一種快速的公交專用車道檢測方法

摘 要： 為了提高車道線檢測的準確性和實時性，提出了一種快速準確的車道線檢測方法。首先根據(jù)道路的紋理特征求出道路的消失點，再采用改進的Hough變換檢測出車道線，結(jié)合車道線的一些特征以及攝像頭的參數(shù)，在不影響測量結(jié)果的情況下縮小檢測空間，快速準確地檢測道路的車道線，并結(jié)合BRT車道(快速公交車道)的一些特征識別車輛所在車道是否為BRT車道，從而實現(xiàn)對BRT車道內(nèi)前方車輛的監(jiān)督。將代碼移植到DM6437開發(fā)平臺隨著經(jīng)濟以及道路的發(fā)展，我國的汽車保有量迅速上升，交通事故也成為人們普遍關注的焦點。為了提高駕駛的安全性以及操作的簡單性，車輛安全輔助駕駛系統(tǒng)成為當今國際智能交通系統(tǒng)研究的重要內(nèi)容。車道線檢測作為車輛安全駕駛的一個重要研究方向，可以在車輛偏離航道時發(fā)出報警信息，有效地抑制事故的發(fā)生，具有重要的研究意義。

目前，國內(nèi)外學者已經(jīng)提出了很多車道線檢測算法，主要分為兩類：一類是基于圖像特征的檢測方法，即特征驅(qū)動法，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)將圖像的所有點標記為車道線點和非車道線點，這種機制要求道路的車道線顏色較為明顯，邊緣較為清晰，否則無法得到準確的檢測結(jié)果;另一類方法是基于模型的檢測方法，是根據(jù)提取的特征對預先定義好的車道線模型進行匹配，將車道線的提取轉(zhuǎn)化為車道線模型中參數(shù)的計算問題。模型的假設主要有直線模型和曲線模型兩種，其優(yōu)點是對噪音不敏感，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行車道檢測，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。

本文首先對圖像進行預處理，然后對圖像進行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)出預警信號。

1 圖像的預處理

圖像的預處理主要是對攝像頭實時采集的圖像進行前期處理，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)，以及進行邊緣檢測等，目的是為了加強圖像的有用信息，抑制干擾。

標定攝像頭以后，選取一定的區(qū)域作為車道線檢測區(qū)域，進行平滑去噪，并對其邊緣進行檢測。本文采用Canny邊緣檢測。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)的檢測結(jié)果。

2 基于Hough 變換的車道線檢測

2.1 傳統(tǒng)Hough 變換原理

對于建立的車道線模型為直線的情況下，Hough 變換作為車道線檢測的一個方法， 廣泛用于車道線識別領域。Hough 變換的實質(zhì)是對圖像進行坐標變換， 使變換的結(jié)果更易于識別和檢測。Hough 變換的表達式為：

其中， (x,y ) 表示圖像空間的某一點， ρ 是圖像空間中直線到坐標原點的距離，θ 是直線與x 軸的夾角。傳統(tǒng)Hough 變換投票空間ρ 和θ 的選擇范圍通常為ρ∈(0,r)( 其中r 為圖像對角線長度) ,θ∈(0,180 ) .(ρ ,θ)為坐標變換后的參數(shù)空間某一點， 其將圖像空間(x-y ) 的點轉(zhuǎn)換到參數(shù)空間(ρ-θ)， 可以證明圖像空間中同一直線上的點在參數(shù)空間中對應的正弦曲線交于一點(ρ ,θ)。因此對圖像空間的目標點進行坐標變換投影到參數(shù)空間，通過統(tǒng)計參數(shù)空間的總投票次數(shù)較多的點， 即可找到圖像空間對應的直線方程。

Hough變換作為一種經(jīng)典的車道線檢測算法，具有很強的適應性，然而該算法較為耗時，當車道線外在環(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變換檢測結(jié)果如圖3所示。

2.2 基于ROI區(qū)域改進的Hough變換的車道線檢測

針對圖像中道路的車道線一般分布在道路左右兩邊的情況，本文對傳統(tǒng)Hough變換的應用進行了改進，限定其投票空間的范圍，也就是限定ρ和θ來調(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，通過不斷的測試，得到目標點的極角約束區(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，只檢測落在白色區(qū)域內(nèi)的車道線。

通過建立極角、極徑約束區(qū)域，可以有效地去除大量的干擾點，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行速度。當車道線的極角極徑在檢測區(qū)域內(nèi)時，可以快速準確地檢測車道線的位置;然而當圖像在轉(zhuǎn)彎、變道或者攝像頭位置偏移時，車道線很容易超出檢測區(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

針對道路車道線不清晰以及存在一些其他標志干擾的情況，本文提出了改進的車道線檢測算法，即基于Gabor濾波器的車道線檢測。通過Gabor找到圖像的消失點，即圖像中兩條車道線的交點位置，再對消失點進行Hough變換，這樣不僅提高了算法的適用性，還提高了算法的實時性。

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， 它的單位沖激響應函數(shù)(Gabor函數(shù))是高斯函數(shù)與復指數(shù)函數(shù)的乘積。它是達到時頻測不準關系下界的函數(shù)， 具有最好的兼顧信號在時頻域的分辨能力。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域。