《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 一種快速的公交專用車道檢測(cè)方法
一種快速的公交專用車道檢測(cè)方法
來(lái)源:微型機(jī)與應(yīng)用2012年第10期
齊美彬1,2, 張銀霞1, 潘 燕1
(1. 合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院,, 安徽 合肥 230009;2. 安全關(guān)鍵工業(yè)測(cè)控技術(shù)教育部
摘要: 為了提高車道線檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性,提出了一種快速準(zhǔn)確的車道線檢測(cè)方法,。首先根據(jù)道路的紋理特征求出道路的消失點(diǎn),,再采用改進(jìn)的Hough變換檢測(cè)出車道線,,結(jié)合車道線的一些特征以及攝像頭的參數(shù),在不影響測(cè)量結(jié)果的情況下縮小檢測(cè)空間,快速準(zhǔn)確地檢測(cè)道路的車道線,,并結(jié)合BRT車道(快速公交車道)的一些特征識(shí)別車輛所在車道是否為BRT車道,,從而實(shí)現(xiàn)對(duì)BRT車道內(nèi)前方車輛的監(jiān)督。將代碼移植到DM6437平臺(tái),實(shí)驗(yàn)結(jié)果表明,該方法具備較好的實(shí)時(shí)性和魯棒性,。
Abstract:
Key words :

摘  要: 為了提高車道線檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性,提出了一種快速準(zhǔn)確的車道線檢測(cè)方法,。首先根據(jù)道路的紋理特征求出道路的消失點(diǎn),,再采用改進(jìn)的Hough變換檢測(cè)出車道線,,結(jié)合車道線的一些特征以及攝像頭的參數(shù),在不影響測(cè)量結(jié)果的情況下縮小檢測(cè)空間,快速準(zhǔn)確地檢測(cè)道路的車道線,,并結(jié)合BRT車道(快速公交車道)的一些特征識(shí)別車輛所在車道是否為BRT車道,,從而實(shí)現(xiàn)對(duì)BRT車道內(nèi)前方車輛的監(jiān)督。將代碼移植到DM6437開發(fā)平臺(tái)

關(guān)鍵詞: 車道線,;消失點(diǎn),;BRT車道;Hough變換,;Gabor變換,;DM6437

    隨著經(jīng)濟(jì)以及道路的發(fā)展,我國(guó)的汽車保有量迅速上升,,交通事故也成為人們普遍關(guān)注的焦點(diǎn),。為了提高駕駛的安全性以及操作的簡(jiǎn)單性,車輛安全輔助駕駛系統(tǒng)成為當(dāng)今國(guó)際智能交通系統(tǒng)研究的重要內(nèi)容,。車道線檢測(cè)作為車輛安全駕駛的一個(gè)重要研究方向,,可以在車輛偏離航道時(shí)發(fā)出報(bào)警信息,有效地抑制事故的發(fā)生,,具有重要的研究意義,。
    目前,國(guó)內(nèi)外學(xué)者已經(jīng)提出了很多車道線檢測(cè)算法,主要分為兩類:一類是基于圖像特征的檢測(cè)方法,,即特征驅(qū)動(dòng)法,,是基于道路圖像的一些特征(如車道線顏色、寬度以及邊緣等特征[1-4])將圖像的所有點(diǎn)標(biāo)記為車道線點(diǎn)和非車道線點(diǎn),,這種機(jī)制要求道路的車道線顏色較為明顯,,邊緣較為清晰,否則無(wú)法得到準(zhǔn)確的檢測(cè)結(jié)果;另一類方法是基于模型的檢測(cè)方法,,是根據(jù)提取的特征對(duì)預(yù)先定義好的車道線模型進(jìn)行匹配,,將車道線的提取轉(zhuǎn)化為車道線模型中參數(shù)的計(jì)算問(wèn)題。模型的假設(shè)主要有直線模型[5]和曲線模型[6-8]兩種,,其優(yōu)點(diǎn)是對(duì)噪音不敏感,,能較好地處理圖像中物體局部被遮擋和覆蓋的情況,。本文結(jié)合道路的紋理特征并建立模型進(jìn)行車道檢測(cè),既充分利用圖像的信息,,又在一定程度上保證了算法的魯棒性,。
    本文首先對(duì)圖像進(jìn)行預(yù)處理,然后對(duì)圖像進(jìn)行Hough變換或者Gabor變換,,得到車道線位置信息,,判斷出車輛是否在車道內(nèi)行駛,如果不在則發(fā)出預(yù)警信號(hào),。
1 圖像的預(yù)處理
    圖像的預(yù)處理主要是對(duì)攝像頭實(shí)時(shí)采集的圖像進(jìn)行前期處理,,主要包括去除圖像的各種噪聲,并根據(jù)攝像機(jī)的位置調(diào)節(jié)算法中的一些參數(shù)提取圖像的感興趣區(qū)域(ROI),,以及進(jìn)行邊緣檢測(cè)等,,目的是為了加強(qiáng)圖像的有用信息,抑制干擾,。
    標(biāo)定攝像頭以后,,選取一定的區(qū)域作為車道線檢測(cè)區(qū)域,進(jìn)行平滑去噪,,并對(duì)其邊緣進(jìn)行檢測(cè),。本文采用Canny邊緣檢測(cè)[9]。圖1為拍攝的原始道路圖像,,圖2為不同環(huán)境下(白天,、陰天、夜晚)的檢測(cè)結(jié)果,。

