基于改進最小二乘法車道線模型的車道標(biāo)識線檢測識別

梁朱冬，陳洪洋

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

基于改進最小二乘法車道線模型的車道標(biāo)識線檢測識別

梁朱冬，陳洪洋

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

車道標(biāo)識線檢測識別是車輛主動安全系統(tǒng)的關(guān)鍵技術(shù)之一。為了滿足車道標(biāo)識線檢測的實時性、魯棒性、準(zhǔn)確性，在對采集圖像進行預(yù)處理后，再經(jīng)過圖像信息提取，基于線性回歸與車道標(biāo)識線寬度約束的道路模型，實現(xiàn)車道標(biāo)識線的擬合。

車道標(biāo)識線；圖像識別；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

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

預(yù)防交通事故發(fā)生的主動安全技術(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)識線檢測識別是多種主動安全技術(shù)的必要前提。

本文在原有車道標(biāo)識線識別技術(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)識線寬度約束的道路模型，解決了最小二乘法在車道標(biāo)識線檢測中的局限性，兼?zhèn)溆嬎懔啃?，?zhǔn)確性優(yōu)等特點，提高了車道標(biāo)識線檢測中所強調(diào)的實時性。基于機器視覺技術(shù)的車道標(biāo)識線檢測識別的主要流程如下圖1：

圖1 車道標(biāo)識線檢測工作流程圖

1 圖像預(yù)處理

灰度化——為了提高圖像處理速度，簡化圖像處理算法，實現(xiàn)圖形處理實時性，需要對采集到的彩色圖像進行灰度化。此外，本文通過灰度圖像直方圖均衡化增強方法來增加圖片高亮度處對比度，以達到圖像灰度級分布均勻。

濾波去噪——由于天氣條件、行車環(huán)境、實驗設(shè)備等條件的影響，圖像在采集、傳輸過程中會產(chǎn)生熱噪聲、光電子噪聲、信道傳輸噪聲及量化噪聲等，會對圖像最后的成像質(zhì)量產(chǎn)生影響。本文運用中值濾波算法實現(xiàn)道路圖像的濾波去噪。

2 車道線邊緣信息提取

常見的邊緣信息提取方法有基于Sobel算子、Prewitt算子、Canny算子等。以上算法在檢測過程中忽略了車道標(biāo)識線的方向性，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的方法，用以改善車道標(biāo)識線邊緣信息提取效果。

圖2 使用方向可調(diào)濾波器進行邊緣檢測處理結(jié)果

3 基于車速的動態(tài)感興趣區(qū)域劃分

在現(xiàn)實環(huán)境中，所采集的道路圖像中與車道標(biāo)識線無關(guān)的信息占據(jù)了大部分空間，例如臨路建筑物、樹木、臨近車道、標(biāo)識牌等。通過設(shè)置感興趣區(qū)域能夠減少此類無關(guān)信息的干擾，簡化計算，提高系統(tǒng)實時性。本文提出一種基于車速的動態(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 動態(tài)感興趣區(qū)域建立

當(dāng)CCD傳感器的安裝位置固定時，道路標(biāo)識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，依此建立動態(tài)感興趣區(qū)域如圖3所示。

4 面向序列圖像的改進最優(yōu)閾值分割

在采集的圖像中遠視點處，由于光影關(guān)系，車道標(biāo)識線與路面灰度的對比度減弱，故本文提出一種面向序列圖像的改進最優(yōu)閾值分割方法，以圖像的每一行作為處理基本單元進行最優(yōu)閾值分割，能夠顯著消除噪聲干擾，車道標(biāo)識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)識線寬度約束的道路模型，解決了最小二乘法在車道標(biāo)識線檢測中的局限性，兼?zhèn)溆嬎懔啃。瑴?zhǔn)確性優(yōu)等特點，提高了車道標(biāo)識線檢測中所強調(diào)的實時性。

5.1 基于多特征集合的車道標(biāo)識線篩選

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

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

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、長度標(biāo)記。

5.2 基于線性回歸與車道標(biāo)識線寬度約束的道路模型求解

5.2.1 車道線中線提取

車道線檢測的過程就是將離散的邊緣像素進行篩選，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)外邊緣連接起來就成圖示線段。進而將車道標(biāo)識線細化，在保持車道標(biāo)識線完整的同時，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，對于若干車道線特征點(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參數(shù)a、b，就可確定車道線方程。通過解算a、b的最佳估計值，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)須同時為0，即

得到一個關(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行求解，設(shè)曲線方程為：

對各參數(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)識線檢測離線實驗驗證

采用離線實驗方式來驗證本文提出的車道標(biāo)識線檢測算法的準(zhǔn)確性。實驗相應(yīng)結(jié)果如下圖。

圖6 光照良好條件下的檢測結(jié)果

圖7 陰天弱光條件下的 檢測結(jié)果

圖8 強光條件下的檢測結(jié)果

圖9 小雨天氣條件下的檢測結(jié)果

7 結(jié)論

本系統(tǒng)能夠較好的實現(xiàn)車道標(biāo)識線的檢測，通過大量實驗可以驗證此系統(tǒng)具體良好的魯棒性、實時性、可靠性。準(zhǔn)確、高效的車道標(biāo)識線檢測技術(shù)能夠為后續(xù)主動安全技術(shù)的開發(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].長春: 吉林大學(xué), 2006.

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

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

[4] 郭磊, 李克強, 王建強, 等. 應(yīng)用方向可調(diào)濾波器的車道線識別方法[J]. 機械工程學(xué)報, 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別算法[J]. 計算機測量與控制, 2008, 16(11): 1718-1723.

[6] 余厚云, 張為公. 基于動態(tài)感興趣區(qū)域的車道線識別與跟蹤[J].工業(yè)儀表與自動化裝置, 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，就讀于長安大學(xué)。

10.16638/j.cnki.1671-7988.2017.15.036