• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩计划软件手机版苹果: 一种高速路段及城市道路车道线识别方法.pdf

    关 键 词:
    一种 高速 路段 城市道路 车道 识别 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611084618.6

    申请日:

    2016.11.30

    公开号:

    CN106778551A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/00申请日:20161130|||公开
    IPC分类号: G06K9/00 主分类号: G06K9/00
    申请人: 南京理工大学
    发明人: 成剑; 沙涛
    地址: 210094 江苏省南京市孝陵卫200号
    优先权:
    专利代理机构: 南京理工大学专利中心 32203 代理人: 陈鹏;朱显国
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611084618.6

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种高速路段及城市道路车道线识别方法,包括以下步骤:通过摄像机获取车道图像,利用摄像机参数自标定方法得到摄像机的内外参数,求得车道平面消失线;对车道图像进行灰度化处理并划分感兴趣区域;对上一步得到的图像进行中值滤波;对中值滤波后的图像使用Gabor变换提取车道线纹理特征;采用多角度Haar特征描述车道线边缘特征,利用Adaboost分类器进行分类识别;针对结构化道路设计双曲线组合模型;利用改进Ransac算法估计双曲线组合模型参数。本发明解决了在有阴影、车道线磨损、天气恶劣等复杂环境下的车道线检测问题,并且具有较好的实时性。

    权利要求书

    1.一种高速路段及城市道路车道线识别方法,其特征在于,包括以下步骤:
    步骤1、通过摄像机获取车道图像,利用摄像机参数自标定方法得到摄像机的内外参
    数,求得车道平面消失线;
    步骤2、对车道图像进行灰度化处理并划分感兴趣区域;
    步骤3、对步骤2得到的图像进行中值滤波;
    步骤4、对中值滤波后的图像使用Gabor变换提取车道线纹理特征;
    步骤5、采用多角度Haar特征描述车道线边缘特征,利用Adaboost分类器进行分类识
    别;
    步骤6、针对结构化道路设计双曲线组合模型;
    步骤7、利用改进Ransac算法估计双曲线组合模型参数。
    2.根据权利要求1所述的高速路段及城市道路车道线识别方法,其特征在于,步骤1中,
    首先建立图像坐标系和世界坐标系,设计两个坐标系中点坐标对应关系,根据摄像机的标
    定过程确定内部参数,根据坐标对应关系来计算车道线在空间坐标的位置参数,再根据内
    外参数得到车道消失线的位置。
    3.根据权利要求1所述的高速路段及城市道路车道线识别方法,其特征在于,步骤2中,
    对采集到的RGB图像像素以5:4:1权重进行灰度化处理。
    4.根据权利要求1所述的高速路段及城市道路车道线识别的方法,其特征在于,将消失
    线下方设为感兴趣区域,将消失线下方1/3区域作为感兴趣区域Ⅰ,其余2/3区域作为感兴趣
    区域Ⅱ。
    5.根据权利要求1所述的高速路段及城市道路车道线识别方法,其特征在于,步骤5具
    体过程为:
    步骤5-1,在Haar特征使用0°,90°和45°特征的基础上增加倾斜30°特征和倾斜60°特
    征,在30°、45°和60°倾斜矩形外围设置非倾斜矩形,该非倾斜矩形的四边经过倾斜矩形的
    四个顶点;
    设窗口有L×W个像素,Haar特征H(x,y,l,w,α),顶点坐标为(x,y),矩形区域长度为l,
    宽度为w,倾斜角为α,则旋转矩形的l和w的计算公式如下:
    <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>l</mi> <mo>=</mo> <mi>a</mi> <mi> </mi> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&alpha;</mi> <mo>+</mo> <mi>b</mi> <mi> </mi> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mi>&alpha;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>w</mi> <mo>=</mo> <mi>b</mi> <mi> </mi> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&alpha;</mi> <mo>+</mo> <mi>a</mi> <mi> </mi> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mi>&alpha;</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
    a为旋转矩形的长为,b为宽;
    利用取整得到的整数作为缩放系数求取倾斜矩形的Haar特征数,利用公式
    计算包含车道线边缘
    特征的Haar特征矩形个数,其中RecSum(x,y)为积分图计算式;
    步骤5-2,基于AD-Adaboost算法,利用参数计算公式,设定弱分类器的权重不仅与误报
    率有关,还与正样本的识别能力有关;
    给定训练样本集(x1,y1),(x2,y2),...,(xN,yN),其中yi对于负样本和正样本为0和1,负
    样本和正样本分别初始化权重为W1(i)=1/2q,1/2p,q和p分别为负样本和正样本;算法经
    过T次循环构建强分类器,For t=1,2,...,T,计算弱分类器hj的分类误差
    选取当分类误差εt最小时的弱分类器Ht;
    对Ht计算正权重总和:
    更新权重:
    其中弱分类器权重参数
    归一化下一个循环的权重式中,Zt是归一化因子,
    将得到的t个弱分类器组合到一个强分类器,得到的强分类器为
    <mrow> <mi>H</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </msubsup> <msub> <mi>&alpha;</mi> <mi>t</mi> </msub> <msub> <mi>H</mi> <mi>t</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>&GreaterEqual;</mo> <mi>&theta;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>w</mi> <mi>i</mi> <mi>s</mi> <mi>e</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
    其中,θ是分类错误率的判别阈值,αt=-logεt;
    当H(x)为1时,像素点x是车道线特征点,当H(x)为0时,x不是车道线特征点,在图像f
    (x,y)中,将H(x)=0的像素点去除,保留下来的像素点即为车道线特征点。
    6.根据权利要求1所述的高速路段及城市道路车道线识别的方法,其特征在于,在步骤
    7中改进Ransac算法采用预检测的方法提高运行速度,具体为:
    每次找4个点,其中3个点设计模型求得模型参数,剩下一个点进行模型匹配,看是否在
    模型上,如果不在,则放弃此样本重新选择,如果在,则将此模型作为候选模型;继续寻找其
    它点进行模型匹配,如果支撑候选模型的点数大于等于设定阈值,则此候选模型即为目标
    模型;若支撑候选模型的点数小于设定阈值,则放弃此候选模型,继续寻找4个点。

