田明銳 ，孫宏斐 ，胡永彪 ，夏曉華 ，2，岳鵬舉

（1.長安大學道路施工技術與裝備教育部重點實驗室，陜西 西安 710064；2.柳州歐維姆機械股份有限公司，廣西 柳州 545006；3.廣西柳工機械股份有限公司，廣西 柳州 545006）

隨著我國交通運輸事業(yè)的發(fā)展，機器視覺和圖像處理逐步應用于公路交通的各行各業(yè)，這些應用大都涉及道路標線檢測。目前，道路標線的檢測分為靜態(tài)檢測和實時檢測。靜態(tài)檢測多是在邊緣檢測算子的基礎上進行改進而實現(xiàn)。這類檢測適用于需要獲取圖像細節(jié)特征的方面，如道路、橋梁及病害的自動化檢測等方面。現(xiàn)有的改進方式包括文獻[1]提出的通過調整算子模板來改善檢測結果，這種方式在一定程度上可以獲得較好的檢測結果，但是對于噪聲過多、亮度不均的圖片處理能力有限，沒有解決不同圖片閾值選取困難的問題；文獻[2]在邊緣檢測前加入了提取顏色特征的步驟，文獻[3]在邊緣檢測前引入了維納濾波，這兩種方式檢測前對圖像進行了一定的預處理，但對亮度不均、標線復雜的圖像處理效果不佳，不能排除路面區(qū)域外的偽邊緣。實時檢測則是依靠深度學習[4]或者模板和幾何特征匹配[5]，這類檢測主要適用于汽車的智能駕駛方面[6]。這種檢測方式檢測速度快，但無法獲得道路和標線的細節(jié)特征，如文獻[6]提出的檢測方法，檢測速度可以達到50幀每秒，但只能檢測車道線，完成車道的分割，很難處理其他道路標線，如轉向箭頭，斑馬線等。該文針對道路標線的靜態(tài)檢測，從圖像預處理、尋找最佳閾值及剔除偽邊緣3個方面提出新的改進算法。實驗結果表明該文提出的檢測算法能夠克服傳統(tǒng)Canny算子在檢測中存在的道路標線檢測不全、閾值選取困難及檢測結果中噪聲和偽邊緣較多的問題，得到準確的道路標線檢測結果。

1 新的道路標線檢測算法

該文通過結合廣泛應用于路面邊緣檢測的Canny算子，提出了道路標線檢測的技術路線。具體步驟如下，第一步基于形態(tài)學的圖像預處理；第二步尋找最佳閾值進行邊緣檢測；第三步基于HSV顏色分量及連通區(qū)域大小剔除干擾邊緣。

1.1 基于形態(tài)學的圖像預處理

預處理可以獲得亮度均勻的圖片，使圖像邊緣特征的提取更加容易。預處理需要應用形態(tài)學的相關知識，選取大小合適的結構元素，創(chuàng)建背景圖像，再用原圖像減去背景圖像，即可獲得亮度均勻的圖像[7-9]。為達到該目的，要求創(chuàng)建背景圖像的結構元素大小合適，使所創(chuàng)建的背景圖像中包含局部亮度特征的同時不包含圖像有效特征[10]。選取結構元素大小合適的程序框圖如圖1所示。該框圖的功能為結合圖像大小限制結構元素的大小在10～100之間，保證結構元素的大小適中。

圖1 計算結構元素的程序框圖

1.2 閾值尋找及邊緣檢測

該文選用廣泛應用于道路標線檢測領域的Canny算子作為自動最佳閾值尋找的實驗算子[11-12]。針對路面檢測，為了能最大程度的定義Canny算子最佳閾值，設定了最佳閾值出現(xiàn)的兩個標準。其一，邊緣數量重復出現(xiàn)次數最多且數量最少時對應的閾值為邊緣檢測的最佳閾值；其二，邊緣數量未重復出現(xiàn)，需設置邊緣數量最小值，等于或正向最接近該值時對應的閾值為最佳閾值。

