黃建宇

江蘇大學汽車與交通工程學院 江蘇鎮(zhèn)江 212013

基于邊緣提取和Hough變換的快速車道線檢測

黃建宇

江蘇大學汽車與交通工程學院 江蘇鎮(zhèn)江 212013

針對傳統(tǒng)車道線檢測技術易受拍攝環(huán)境影響這一問題，突出一種新的車道線檢測方法。通過對原始RGB圖像進行灰度化處理，利用自定義差分算子進行車道線邊緣提取，最后通過Hough變換實現(xiàn)車道線提取。該算法有效濾除圖像中干擾因素的影響，在復雜的環(huán)境中獲得較好的檢測結(jié)果，增強圖像處理的魯棒性。

車道線檢測；圖像灰度化；邊緣檢測；Hough變換

一、前言

車道線檢測是通過攝像裝備獲得圖像，再通過車道線識別技術將車道線與背景進行分離，從而獲得車道線的走向等信息。目前，國內(nèi)外常用的檢測方法有：Hough變換，匹配模板，粒子濾波，形態(tài)學等。其中，Hough變換具有抗噪性能好，算法穩(wěn)定等優(yōu)點。

當前，國內(nèi)外學者對車道線檢測進行過大量研究，但大都將改進點定位于Hough變換，旨在減少識別過程中的計算量，提高識別效率，而忽略了對拍攝圖像的前處理的改進。本文首先將拍攝的RGB圖像進行灰度化處理，再利用自定義的差分算子進行邊緣提取，最后利用Hough變換實現(xiàn)車道線的檢測。

二、道路圖像灰度化

圖像的灰度化是指把彩色圖像變換成灰度圖像的過程。由于亮度信息由暗到明是連續(xù)變化的，所以要描述圖像的灰度圖，就需要把亮度值進行量化。通常劃分成 0～255 ，共256個級別，0 表示全黑，255 表示全白。1～254 則表示介于全黑和全白之間的不同亮度。一般有以下四種灰度化的方法：分量法,最大值法,平均值法,加權(quán)平均法等，鑒于人眼對綠色敏感度最高而對藍色敏感度最低這一視覺特性，本文選取加權(quán)平均法對圖像進行灰度化。

三、道路圖像邊緣檢測

考慮到車道線的在圖像中的方向特征，即左右車道線傾斜角度一般分別是 45°和 135°方向，本文自定義了兩個差分算子。對平滑處理后的圖像用這兩個差分算子對道路圖像做微分計算，就得到了道路圖像的邊緣。

四、Hough變換檢測車道線

在車道線直線提取算法中，Hough 變換是最常用的方法之一，且快速車道基本上是直線,彎道較少,適合采用Hough變換檢測車道線。

Hough 直線變換的原理是利用點線的對偶性來實現(xiàn)的，即：把圖像空間中檢測直線的問題轉(zhuǎn)變?yōu)閰?shù)空間里檢測點的問題。為了解決垂直直線斜率無限大的問題，一般通過如下的直線變換，即：

其中ρ代表直線到原點的法線距離，θ為該法線對應 x軸的角度。

對信息融合后的圖像進行 Hough 變換，為了避免背景上的建筑等其他物體也可能存在直線而造成誤判斷的情況。本文設置一個閾值 L，當檢測出一條直線時，將其長度與閾值 L 作比較，當直線長度大于 L 時，則認為是一條車道線，并保存直線的斜率、截距、起點和終點四個元素，并作標記；小于閾值 L 時，則舍棄。這樣就很好的排除短小噪聲直線的干擾。

在這里，我們把邊緣檢測出來的圖像進行Hough變換得到車道線在極坐標系下的參數(shù)，然后再把這些參數(shù)繪制成圖1：

從圖中我們可以統(tǒng)計出這些曲線的重疊情況，然后根據(jù)統(tǒng)計值進行判斷直線所在位置，并在原圖中對直線進行標識。如圖6所示：

圖1　參數(shù)空間曲線圖像

五、結(jié)論

對拍攝圖像進行灰度化處理和中值濾波減小圖像處理的工作量和噪音，再利用自定義差分算子對灰度圖像進行邊緣提取，最后利用Hough變換實現(xiàn)快速車道線檢測，仿真結(jié)果顯示，該方法有效的濾除了環(huán)境因素對車道線檢測的影響，降低了誤差，魯棒性較強。

[1]王榮本,李斌.世界智能車輛行駛安全保障技術的研究進展[J].公路交通科技,2002,19(2)：80-85.

[2] 余人洪.基丁機器視覺的車道偏離預警系統(tǒng)研究[D].吉林：吉林大孕交通學院,2006.

[3]Morten Welde,James Odeek. Evaluating the Economic Impacts of Intelligent TransportSystems. Proceedings of the 14th World congress on Intelligent Transport System,2007：2028.

[4]Guoqiang Zhang, Jian Lu,Qiaojun Xiang. Implementation of Intelligent TransportationSystems based paratransit services in China. Proceedings of the 14th World congress onIntelligent Transport System, 2007： 3032.

[5]Xiaoxiong Weng,GuangzhaiLuo. Intelligent Traffic Information Systems based on featureof traffic flow.Proceedings of the 14th World congress on Intelligent Transport System,2007：3116.

[6]李大新.基于機器視覺的車道線檢測識別與車道偏離預警算法研究[D].山東大學,2012.

[7]李大新.基于機器視覺的車道線檢測識別與車道偏離預警算法研究[D].山東大學,2012.