    Hough變換作為一種經(jīng)典的車道線檢測(cè)算法,具有很強(qiáng)的適應(yīng)性,,然而該算法較為耗時(shí),當(dāng)車道線外在環(huán)境因素較為不清晰,,或者受道路上一些其他因素的影響下,,結(jié)果受干擾較大。Hough變換檢測(cè)結(jié)果如圖3所示,。

2.2 基于ROI區(qū)域改進(jìn)的Hough變換的車道線檢測(cè)
    針對(duì)圖像中道路的車道線一般分布在道路左右兩邊的情況,本文對(duì)傳統(tǒng)Hough變換的應(yīng)用進(jìn)行了改進(jìn),,限定其投票空間的范圍,也就是限定ρ和θ來(lái)調(diào)整其投票空間的范圍,。限定其左右車道線的極角和極徑,,調(diào)節(jié)好攝像頭,通過(guò)不斷的測(cè)試,得到目標(biāo)點(diǎn)的極角約束區(qū)域和極徑約束區(qū)域,,也就得到感興趣區(qū)域(ROI),,如圖4所示,只檢測(cè)落在白色區(qū)域內(nèi)的車道線,。

    通過(guò)建立極角,、極徑約束區(qū)域,,可以有效地去除大量的干擾點(diǎn),濾除旁邊車道以及路邊樹木建筑物的干擾,,并能夠很大程度地提高算法的運(yùn)行速度,。當(dāng)車道線的極角極徑在檢測(cè)區(qū)域內(nèi)時(shí),可以快速準(zhǔn)確地檢測(cè)車道線的位置,;然而當(dāng)圖像在轉(zhuǎn)彎,、變道或者攝像頭位置偏移時(shí),車道線很容易超出檢測(cè)區(qū)域,,使得結(jié)果出現(xiàn)很大的偏差,。
3 基于Gabor濾波器的車道線檢測(cè)
    針對(duì)道路車道線不清晰以及存在一些其他標(biāo)志干擾的情況,本文提出了改進(jìn)的車道線檢測(cè)算法,,即基于Gabor濾波器的車道線檢測(cè),。通過(guò)Gabor找到圖像的消失點(diǎn),,即圖像中兩條車道線的交點(diǎn)位置,,再對(duì)消失點(diǎn)進(jìn)行Hough變換,這樣不僅提高了算法的適用性,還提高了算法的實(shí)時(shí)性,。
3.1 Gabor變換原理
    Gabor濾波器與人眼的生物作用相仿,因此經(jīng)常用于紋理識(shí)別,,并取得了較好的效果。Gabor濾波器是帶通濾波器, 它的單位沖激響應(yīng)函數(shù)(Gabor函數(shù))是高斯函數(shù)與復(fù)指數(shù)函數(shù)的乘積,。它是達(dá)到時(shí)頻測(cè)不準(zhǔn)關(guān)系下界的函數(shù), 具有最好的兼顧信號(hào)在時(shí)頻域的分辨能力,。高斯函數(shù)的局部性特征使得Gabor濾波器只在局部起作用, 即具有良好的尺度特性和方向特性。因此,,Gabor濾波器被廣泛用于圖像處理和圖像分析領(lǐng)域,。
    本文通過(guò)對(duì)車轍印記以及車道線邊緣等一些紋理特征進(jìn)行分析,從而提取出道路的消失點(diǎn)以及車道線的信息。
    Gabor濾波器的模板計(jì)算方程如式(2)所示,,該模板分為實(shí)部(式(3))和虛部(式(4))兩部分,。


    


