一種基于單應(yīng)性變換的車道線檢測(cè)方法

吳 琳，邵士媛，李 袁，劉春霞

(鄭州鐵路職業(yè)技術(shù)學(xué)院，河南 鄭州 451460)

隨著智能交通技術(shù)的發(fā)展，行車安全和自動(dòng)化越來越受到人們的關(guān)注。高級(jí)汽車輔助駕駛系統(tǒng)(Advanced Driver Assistance System，ADAS)和全自動(dòng)無人駕駛車輛(Autonomous Vehicle， AV)已經(jīng)成為汽車行業(yè)的發(fā)展趨勢(shì)，不斷有相關(guān)產(chǎn)品出現(xiàn)在市場(chǎng)上。這些系統(tǒng)依靠多種傳感器的數(shù)據(jù)集成與分析構(gòu)成路況感知系統(tǒng)，為車輛提供有關(guān)車道、交通路口、交通標(biāo)志、交通信號(hào)、行人及其他車輛的準(zhǔn)確信息，從而幫助車輛智能控制系統(tǒng)做出正確決策，有效減少事故發(fā)生率。車道檢測(cè)和識(shí)別是路況感知系統(tǒng)的一個(gè)關(guān)鍵環(huán)節(jié)，其識(shí)別速度和準(zhǔn)確性決定了車道保持、車道線偏離預(yù)警等車輛智能駕駛功能的實(shí)現(xiàn)效果[1]。依據(jù)國(guó)內(nèi)外的研究現(xiàn)狀，車道線檢測(cè)主要有兩類方法[2]：一是利用圖像處理方法提取對(duì)應(yīng)車道線的像素，再利用直線或曲線擬合獲得車道線的幾何信息，這類方法的代表是Aly提出的基于圖像逆透視映射和隨機(jī)抽樣一致的貝塞爾樣條擬合車道線識(shí)別方法；二是利用深度學(xué)習(xí)進(jìn)行的，此類方法利用大量的圖像數(shù)據(jù)構(gòu)成訓(xùn)練樣本集和測(cè)試樣本集來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型。Gopalan 等人利用像素分級(jí)特征建立模型，并利用提升算法選取適用于車道線檢測(cè)的特征。Li等人提出了一種能夠提取車道幾何結(jié)構(gòu)信息的多任務(wù)深度卷積網(wǎng)絡(luò)，并同時(shí)使用遞歸神經(jīng)網(wǎng)絡(luò)檢測(cè)車道。這兩類方法能夠處理絕大多數(shù)復(fù)雜車道情況下的車道線檢測(cè)，但是算法較為復(fù)雜，不利于在嵌入式平臺(tái)上實(shí)現(xiàn)實(shí)時(shí)運(yùn)算。本研究采用第一類方法，提出一種基于圖像處理和幾何分析的快速車道線檢測(cè)算法。

1 基于單應(yīng)性變換的車道線識(shí)別方法

利用先驗(yàn)感興趣區(qū)域、顏色信息、梯度信息對(duì)車道線像素進(jìn)行篩選，然后通過單應(yīng)性變換和直方圖分析在路面俯視圖中提取屬于車道線的像素，并利用二次曲線擬合提取車道線信息，其算法流程如圖1所示。

圖1 車道線檢測(cè)算法

1.1 感興趣區(qū)域和圖片預(yù)處理

根據(jù)道路圖像特征，選定圖像中下方的梯形區(qū)域作為感興趣區(qū)域，即只分析該區(qū)域內(nèi)可能存在的車道標(biāo)志線,并且對(duì)圖像進(jìn)行平滑濾波，在去除噪聲的同時(shí)也兼顧了計(jì)算速度。

1.2 車道線像素選取

在對(duì)圖像進(jìn)行預(yù)處理后利用顏色分割和梯度計(jì)算提取圖像中可能的車道線像素,由于車道線標(biāo)志通常為白色或黃色，因此利用顏色信息對(duì)圖像進(jìn)行篩選。由于像素顏色信息由紅、綠、藍(lán)三通道(R,G,B)組成,則白色像素符合公式

