一种基于双曲线模型的车道线检测算法

文章编号：　１６７３‐９９６５（２０１３）１０‐８４０‐０５

一种基于双曲线模型的车道线检测算法倡

高　嵩，张博峰，陈超波，全　昱，田姗姗

（西安工业大学电子信息工程学院，西安７１００２１）

摘　要：　针对目前车道线检测算法识别率不高、弯道检测不准确的问题，提出了一种基于双曲线模型的车道线检测算法．算法首先运用Ｃａｎｎｙ算子对道路边缘进行检测；采用Ｈｏｕｇｈ变换提取道路边界点，并使用扩展的Ｋａｌｍａｎ滤波进行预测跟踪来减小道路扫描范围；最后通过左右车道边界参数与双曲线模型参数进行匹配，利用最小二乘法来求解模型参数，完成车道边界重建．实验结果表明，该算法的准确率达到９３．４％，每帧图像的处理速度为８７．４ｍｓ，有效克服抛物线模型和直线模型在直道与弯道连接处不连续的问题，而且在车道线模糊、对比度较低的情况下也能快速准确的识别出车道线．

关键词：　车道检测；双曲线模型；Ｈｏｕｇｈ变换；扩展卡尔曼滤波

中图号：　ＴＮ９１１．７３ 文献标志码：　Ａ

基于视觉的智能导航系统是计算机视觉的一个重要应用领域，而道路检测算法是基于视觉导航系统的关键技术之一．利用机器视觉识别公路上的车道线，实现自主导航是现阶段智能车辆常用的导航方法［１桘２］．该方法简单实用，并能适应复杂道路环境的特点．现阶段对道路线检测的主要算法有基于特征和基于模型［３］两类．基于特征的算法主要是识别出道路的某些特征来对道路标线进行检测［４］，如：颜色、纹理、道路形状等特征，但是光照变化［５］、水迹、阴影、道路标线的破损及不连续都将影响基于特征的道路线检测效果［６］；基于模型的算法主是先建立道路参数模型，然后根据图像分析［７］确定模型参数，从而得到道路的全部信息，这类方法主要在于模型不同，如：直线模型、抛物线模型、样条曲线模型等［８桘１０］．目前有不少车道线检测算法有采用直线模型、抛物线模型、样条曲线模型．直线模型虽然实时性较好，但对曲线道路的识别精度较差；抛物线模型在车道直线与曲线连接处连续性不好，标识线容易偏离；样条曲线模型过于复杂，计算量大、实时性不高．

