快速公交專用車道檢測

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(dāng)車道線的極角極徑在檢測區(qū)域內(nèi)時，可以快速準(zhǔn)確地檢測車道線的位置;然而當(dāng)圖像在轉(zhuǎn)彎、變道或者攝像頭位置偏移時，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(biāo)志干擾的情況，本文提出了改進(jìn)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(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(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)到時頻測不準(zhǔn)關(guān)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(lǐng)域。

本文通過對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以及車道線的信息。

Gabor濾波器的模板計算方程如式(2)所示，該模板分為實部(式(3))和虛部(式(4))兩部分。

通過建立K×K 大小的Gabor 模板，(x,y) 表示圖像空間的一點。其中，θ 表示模板的方向， 為確定最后的道路紋理方向， 這里選擇范圍為0~72 ;λ 表示路面的波長;σ表示噪聲容量， 本文取σ=K/9 .

3.2 消失點的求解

本文用不同方向的模板與圖像進(jìn)行卷積， 對于圖像任意一點， 即可得到某一個方向上的卷積的結(jié)果為最大值， 這個最大值為紋理方向?qū)?yīng)的能量， 該方向為紋理的方向。

其中，α 表示模板對應(yīng)的方向， 對于圖像中的任意點I(x,y) 與α 方向的Gabor 模板進(jìn)行卷積， 得到不同的t(x,y)，求取其最大值， 將最大值對應(yīng)的方向作為圖像中(x,y)點的紋理方向， 同時將該最大值作為紋理方向上的紋理強(qiáng)度。

通 過計算可以得到圖像中每一點的紋理方向以及能量。為了計算出消失點， 對圖像中選取的點進(jìn)行投票，這里選擇圖像下方一定的區(qū)域點， 如圖5 所示。當(dāng)紋理能量大于設(shè)定閾值的點作為投票點，p 表示圖像中投票空間的點，θ (p) 表示p 紋理方向，v 表示消失點的候選點，a (p ,v) 表示p 點與v 點的夾角，n 為采用的Gabor 模板方向的個數(shù)，R 為定義的投票空間， 即圖6 對應(yīng)的方框區(qū)域， 通過vote (p,v) 來統(tǒng)計p 點對v 點的投票結(jié)果，votes (v ) 為對R 區(qū)域累加進(jìn)行投票的統(tǒng)計結(jié)果，pvote 為最終被投票次數(shù)最多的點的坐標(biāo)， 即消失點。

圖6 中的框表示選取的投票區(qū)域， 即在該區(qū)域內(nèi)選取400 個點進(jìn)行Gabor 變換， 求出其紋理方及能量; 圓圈是求出的消失點位置。

3.3 車道線檢測

對于傳統(tǒng)的Hough 變換， 需要對每個點每個角度進(jìn)行遍歷， 這樣比較耗時。本文采用改進(jìn)的Hough 變換， 對消失點及其周圍的有限個像素進(jìn)行Hough 變換， 求取左右車道線的兩個峰值點，并繪制出車道線。該方法能夠有效地抑制圖像的其他邊緣噪聲干擾，提高算法的實時性。車道檢測結(jié)果如圖7 所示。