(1)

而黃色像素符合公式

(2)

由于車道線通常會(huì)帶來像素灰度值沿水平方向的變化，因此利用Sobel算子[3]計(jì)算出圖像各像素處沿水平方向的梯度幅值，并且選取較大幅值像素作為候選車道線像素。車道線候選像素的提取結(jié)果一般如圖2所示。

圖2 當(dāng)前車道標(biāo)志線候選像素

1.3 單應(yīng)性變換和直方圖分析

單應(yīng)性變換是從一個(gè)投影平面到另一個(gè)投影平面的可逆性變換。假設(shè)道路是一平面，則可利用相機(jī)的外部參數(shù)(例如相機(jī)相對(duì)于路面的高度和角度)推導(dǎo)出相機(jī)投影平面到道路俯視平面的變換關(guān)系[3],從而將道路信息從照相機(jī)視角轉(zhuǎn)化為俯視視角。

俯視圖消除了照相機(jī)投影引起的透視形變，因此可以更加方便提取車道線信息。由于車道線在俯視圖中呈豎直方向，將俯視圖中的像素灰度值沿豎直方向累加，則對(duì)俯視圖中每一水平位置可形成如圖3所示的直方圖，直方圖中的兩個(gè)峰值則對(duì)應(yīng)于左右車道線。

圖3 灰度直方圖

1.4 二次曲線分析

將俯視圖沿豎直方向等分為9個(gè)窗口，并將窗口設(shè)置在直方圖中對(duì)應(yīng)于左右車道線的兩個(gè)峰值處。在每一窗口中計(jì)算出候選像素分布的中心值，然后對(duì)窗口的中心位置進(jìn)行二次曲線擬合。在得到車道線的二次曲線方程后可根據(jù)二次曲線計(jì)算得出車道線曲率。若假設(shè)相機(jī)圖像中心對(duì)應(yīng)于車輛中心，還可由此估計(jì)車輛中心與車道中心的偏移距離。

2 實(shí)驗(yàn)結(jié)果

為驗(yàn)證算法的實(shí)時(shí)性和有效性，使用Python編程進(jìn)行試驗(yàn)。試驗(yàn)平臺(tái)硬件環(huán)境為Inteli5-3450 CPU，主頻為3.1 GHz，內(nèi)存8 G RAM。試驗(yàn)結(jié)果表明，本算法的運(yùn)算速度可以達(dá)到30幀/秒，滿足實(shí)時(shí)運(yùn)算要求。

利用該算法對(duì)行車圖像進(jìn)行檢測(cè)，并估計(jì)車道的曲率半徑和車輛中心相對(duì)于車道中心的偏移，如圖4所示。當(dāng)車道為直線時(shí)， 曲率半徑應(yīng)趨近于無窮大；當(dāng)車道為曲線時(shí)，曲率半徑較小。圖4(a)顯示了直線路段和非常大的曲率半徑估計(jì)值；圖4(b)則為曲線路段，所估計(jì)的曲率半徑遠(yuǎn)小于直線路段。

(a)

(b)

3 結(jié)語(yǔ)

本研究提出了一種基于顏色信息、梯度計(jì)算、單應(yīng)性變換、直方圖分析和曲線擬合的車道線檢測(cè)方法。該方法簡(jiǎn)單實(shí)時(shí)，對(duì)直線車道線可進(jìn)行高準(zhǔn)確度提取，復(fù)雜路況(如陽(yáng)光照射下路面上的陰影)對(duì)顏色分割和梯度計(jì)算影響較大。今后將進(jìn)一步提高算法在復(fù)雜路況下的準(zhǔn)確度和魯棒性，如結(jié)合傳統(tǒng)圖像處理技術(shù)和深度學(xué)習(xí)方法對(duì)算法進(jìn)行改進(jìn)。