CN104657735A - 车道线检测方法、***、车道偏离预警方法及*** - Google Patents

Abstract

本发明提供一种车道线检测方法，包括：S1、采集图像，并将彩色图像转换为灰度图像；S2、选取图像感兴趣区域，并将其分割为左侧图像及右侧图像；S3、利用二值化求取左侧图像及右侧图像每一行的灰度二值化阈值，提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；S4、利用一维sobel算子得到左侧图像及右侧图像的边缘图像，求取其边缘二值化阈值，提取左侧边缘图像和右侧边缘图像的内边缘点集合；S5、选取左侧图像中的上述像素点集合与上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中的上述像素点集合与上述内边缘点集合的交集为右车道线内边缘点；S6、根据左车道线内边缘点及右车道线内边缘点求出左车道线及右车道线。

Description

车道线检测方法、***、车道偏离预警方法及***

技术领域

本发明涉及车辆安全辅助驾驶技术领域，特别是涉及一种车道线检测方法、***、车道偏离预警方法及***。

背景技术

随着社会的发展，汽车已经成为大众化的交通工具，因为疲劳驾驶或者注意力分散，车辆偏离车道线造成的事故也不断增多，并且此类事故发生时通常车速较高，因此危害性较高。

研究表明，若潜在的交通事故发生前1秒钟给驾驶员预警，则可以避免绝大部分的类似交通事故。因此，实时检测车道线，识别车辆是否偏离车道，在驾驶员未进行变道操作但车辆却趋于偏离车道时及时提醒驾驶员，能够大大提高行车安全性。

驾驶过程中造成车辆偏离车道线的情况很多，如驾驶习惯、疲劳驾驶、注意力分散等。驾驶习惯造成的车道偏离可以由驾驶员主动避免，而疲劳驾驶、注意力分散造成的车道偏离无法依靠驾驶员主动避免，并且往往会造成交通事故。

为了克服上述问题，车道偏离预警***应运而生，车道偏离预警***最核心的部分就是车道线检测***。传统的车道线检测***工作过程如下：首先，通过摄像头拍摄包含车辆所在车道线的图像；接着利用二值化方法提取上述图像中的车道线内边缘点，最后利用霍夫变换提取直线，从而得到车道线。

在上述的车道线检测方法中，在车道边缘目标点中仅使用一次图像二值化提取车道线边缘内边缘点，提取的车道线内边缘点有相当大一部分不是实际的车道线内边缘点，有可能是图像中存在的光斑及其他亮度较大的噪声，进而影响车道线内边缘点检测的准确性，使得车道线检测不够准确。

发明内容

本发明所要解决的技术问题是针对现有的车道线检测方法计算量大所导致的***反应延迟的问题，提供一种车道线检测方法。

本发明解决上述技术问题所采用的技术方案为，提供一种车道线检测方法，包括以下步骤：

S1、采集包含车辆所在车道的左右车道线的图像，并将彩色图像转换为灰度图像；

S2、在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，将上述图像感兴趣区域分割为左侧图像及右侧图像；

S3、利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；

S4、利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像和右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；

S5、选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；

S6、根据选取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。

进一步地，步骤S1之后，步骤S2之前还包括图像预处理步骤：

利用高斯滤波器对上述图像进行去噪和平滑处理。

进一步地，步骤S1具体为：

通过前视摄像头或左右两个摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像，并将图像信号输入给视频解码器；

视频解码器将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在存储器中。

进一步地，步骤S2中选取的图像感兴趣区域为所采集图像中不包含天空部分的图像。

进一步地，步骤S3中求取左侧图像及右侧图像每一行的灰度二值化阈值的方法具体为：

通过直方图双峰法分别求取左侧图像及右侧图像每一行的灰度二值化阈值；

根据左侧图像及右侧图像的二值化图像中满足灰度二值化阈值的像素点数量适当减小或增大灰度二值化阈值；

将左侧图像及右侧图像的二值化图像中当前帧的灰度二值化阈值与前一帧的灰度二值化阈值相比较，对灰度二值化阈值变化超出预设范围的行，则根据不同比重结合当前帧和前一帧的灰度二值化阈值设定该行最终的灰度二值化阈值。

进一步地，步骤S4具体为：

利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，通过直方图双峰法分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述左侧边缘图像的边缘二值化阈值及右侧边缘图像的边缘二值化阈值分别对左侧边缘图像和右侧边缘图像进行二值化；

对于左侧边缘图像二值化后满足如下条件的像素点(x，y)提取为左车道线内边缘点：

Y(x，y)＝255；

Y(x－1，y)＝255；

Y(x+1，y)＝0；

其中(x－1，y)是(x，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值；

对于右侧边缘图像二值化后满足如下条件的像素点(x，y)提取为初始右车道线内边缘点：

Y(x，y)＝0；

Y(x－1，y)＝255；

Y(x+1，y)＝255；

其中(x－1，y)是(x，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值。

进一步地，步骤S6具体为：

利用Radon变换将包含左车道线内边缘点及右车道线内边缘点的直角坐标平面变换到极坐标参数空间平面(ρ，θ)，分别求出左侧图像和右侧图像存在的直线；

将表示参数空间的极坐标ρ-θ量化成多个相同的小格，根据表示车道线在直角坐标***X-Y中的每一点坐标（x，y），依据公式ρ＝xcosθ+ysinθ对参数空间中0-180°以内的区域以小格的步长递进的各个极角θ值，计算各个极径ρ值，所得极径ρ值落入某个小格内，便使该小格的累加计数器加1；当直角坐标系中全部的点都计算完成后，对小格进行检验，选取累加计数器数值前三位的小格，该三位的小格的(ρ，θ)值对应于直角坐标中三条直线；