    说明书

    一种高速路段及城市道路车道线识别方法

    技术领域

    本发明属于图像处理技术领域,具体涉及一种高速路段及城市道路车道线识别方
    法。

    背景技术

    车道线识别是高级驾驶辅助系统的核心部分。由于视觉传感器成本低且易于构建
    系统,基于机器视觉的车道线检测方法得到广泛应用。而基于机器视觉的车道线检测方法
    一般可以分为两大类:基于图像特征的方法和基于模型识别的方法。

    基于图像特征的方法主要是灰度图像中对灰度边缘的识别,而基于模型的方法是
    建立数学模型表示车道边界。在城市街道和高速公路通常使用基于模型识别的方法,常用
    的车道线检测模型包括直线模型、双曲线模型、抛物线模型、样条曲线模型等。简单的模型
    不能很好的表示车道线,而复杂的模型又会有复杂的计算和较高的错误率。

    现有的方法大都能在多种场景下有较好的检测效果,但在车道线状况不佳,例如
    阴影、树木、光照强度、车道线磨损等情况,检测时往往将非车道线特征点识别为车道线特
    征点,导致参数估计偏差。

    发明内容

    本发明的目的在于提供一种高速路段及城市道路车道线识别方法,克服多种因素
    干扰下车道线较难检测的问题,且兼具实时性。

    实现本发明目的的技术方案为:一种高速路段及城市道路车道线识别方法,包括
    以下步骤:

    步骤1、通过摄像机获取车道图像,利用摄像机参数自标定方法得到摄像机的内外
    参数,求得车道平面消失线;

    步骤2、对车道图像进行灰度化处理并划分感兴趣区域;

    步骤3、对步骤2得到的图像进行中值滤波;

    步骤4、对中值滤波后的图像使用Gabor变换提取车道线纹理特征;

    步骤5、采用多角度Haar特征描述车道线边缘特征,利用Adaboost分类器进行分类
    识别;

    步骤6、针对结构化道路设计双曲线组合模型;

    步骤7、利用改进Ransac算法估计双曲线组合模型参数。

    与现有技术相比,本发明的显著效果为:

    (1)本发明通过利用多角度的Haar特征来提取车道线特征点,增强了具有较强方
    向一致性的车道线边缘特征;

    (2)本发明通过利用Haar特征结合改进的Adaboost分类器的识别算法,使识别准
    确率更高,实时性更好;

    (3)本发明利用改进的Ransac算法更好的适应了复杂条件下的车道线模型参数估
    计,提高了准确度且增强了实时性。

    附图说明

    图1是本发明高速路段及城市道路车道线识别方法的流程图。

    图2是设计多角度Haar特征示意图。

    图3是双曲线组合模型。

    具体实施方式

    下面结合附图和实施例对本发明的技术方案做具体描述。

    结合图1,本发明的一种高速路段及城市道路车道线识别方法,包括以下步骤:

    步骤1、通过摄像机获取车道图像,利用摄像机参数自标定方法得到摄像机的内外
    参数,求得车道平面消失线;

    步骤2、对车道图像进行灰度化处理并划分感兴趣区域;

    步骤3、对步骤2得到的图像进行中值滤波;

    步骤4、对中值滤波后的图像使用Gabor变换提取车道线纹理特征;

