周越，陳學(xué)文

?

一種改進(jìn)的車道線識別算法*

周越，陳學(xué)文

（遼寧工業(yè)大學(xué)汽車與交通工程學(xué)院，遼寧 錦州 121001）

車道線識別是車輛輔助駕駛系統(tǒng)中重要組成部分。針對傳統(tǒng)Hough變換，文章做出了改進(jìn)，首先，對道路圖像進(jìn)行感興趣區(qū)域劃分、灰度化、二值化、中值濾波、邊緣檢測預(yù)處理，然后考慮到車道線滿足一定角度和長度的限制，對車道線進(jìn)行極徑極角的約束，最后實(shí)現(xiàn)車道線提取。實(shí)驗(yàn)表明該方法具有較好的實(shí)時性和魯棒性。

車道線檢測；中值濾波；改進(jìn)Hough變換

引言

車輛輔助駕駛系統(tǒng)的使用可以有效避免交通事故的發(fā)生。而車道線的正確有效識別是車輛輔助駕駛系統(tǒng)（如車道偏離預(yù)警系統(tǒng)、自適應(yīng)巡航系統(tǒng)等）基礎(chǔ)而重要的環(huán)節(jié)。目前，車道線的識別主要分為基于特征識別和基于模型識別，基于特征的識別主要利用車輛的紋理、對稱性等，基于模型的識別主要是設(shè)計車道線模型，如直線、拋物線、雙曲線，最后進(jìn)行車道線擬合。

Hough變換作為一種經(jīng)典的車道線檢測算法，本文對其進(jìn)行了極徑極角的約束，從而提高算法的實(shí)時性魯棒性。

1 圖像預(yù)處理

1.1 感興趣區(qū)域確定

一張圖片中存在大量無用信息和干擾信息，對這些信息的去除，可以有效的提高算法實(shí)時性和準(zhǔn)確性。通過對大量圖片的研究可以發(fā)現(xiàn)，車道線信息主要集中在圖像的下2/3處，圖1表示原始圖像，圖二表示感興趣區(qū)域圖像。

圖1 原圖

圖2 感興趣區(qū)域

1.2 灰度化和濾波處理

一般車載攝像頭獲得的視頻圖像是彩色圖片，為了減少運(yùn)算量，提高算法速度，需要把彩色圖像轉(zhuǎn)換為灰度圖像。圖像灰度化常用的方法有最大值法、平均法、分量提取法等。本文所用的方法是加權(quán)平均法，即對一張彩色圖片分別給R、G、B分量分配權(quán)值0.299,0.587,0.114，然后計算得到每個像素的灰度值，結(jié)果如圖3所示。

圖3 灰度化圖像

常見的濾波方法分為空間域?yàn)V波法和頻域?yàn)V波法。頻域?yàn)V波一般計算量較大難以滿足實(shí)時性，空間域?yàn)V波簡單，計算量小，濾波效果明顯。而空域?yàn)V波又可分為線性濾波和非線性濾波。本文選取的是空域?yàn)V波中的非線性中值濾波法，中值濾波本質(zhì)上是一種統(tǒng)計順序?yàn)V波器，對于原圖像中某點(diǎn)(,)，中值濾波以該點(diǎn)為中心的領(lǐng)域內(nèi)所有像素的統(tǒng)一排序中值作為(,)點(diǎn)的響應(yīng)。相較于線性濾波，中值濾波可以直接忽略掉像素領(lǐng)域之內(nèi)包含的噪聲點(diǎn)，并且在降噪同時，引起的模糊效應(yīng)較低。圖4為加入椒鹽噪聲圖，圖5為中值濾波結(jié)果。

圖4 加入椒鹽濾波

圖5 中值濾波

1.3 二值化與邊緣檢測

所謂二值化就是將圖像轉(zhuǎn)換為只含有0，1像素值的圖像，可以很好的將所需要識別和分析的目標(biāo)分離出來。本文通過利用大津法將車道信息提取出來，大津法的基本原理如下：

圖6 大津法二值化

邊緣檢測是目標(biāo)區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)。邊緣檢測常用的方法有Roberts算子、Sobel算子、Prwitte算子，LoG算子。本文所采用的的是Canny算子，其基本原理是：采用二維高斯函數(shù)的任一方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像f(x,y)卷積進(jìn)行濾波，然后對濾波后的圖像尋找圖像梯度的局部極大值了，以確定邊緣。Canny算子邊緣結(jié)果如圖7。

