簡(jiǎn)易魯棒車道檢測(cè)算法

?

簡(jiǎn)易魯棒車道檢測(cè)算法

在智能車輛系統(tǒng)當(dāng)中，車道線檢測(cè)扮演了一個(gè)很重要的角色。因此，提出了一種魯棒道路車道線檢測(cè)算法來(lái)檢測(cè)左側(cè)和右側(cè)車道標(biāo)記線。該算法由優(yōu)化了的Canny邊界檢測(cè)算子和霍夫變換組成。系統(tǒng)從一個(gè)前視相機(jī)中獲得圖像，相機(jī)面對(duì)著車道在車輛擋風(fēng)玻璃后面安裝。之后一系列的圖像處理算法應(yīng)用于采集后的圖像，用來(lái)產(chǎn)生車道模型。Canny邊界檢測(cè)算子作為特征識(shí)別算法，然后通過(guò)霍夫變換產(chǎn)生車道線。算法基于實(shí)時(shí)視頻處理檢測(cè)可視的左右車道標(biāo)記線。

車道檢測(cè)算法由3個(gè)主要階段組成：預(yù)處理、后處理和車道線建模。第一個(gè)階段是低階圖像處理，用以產(chǎn)生檢測(cè)部分的有用信息。在這個(gè)階段中，道路圖像被復(fù)制出來(lái)用于計(jì)算部分。圖像被削減到一個(gè)較小的感興趣區(qū)域以減少計(jì)算時(shí)間。圖像同時(shí)被轉(zhuǎn)換為灰度圖像。通過(guò)腐蝕、膨脹和圖像平滑的方法將圖像的噪聲濾除。第二個(gè)階段使用Canny邊界檢測(cè)算子，將圖像邊界信息進(jìn)行提取，之后霍夫變換用來(lái)將離散的點(diǎn)連接成直線，并且濾去非車道邊界點(diǎn)的噪聲點(diǎn)。第三個(gè)階段主要識(shí)別可能的左右車道線的參數(shù)，使用截距和斜率計(jì)算車道線。將相似的直線分組在一起，之后取一個(gè)平均值結(jié)果。最終的結(jié)果貼在源圖像上用來(lái)展示車道線的檢測(cè)結(jié)果。通過(guò)實(shí)車試驗(yàn)顯示，算法具有較少的計(jì)算時(shí)間，因此擁有較好的實(shí)時(shí)性。同時(shí)在車道曲率較小的情況下，能夠較精確檢測(cè)出直線車道。

Chan Yee Low et al. Intelligent and Advanced Systems (ICIAS), 2014 5th International Conference.

編譯：王也