    步骤5、采用多角度Haar特征描述车道线边缘特征,利用Adaboost分类器进行分类
    识别;

    步骤6、针对结构化道路设计双曲线组合模型;

    步骤7、利用改进Ransac算法估计双曲线组合模型参数。

    进一步的,步骤1中,首先建立图像坐标系和世界坐标系,设计两个坐标系中点坐
    标对应关系,根据摄像机的标定过程确定内部参数,根据坐标对应关系来计算车道线在空
    间坐标的位置参数,再根据内外参数得到车道消失线的位置。

    进一步的,步骤2中,对采集到的RGB图像像素以5:4:1权重进行灰度化处理。

    进一步的,将消失线下方设为感兴趣区域,将消失线下方1/3区域作为感兴趣区域
    Ⅰ,其余2/3区域作为感兴趣区域Ⅱ。

    进一步的,步骤5具体过程为:

    步骤5-1,在Haar特征使用0°,90°和45°特征的基础上增加倾斜30°特征和倾斜60°
    特征,在30°、45°和60°倾斜矩形外围设置非倾斜矩形,该非倾斜矩形的四边经过倾斜矩形
    的四个顶点;

    设窗口有L×W个像素,Haar特征H(x,y,l,w,α),顶点坐标为(x,y),矩形区域长度
    为l,宽度为w,倾斜角为α,则旋转α的矩形的l和w的计算公式如下:


    a为旋转矩形的长,b为宽;

    利用取整得到的整数作为缩放系数求取倾斜α矩形的Haar特征数,利用公式
    计算包含车道线边缘
    特征的Haar特征矩形个数,其中RecSum(x,y)为积分图计算式;

    步骤5-2,基于AD-Adaboost算法,利用参数计算公式,设定弱分类器的权重不仅与
    误报率有关,还与正样本的识别能力有关;

    给定训练样本集(x1,y1),(x2,y2),...,(xN,yN),其中yi对于负样本和正样本为0和
    1,负样本和正样本分别初始化权重为W1(i)=1/2q,1/2p,q和p分别为负样本和正样本;算
    法经过T次循环构建强分类器,For t=1,2,...,T,计算弱分类器hj的分类误差
    选取当分类误差εt最小时的弱分类器Ht;

    对Ht计算正权重总和:

    更新权重:

    其中弱分类器权重参数

    归一化下一个循环的权重式中,Zt是归一化因子,

    将得到的t个弱分类器组合到一个强分类器,得到的强分类器为


    其中,θ是分类错误率的判别阈值,αt=-logεt;

    当H(x)为1时,像素点x是车道线特征点,当H(x)为0时,x不是车道线特征点,在图
    像f(x,y)中,将H(x)=0的像素点去除,保留下来的像素点即为车道线特征点。

    进一步的,在步骤7中改进Ransac算法采用预检测的方法提高运行速度,具体为:

    每次找4个点,其中3个点设计模型求得模型参数,剩下一个点进行模型匹配,看是
    否在模型上,如果不在,则放弃此样本重新选择,如果在,则将此模型作为候选模型;

    继续寻找其它点进行模型匹配,如果支撑候选模型的点数大于等于设定阈值,则
    此候选模型即为目标模型;若支撑候选模型的点数小于设定阈值,则放弃此候选模型,继续
    寻找4个点。

    下面结合具体实施例对本发明作进一步说明。

    实施例

    结合图1,一种高速路段及城市道路车道线识别方法,包括以下步骤:

    步骤1、通过摄像头获取道路图像,计算得到相关参数

    摄像机得到的图像坐标为(u,v),而路面坐标系上对其的映射坐标为(x,y),摄像
    机放在离地高h的地方,偏转角为设在路面坐标系中P点坐标为[x,y,z]T,而在图像坐标
    系中P点坐标为[wu,wv,w]T,对应关系为其中K是相机校准矩阵,
    R是旋转矩阵,I为单位矩阵,[I3×3|-T]是I和T的级
    联,T=[0,0,h]T,路面坐标系中路面z坐标为0,(uc,vc)是图像坐标平面的主点位置,f为摄
    像机内参数的有效焦距,则图像的点投影在世界坐标系中的坐标关系为:



    获得内外参数后求取车道平面消失线。

    步骤2、对得到的RGB图像采取5:4:1权重进行灰度化处理,在车道平面消失线下方
    进行感兴趣划分,1/3区域作为感兴趣区域Ⅰ,2/3区域作为感兴趣区域Ⅱ,如图3。

    步骤3、对图像进行中值滤波;