圖7 Canny邊緣提取

2 改進(jìn)Hough變換

2.1 霍夫變換基本原理

霍夫變換的基本思想是點(diǎn)-線的對偶性，圖像坐標(biāo)系中一條直線上的所有點(diǎn)對應(yīng)到參數(shù)空間就是多條相交的直線。反之，參數(shù)空間相交于同一點(diǎn)的直線對應(yīng)到圖像坐標(biāo)系中就是一條直線，在實(shí)際操作中一般采用極坐標(biāo)以避免斜率無限大的情況，極坐標(biāo)如下。

圖8 Hough變換與改進(jìn)Hough變換車道線提取對比

2.2 改進(jìn)霍夫變換

對大量圖片實(shí)驗(yàn)分析發(fā)現(xiàn)，車道線一般在圖片左右兩側(cè)具有一定的角度和長度，通過對極徑極角的約束可以有效的確定有效區(qū)域，提高算法速度。對于左車道線極角滿足[θ1,θ2]，極徑滿足[ρ1,ρ2]，對于右車道線滿足[θ1,θ2]，極徑滿足[ρ1,ρ2]，本文中，左車道線角度范圍為[20,75]，右車道線角度范圍為[105,165]，極徑在極角約束之后也間接的產(chǎn)生。

3 實(shí)驗(yàn)結(jié)果分析

本文算法基于Matlab環(huán)境實(shí)現(xiàn)，處理的圖像大小為540x240。對300幅圖通過對傳統(tǒng)霍夫變換和改機(jī)霍夫變換進(jìn)行比較，結(jié)果如下，如圖8所示?？梢钥闯鰝鹘y(tǒng)的霍夫變換由于沒有進(jìn)行極角極徑的約束可能會出現(xiàn)誤檢的情況，而改進(jìn)的霍夫變換可以對車道線進(jìn)行很好的提取目標(biāo)車道線。

4 總結(jié)

本文首先通過對車道圖片進(jìn)行預(yù)處理，減少干擾項，提高了運(yùn)算速度；然后對霍夫變換進(jìn)行改進(jìn)，通過改進(jìn)后的的霍夫變換可以很好的識別出目標(biāo)車道線，誤檢率低，滿足一定的實(shí)時性。同時，該方法車道線的正確識別對ACC、FAC等輔助駕駛系統(tǒng)具有重要意義。

[1] 燕磬.基于機(jī)器視覺的車道線識別技術(shù)研究[D].長沙理工大學(xué),2015.

[2] 張翀,范新南.基于直線模型的車道線實(shí)時檢測方法[J].計算機(jī)工程與設(shè)計,2012,33(01):295-299.

[3] 王寶鋒,齊志權(quán),馬國成,陳思忠.基于動態(tài)區(qū)域規(guī)劃的雙模型車道線識別方法[J].北京理工大學(xué)學(xué)報,2014,34(05):485-489.

[4] 王越,范先星,劉金城,龐振營.結(jié)構(gòu)化道路上應(yīng)用區(qū)域劃分的車道線識別[J].計算機(jī)應(yīng)用,2015,35(09):2687-2691+2700.

[5] 周磊,任國全,肖浩,李冬偉.結(jié)構(gòu)化道路車道線快速檢測的一種改進(jìn)算法[J].計算機(jī)仿真,2012,29(04):362-366.

[6] 戰(zhàn)宇辰.基于機(jī)器視覺的道路及車輛檢測技術(shù)研究[D].北京工業(yè)大學(xué),2016.

An Improved Lane Recognition Algorithm*

Zhou Yue, Chen Xuewen

（School of automobile and traffic engineering, Liaoning University of Technology, Liaoning Jinzhou 121001）

Lane recognition is an important part of vehicle auxiliary driving system. In this paper, the traditional Hough transform is improved. Firstly, the road image is preprocessed by region of interest partition, grayscale, binarization, median filtering and edge detection. Then, considering that the lane line meets certain angle and length constraints, the lane line is constrained by radius polar angle. Finally, the lane line is extracted. Experiments show that the method has good real-time performance and robustness.

Lane detection; median filtering; Improved Hough transform

B

1671-7988(2018)22-88-03

U471.1

B

1671-7988(2018)22-88-03

U471.1

周越，就讀于遼寧工業(yè)大學(xué)，研究方向?yàn)槠嚢踩芯俊?/p>

遼寧省自然科學(xué)基金項目（201602368）。

10.16638/j.cnki.1671-7988.2018.22.030