1.3 干擾邊緣剔除

算法最后一步為干擾邊緣剔除，該文使用了兩種方式。一種是根據道路兩側與路面在HSV顏色空間各分量的取值范圍不同，道路與道路標線主要以黑、白、灰3種顏色為主，道路兩側有綠化等其他顏色。將圖像分為路面和路面以外兩個區(qū)域，從而排除路面區(qū)域外的干擾邊緣[13-14]。另一種利用邊緣的大?。?lián)通區(qū)域的大?。┻M行篩選，排除路面區(qū)域內的干擾邊緣[15-16]。

尋找最佳閾值及后續(xù)剔除干擾邊緣的流程圖如圖2所示。對預處理后圖像采用由小到大的閾值P進行邊緣檢測，并統(tǒng)計得到的邊緣數量；根據不同閾值下，邊緣數量是否出現(xiàn)重復，使用不同方法來確定邊緣檢測閾值：當不同閾值下邊緣數量存在重復情況時，將P取為邊緣數量最少且重復次數最多時對應的閾值[17]；當不同閾值下邊緣數量不存在重復情況時，將P取為邊緣數量大于某個最小值min時對應的閾值。實驗中，閾值P的初始值為0，以a為步長增加，a的取值與圖像復雜程度有關，圖像越復雜a取值越小，一般a取0.05，min取7。最后，剔除圖像存在的干擾邊緣。

2 實驗結果與分析

2.1 形態(tài)學處理結果對比分析

圖3是為了模仿道路局部出現(xiàn)鏡面反射，或者存在積水對光的反射等情況而造成拍攝的圖像亮度不均，人為給圖像加入光源生成亮度不均的圖片（圖像分辨率為1 920×1 080）。圖4～6是大小不同的結構元素提取的背景圖像效果對比。

實驗結果表明，結構元素太小時，如圖4（圖4結構元素取值為人工設置的較小數值），背景圖像包含過多原圖像有效特征，減去背景圖像時會弱化有效特征，不利于后續(xù)處理；結構元素過大時，如圖5（圖5結構元素取值為人工設置的較大數值），背景圖像中無法準確包含局部較小區(qū)域的亮度特征；結構元素適中時，如圖6（圖6中結構元素取值由圖2所示框圖得到），背景圖像包含了不均勻的亮度特征，且原圖像有效特征較少。

圖2 閾值尋找及后續(xù)處理流程

圖3 生成的亮度不均的道路圖像

圖4 結構元素為5的背景圖像

2.2 邊緣檢測結果對比分析

下面是采用兩種方式的檢測結果，圖7中的4幅圖像為待檢測圖像，圖8中的4幅圖像是傳統(tǒng)Canny算子的檢測結果，圖9中的4幅圖像是利用該文提出的檢測方式得到的檢測結果。從實驗結果的對比可以看出傳統(tǒng)的Canny算子檢測出的道路標線中存在的干擾和偽邊緣較多，無法直觀地得到清晰的道路標線；而使用該文提出的檢測方式可以清晰完整地提取出道路標線，得到準確的檢測結果。因此，該檢測算法可以較好地應用于道路標線檢測領域。

圖5 結構元素為150的背景圖像

圖6 結構元素為21的背景圖像

圖7 待檢測圖像

圖8 傳統(tǒng)Canny算子檢測結果

圖9 該文提出的檢測方式的檢測結果

3 結 論

該文針對傳統(tǒng)Canny算子在道路標線檢測中存在的閾值選擇困難、檢測效果不理想等問題進行了一些改進，首先是在圖像處理前增加基于形態(tài)學的預處理，排除了圖像亮度不均的干擾；接著結合該文提出的兩個標準尋找最佳閾值[18]，并利用該閾值為圖像進行道路標線檢測，最后使用基于HSV顏色空間的各分量取值范圍以及基于聯(lián)通區(qū)域大小的兩種后續(xù)處理的方式剔除干擾邊緣。實驗結果證明，這一檢測算法相比傳統(tǒng)Canny算子檢測，能自適應地檢測出道路標線且檢測清晰準確。