    (2)車道線跟蹤:根據(jù)上一幀測(cè)量的結(jié)果,限定角度在一定變化范圍內(nèi)(本文限制在10°范圍,,如圖8(b)所示)進(jìn)行Hough變換,這樣大大減少了運(yùn)算速度,。當(dāng)圖像檢測(cè)的消失點(diǎn)及車道線上的點(diǎn)少于所設(shè)定的閾值時(shí),程序重新初始化,。
4 車道識(shí)別
    本文在應(yīng)用的基礎(chǔ)上對(duì)合肥以及沈陽(yáng)的BRT車道進(jìn)行統(tǒng)計(jì),,其BRT車道相對(duì)其他車道具有如下特點(diǎn):其左右車道線都為黃色,一般位于路的兩邊,,道路的兩邊有欄桿或者路牙等特征,。基于此特點(diǎn),,本文實(shí)現(xiàn)了BRT車道的識(shí)別系統(tǒng),,結(jié)合GPS判斷其所在位置范圍內(nèi)有無(wú)BRT車道,,若有則判斷車道線顏色是否為黃色,即建立顏色模型,,對(duì)車道線上的每一點(diǎn)顏色進(jìn)行標(biāo)記,,并綜合判斷其左右車道線是否是黃色車道線,對(duì)黃色進(jìn)行標(biāo)記,如圖9左圖所示,。由于車道線長(zhǎng)期受到磨損有一定的失真,,且在晚上黃光燈照射下不易準(zhǔn)確地識(shí)別顏色,本文結(jié)合其欄桿,、路牙等特征識(shí)別車道,,對(duì)檢測(cè)的車道線兩邊的一定區(qū)域(圖9右圖白色矩形區(qū)域)進(jìn)行對(duì)比,比較其顏色邊緣紋理等特征差別,。通過(guò)大量的測(cè)試,,本文得到了判斷其是否為BRT車道的先驗(yàn)閾值,當(dāng)矩形區(qū)域差別大于設(shè)定閾值時(shí),則判斷為公交專用車道,,從而準(zhǔn)確實(shí)現(xiàn)車道檢測(cè),。

    本文首先通過(guò)GPS采集車輛所在區(qū)域的經(jīng)緯度信息, 并建立道路經(jīng)緯度信息庫(kù)判斷車輛所在位置附近是否具備BRT專用車道,若有,,則進(jìn)行車道線檢測(cè),,找到車輛所在車道的左右車道線,并判斷車道線上顏色信息以及車道線左右的邊緣亮度等信息,,分析其是否具備BRT快速公交車道的特征,,如具備,則可以作為監(jiān)控前方車輛是否違規(guī)駛?cè)隑RT車道的一個(gè)依據(jù),。
     本文對(duì)合肥公交專用車道進(jìn)行了大量的實(shí)驗(yàn),,實(shí)驗(yàn)結(jié)果表明,該算法具有很強(qiáng)的適用性,,能夠準(zhǔn)確地檢測(cè)到車輛所在車道的車道線,,并對(duì)其車道作出正確的判斷。車道識(shí)別結(jié)果如圖11所示,。

 

 

    本文提出了基于道路紋理特征的車道線檢測(cè)方法,,將直線模型算法成功移植到DM6437開發(fā)平臺(tái)。通過(guò)攝像頭實(shí)時(shí)采集道路圖像(25 S/s,圖像大小為720×576),,實(shí)時(shí)統(tǒng)計(jì)車道線信息,,并在城市道路上進(jìn)行了大量的實(shí)驗(yàn)測(cè)試,平均每幀圖像的算法耗時(shí)控制在50 ms以內(nèi),能夠較為準(zhǔn)確地檢測(cè)出車道線的位置,,具有較強(qiáng)的實(shí)時(shí)性和魯棒性,。
參考文獻(xiàn)
[1] GOLDBECKA J, HUERTGENA B, ERNSTA S, et al. Lane following combining vision and DGPS[J]. Image and Vision  Computing,2000,18:425-433.
[2] Lin Wei, Zhang Hongliang, DUAN B, et al. Vision-based real-time lane marking detection and tracking[J]. IEEE  Intelligent Transportation Systems, 2008(11):49-54.
[3] 雷濤,樊養(yǎng)余,王小鵬,等,基于形態(tài)學(xué)結(jié)構(gòu)元素建模的車道線檢測(cè)算法[J]. 計(jì)算機(jī)應(yīng)用2009,,29(2):441-445.
[4] 沈峘,李舜酩,柏方,等.結(jié)構(gòu)化道路中車道線的單目視覺(jué)檢測(cè)方法[J].儀器儀表學(xué)報(bào),2010,31(2):397-403.
[5] Liu Fuqing , Tian Min, Hu Zhengcheng. Research on vision-based lane detection and t racking for intelligent vehicles[J]. Journal of Tongji University:Natural Science, 2007,35(11):1535.
[6] 羅才彬,胡慶新,吳林成. 一種高速公路車道延伸方向的判斷方法[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),,2011,34(6):857-860.
[7] POMERLEAN D, JOCHEM T. Rapidly adapt ing machine vision for automated vehicle steering[J]. IEEE Intelligent Systems,1996,11(2):19-27.
[8] LEE T. Image representation using 2D Gabor wavelets[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1996,18(10):959-971.
[9] 陳志強(qiáng),高 磊,吳黎慧,等.一種優(yōu)化的Canny算子邊緣檢測(cè)[J].電子測(cè)試,,2011,6(6):43-46.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。