    为去除摄像机获取图像的椒盐噪声,并有效?;は附诤捅咴?,本发明采用中值滤
    波进行去噪处理:n为偶数

    本实施例选择5*5中值滤波作为图像增强方法。

    步骤4、对预处理后的图像使用Gabor变换提取车道线纹理特征。

    由于Gabor滤波器对于图像的边缘敏感,能够提供良好的方向选择和尺度选择特
    性,而且对于光照变化不敏感,能够提供对光照变化良好的适应性,所以本发明利用Gabor
    小波提取车道线纹理特征:


    其中表示坐标,σ为标准差,表示滤波器的中心频率,表示核函数的方向,
    为二维Gabor滤波器函数;

    通过在空域将图像与Gabor滤波器做卷积得到道路纹理特征:Fg为滤
    波后的图像,J是灰度化之后的图像,G是Gabor滤波器。

    步骤5、采用多角度Haar特征描述车道线边缘和结构特征,利用Adaboost分类器进
    行分类识别。

    本发明在传统Haar特征使用0°,90°和45°特征的基础上增加倾斜30°特征和倾斜
    60°特征,在30°、45°和60°倾斜矩形外围设置非倾斜矩形,该非倾斜矩形的四边经过倾斜矩
    形的四个顶点;如图2所示,设窗口有L×W个像素,Haar特征H(x,y,l,w,α),顶点坐标为(x,
    y),矩形区域长度为l,宽度为w,倾斜角为α,则旋转30°的矩形的l和w的计算公式如下:
    旋转矩形的长为a,宽为b;利用取整得到的整数作为缩
    放系数求取倾斜30°矩形的Haar特征数,接着利用公式
    计算包含车道线边
    缘特征的Haar特征矩形个数,其中RecSum(x,y)为积分图计算式。

    本发明基于AD-Adaboost算法,利用新的参数计算公式,设定弱分类器的权重不仅
    与误报率有关,还与正样本的识别能力有关;给定训练样本集(x1,y1),(x2,y2),...,(xN,
    yN),其中yi对于负样本和正样本为0和1,负样本和正样本分别初始化权重为W1(i)=1/2q,
    1/2p,q和p分别为负样本和正样本;算法经过T次循环构建强分类器,For t=1,2,...,T,计
    算弱分类器hj的分类误差选取当分类误差εt最小时的弱分类器Ht。接
    着对Ht计算正权重总和:更新权重:
    其中弱分类器权重参数βt为:接着归一化下一个循环的权重
    式中,Zt是归一化因子,然后,将得到的t个弱分类器组合到一
    个强分类器,得到的强分类器为其中θ是分类错误率的判别阈
    值,αt=-logεt。

    当H(x)为1时,像素点x是车道线特征点,当H(x)为0时,x不是车道线特征点,在图
    像f(x,y)中,将H(x)=0的像素点去除,保留下来的像素点即为车道线特征点。

    步骤6、针对结构化道路设计双曲线组合模型。

    为适应弯曲道路和直线道路,如图3,本设计建立了双曲线模型:
    其中(u,v)为图像上的车道线上的点,h为车道消失点在图像v轴的坐
    标值,k、b、c为线性双曲线模型的参数,k为曲率,b为车道线相对方向,c为车道线到v轴的距
    离,感兴趣区域Ⅰ为远视场,看作双曲线,感兴趣区域Ⅱ为近视场,近似为直线,左右车道线
    的参数k和c相同,而b不同,当k=0时,公式代表了直线。

    步骤7、利用改进Ransac算法估计车道模型参数。

    为估计车道模型参数并优化模型以准确描述车道边界,本设计利用改进的RANSAC
    算法进行车道线拟合。针对传统算法耗时长的不足,改进的算法采用预检测的方法来提高
    运行速度,每次找4个点,其中3个点设计模型求得模型参数,剩下一个点进行模型匹配,看
    是否在模型上,如果不在,则放弃此样本重新选择,如果在,则将此模型作为候选模型;

    继续寻找其它点进行模型匹配,如果支撑候选模型的点数大于等于设定阈值,则
    此候选模型即为目标模型;若支撑候选模型的点数小于设定阈值,则放弃此候选模型,继续
    寻找4个点。

    本发明很好的结合各算法的优点,具备在复杂道路情况下的车道线的识别能力,
    且精确度高,实时性好。

    关于本文
    本文标题:一种高速路段及城市道路车道线识别方法.pdf
    链接地址://www.4mum.com.cn/p-6021307.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 彩票软件iOS 体彩排列三6码遗漏组六分析 新彊时时彩三星开奖号 北京pk拾赛车高手论坛 极速时时彩计划软件app 时时彩大小单双人工计划 双色球7+2 三肖和五肖中特 36码特围绝不改料一肖 幸运飞艇①猜冠军计划 幸运28全包稳赚 七星彩二定谁买 猜大小单双稳赚 1千本金每天赢100就收 重时时彩三星综合走势 重庆时时彩龙虎合法么