與車道標(biāo)識(shí)線寬度約束的道路模型求解

5.2.1 車道線中線提取

車道線檢測(cè)的過(guò)程就是將離散的邊緣像素進(jìn)行篩選，擬合成連續(xù)的線段。如圖3所示，由于車道線邊緣具有內(nèi)側(cè)和外側(cè)，將內(nèi)外邊緣連接起來(lái)就成圖示線段。進(jìn)而將車道標(biāo)識(shí)線細(xì)化，在保持車道標(biāo)識(shí)線完整的同時(shí)，得到車道線的骨架。

圖4 車道線中線提取示意圖

5.2.2 基于線性回歸的道路方程求解

如圖5所示，在圖像坐標(biāo)系下，對(duì)于若干車道線特征點(diǎn)(xi，yi)(i=1,2,…n)，假設(shè)車道線的直線模型方程如下：

其中，a為直線的斜率，b為直線的截距，利用最小二乘法只需要解方程組的兩個(gè)參數(shù)a、b，就可確定車道線方程。通過(guò)解算a、b的最佳估計(jì)值，使得噪聲產(chǎn)生的誤差平方和最小。

圖5 圖像坐標(biāo)系的建立

道路直線模型方程的誤差函數(shù)：

若使誤差的平方和最小，那么a，b的偏導(dǎo)數(shù)須同時(shí)為0，即

得到一個(gè)關(guān)于a，b的方程組：

用矩陣的形式表示為：

求解上述矩陣方程可得到系數(shù)：

若道路模型為彎道曲線方程，同樣可以利用以上原理進(jìn)行求解，設(shè)曲線方程為：

對(duì)各參數(shù)求偏導(dǎo)，最后取得方程組為：

采用上述公式可以擬合出道路曲線方程的參數(shù)。

6 車道標(biāo)識(shí)線檢測(cè)離線實(shí)驗(yàn)驗(yàn)證

采用離線實(shí)驗(yàn)方式來(lái)驗(yàn)證本文提出的車道標(biāo)識(shí)線檢測(cè)算法的準(zhǔn)確性。實(shí)驗(yàn)相應(yīng)結(jié)果如下圖。

圖6 光照良好條件下的檢測(cè)結(jié)果

圖7 陰天弱光條件下的 檢測(cè)結(jié)果

圖8 強(qiáng)光條件下的檢測(cè)結(jié)果

圖9 小雨天氣條件下的檢測(cè)結(jié)果

7 結(jié)論

本系統(tǒng)能夠較好的實(shí)現(xiàn)車道標(biāo)識(shí)線的檢測(cè)，通過(guò)大量實(shí)驗(yàn)可以驗(yàn)證此系統(tǒng)具體良好的魯棒性、實(shí)時(shí)性、可靠性。準(zhǔn)確、高效的車道標(biāo)識(shí)線檢測(cè)技術(shù)能夠?yàn)楹罄m(xù)主動(dòng)安全技術(shù)的開(kāi)發(fā)提供保障。

[1] 畢雁冰. 高速汽車車道偏離預(yù)警系統(tǒng)可行區(qū)域感知算法研究[D].長(zhǎng)春: 吉林大學(xué), 2006.

[2] 于兵, 張為公, 龔宗洋. 基于機(jī)器視覺(jué)的車道偏離報(bào)警系統(tǒng)[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, 39(5): 928-932.

[3] 劉媛. 基于機(jī)器視覺(jué)的車道偏離預(yù)警系統(tǒng)關(guān)鍵算法研究[D]. 長(zhǎng)沙: 湖南大學(xué), 2013.

[4] 郭磊, 李克強(qiáng), 王建強(qiáng), 等. 應(yīng)用方向可調(diào)濾波器的車道線識(shí)別方法[J]. 機(jī)械工程學(xué)報(bào), 2008, 44(8): 214-218.

[5] 吳晴, 田炳香, 鄭榜貴. 一種用于高速公路的快速有效的車道線識(shí)別算法[J]. 計(jì)算機(jī)測(cè)量與控制, 2008, 16(11): 1718-1723.

[6] 余厚云, 張為公. 基于動(dòng)態(tài)感興趣區(qū)域的車道線識(shí)別與跟蹤[J].工業(yè)儀表與自動(dòng)化裝置, 2009, (5): 103-106.

Lane mark recognition based on improved least squares lane mark model

Liang Zhudong, Chen Hongyang
( School of Automobile, Chang’an University, Shaanxi Xi’an 710064 )

Lane mark recognition is one of the key technology of vehicle active safety system. After the preprocessing of pictures, in order to satisfy the instantaneity, robustness and accuracy of lane mark recognition, this paper used the road model based on linear regression and the constrain of lane mark width.

Lane mark; image recognition; linear regression; road model

U461.9

A

1671-7988 (2017)15-98-03

梁朱冬，就讀于長(zhǎng)安大學(xué)。

10.16638/j.cnki.1671-7988.2017.15.036