为了解决以上问题，文中提出一种基于双曲线模型的车道线检测算法，减小了道路标线扫描范围来改善弯道识别率不高的问题．

１　双曲线道路模型建立

现阶段基于视觉的车道线检测，建立道路模型是大多学者常用的方法，文中采用车道线组合模型对车道线进行建模，近视场区域用直线模型ｕ＝ｂｖ－ａ

远视场区域用双曲线模型

ｕ－ｕＨ＝ｋｖ－ｌ

道路模型如图１所示，道路图像任意边界点（ｕ，ｖ），ｕ代表横向坐标、ｖ代表纵向坐标．我们对道路两边的标线同时建立双曲线模型

ｕ－ｕＨ＝ｋｖ－ｈ＋ｂ（ｖ－ｈ）（１）式中：ｈ为道路平面在图像平面上的消失线的位置，其中ｋ，ｂ和ｕＨ为双曲线模型参数；ｋ为道路标

第３３卷第１０期２０１３年１０月

西　安　工　业　大　学　学　报

ＪｏｕｒｎａｌｏｆＸｉ’ａｎＴｅｃｈｎｏｌｏｇｉｃａｌＵｎｉｖｅｒｓｉｔｙ

Ｖｏｌ．３３Ｎｏ．１０

Ｏｃｔ．２０１３

倡收稿日期：２０１３‐０５‐２１

基金资助：陕西省教育厅专项科研计划项目（１２ＪＫ０５０２）；教育部留学回国人员科研计划项目（２０１１ＣＹ１８５）；

大学生创新创业训练计划项目（２０１２１０７０２０６１）

作者简介：高　嵩（１９６６‐），男，西安工业大学教授，主要研究方向为智能控制．Ｅ桘ｍａｉｌ：ｇａｏｓｏｎｇ＠ｘａｔｕ．ｅｄｕ．ｃｎ．

线的曲率大小；ｂ为道路标线的相对方向；ｕＨ为车道线到纵轴的距离．这些参数可以通过道路图像数据与摄像机的内外参数计算得到．如图１

所示．

图１　道路模型Ｆｉｇ．１　Ｒｏａｄｍｏｄｅｌ

由于一边道路线可能被其他车辆遮挡，导致

ＣＣＤ摄像机无法采集到相应的图像信息，因此文中提出同时用一对双曲线模型，但前提是车道两边的标识线是平行且宽度相等的．因此可以用方程族对两边的道路线参数同时求解，左右两边的道路线方程为

ｕ－ｕＨ＝ｋ

ｖ－ｈ＋ｂｌ（ｖ－ｈ）

（２）ｕ－ｕＨ＝ｋ

ｖ－ｈ

＋ｂｒ（ｖ－ｈ）

（３）由于道路两边的边线平行，所以参数ｋ和ｂ的值是相同的，参数ｕＨ的值不同．扩展后车道线模型

方程为

ｕ－ｕＨ＝

ｋ

ｖ－ｈ

＋ｂｌ（ｖ－ｈ）＋ｂｒ（ｖ－ｈ）（４）对边界线上的每一个点，当ｂ（ｌ）＝０时方程代表右边车道标线，当ｂ（ｒ）＝０时方程代表左边车道标线．文中通过把两边曲线结合成一对双曲线，而曲线参数只增加了一个，在计算量增加不大的基础上，大大的提高了曲线模型的精确度和鲁棒性，特别是当道路线被遮挡或者部分被损坏时．

２　道路检测算法

２．１　车道线边缘像素提取

首先文中对道路图像进行预处理，为了获得车

道线边界，需要对图像进行边缘检测，而道路边缘检测是道路识别算法的前提．现有的边缘检测算子主要有Ｃａｎｎｙ、Ｒｏｂｅｒｔ、Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、Ｌａｐｌａｃｉａｎ等，其中Ｃａｎｎｙ算子是一个具有滤波、增强和检测的多阶段的优化算子，提取边缘有较完整和较好的定位性能并且对于单个边缘点仅有一个响应，能检测出图像较细的边缘等优点．综合考虑算子的性能与速度特性，文中算法采用Ｃａｎｎｙ算法进行边缘检测．从摄像机采集到的道路图像经过预处理后，通过Ｃａｎｎｙ边缘检测算子处理，得到道路线边缘轮廓，并且检测结果能满足后续处理要求．图像预处理如图２

所示．

图２　图像预处理Ｆｉｇ．２　Ｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇ

２．２　车道线Ｈｏｕｇｈ提取

常用的道路标识线提取的方法有基于Ｈｏｕｇｈ

变换的方法和基于最小二乘法的方法．文中采用Ｈｏｕｇｈ变换对道路边界线进行提取，它的特点是精度高，提取准确，抗干扰能力强．首先用Ｈｏｕｇｈ变换初步获得车行道中线和消失线，然后用道路实时等宽的条件提取道路两边的边界线．Ｈｏｕｇｈ变

换在极坐标下的参数方程

ρ＝ｘｃｏｓθ＋ｙｓｉｎθ

（５）式中：ρ为直线ｍ离原点的法线距离，其大小ρ＝ｘ２

＋ｙ２

；θ为该法线与ｘ轴的角度，θ的取值范围为－９０°≤θ≤９０°．图像空间中的一条直线经Ｈｏｕｇｈ变换映射到参数空间是一个点，图像空间

中一个点映射到参数空间是一条正弦曲线．Ｈｏｕｇｈ

１

４８　第１０期 高　嵩，等：一种基于双曲线模型的车道线检测算法