选取对应的累加计数器数值大于预设值的直线；

判断上述步骤选取的直线是否在预设的(ρ，θ)值范围内；

将满足上述判断的直线可信度设为1，并保存其所对应的(ρ，θ)值；

进入下一帧检测，将检测出的新直线与前一帧检测出的直线相比较，若有两条直线的(ρ，θ)值的差值在预设范围内，则认定该两条直线为同一条直线，则该条直线的可信度加1；若当前帧检测出的直线，不能与前一帧的任一条直线匹配，则认为该条直线为新直线，将其可信度设为1，并记录其(ρ，θ)值；若前一帧检测出的直线与当前帧检测出的所有直线均无法匹配，则认为该条直线在当前帧中消失，将其可信度减1；

重复上述步骤，若直线的可信度达到25则保持不变，并将该条直线的(ρ，θ)值更新到当前帧检测的(ρ，θ)值；

判断记录的所有直线的可信度，若直线的可信度等于25，则判断该条直线为要检测的车道线；若某条直线的可信度减小到0，则从记录中的(ρ，θ)删除该条直线。

进一步地，所述方法还包括如下步骤：

根据检测到的当前帧图像中车道线的位置，利用Kalman滤波预测下一帧图像中车道线的位置；

将前一帧检测出的左右车道线分别向左右扩展50像素作为下一帧的车道线检测区域。

根据本发明的车道线检测方法，在检测左右车道线内边缘点时，先利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；再利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；然后，选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点。这样，通过第一次二值化处理，可以去除图像中存在的阴影及其他亮度较小的噪声，而通过对一维sobel算子求取的边缘图像进行第二次二值化，又可以去除第一次二值化中的非边缘噪声，如图像中的光斑及其他亮度较大的噪声，因而大大提高了车道线内边缘检测的准确性，进而使得车道线检测更为准确，提升了车辆行车的安全性。

另外，本发明还提供了一种车道线检测***，包括图像拍摄模块及图像处理模块，所述图像处理模块包括控制单元、视频解码器及存储器；

所述图像拍摄模块，用于拍摄包含车辆所在车道的左右车道线的图像；

所述图像处理模块，包括图像采集模块及车道线检测模块；

所述图像采集模块，用于通过视频解码器接收图像拍摄模块拍摄的图像信号，并将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在存储器中；

所述车道线检测模块，用于在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，并将上述图像感兴趣区域分割为左侧图像及右侧图像分别处理；然后，利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像及右侧边缘图像中的内边缘点集合；然后，选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；最后，根据提取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。

进一步地，所述图像处理模块还包括连接在所述图像采集模块及车道线检测模块之间的图像预处理模块，所述图像预处理模块利用高斯滤波器对上述图像进行去噪和平滑处理。

进一步地，所述图像拍摄模块为车辆环视***的前视摄像头，所述图像拍摄模块为车辆环视***的前视摄像头或左右两个摄像头。

另外，本发明还提供了一种车道偏离预警方法，包括如下步骤：

根据上述的车道线检测方法检测得到车道线；

根据检测到的车道线与车辆的相对位置以及车辆的当前状态，确定是否需要预警；

在确定需要预警的情况下，以声和/或光的形式预警。

根据本发明的车道偏离预警方法，通过第一次二值化处理，可以去除图像中存在的阴影及其他亮度较小的噪声，而通过对一维sobel算子求取的边缘图像进行第二次二值化，又可以去除第一次二值化中的非边缘噪声，如图像中的光斑及其他亮度较大的噪声，因而大大提高了车道线内边缘检测的准确性，进而使得车道线检测更为准确，提升了车辆行车的安全性。

另外，本发明还提供了一种车道偏离预警***，包括上述的车道线检测***、车辆与车道线相对位置检测模块、预警逻辑判断模块及预警模块；

所述车辆与车道线相对位置检测模块，用于结合所述车道线检测***所检测到的车道线的位置与车辆标定参数，确定车辆当前与车道线的相对位置；

所述预警逻辑判断模块，根据当前车辆与车道线的相对位置以及车辆当前状态进行逻辑判断，确定是否需要预警；

所述预警模块，预警模块根据所述预警逻辑判断模块的判断结果，对使用者提前进行声和/或光形式的预警。

附图说明

图1是本发明一实施例提供的车道偏离预警方法的框图；

图2是本发明一实施例提供的车道偏离预警***的框图。

附图中的标记如下：

10、图像拍摄模块；20、图像处理模块；21、图像采集模块；22、车道线检测模块；23、图像预处理模块；24、车辆与车道线相对位置检测模块；25、预警逻辑判断模块；30、预警模块。

7、根据权利要求1至5任意一项所述的车道线检测方法，其特征在于，步骤S6中采用最小二乘法求出左车道线及右车道线。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明一实施例提供的车道线检测方法，包括以下步骤：

S1、采集包含车辆所在车道的左右车道线的图像，并将彩色图像转换为灰度图像；

S2、在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，将上述图像感兴趣区域分割为左侧图像及右侧图像；

S3、利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值GrayTL1…GrayTLn及GrayTR1…GrayTRn，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；

S4、利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像和右侧边缘图像的边缘二值化阈值EdgeTL及EdgeTR并使用上述边缘二值化阈值EdgeTL及EdgeTR对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；；

S5、选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；

S6、根据选取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。

本实施例中，步骤S1之后，步骤S2之前还包括图像预处理步骤。所述图像预处理步骤为利用高斯滤波器对上述图像进行去噪和平滑处理，以提高图像质量。

本实施例中，步骤S1具体为：

通过前视摄像头或左右两个摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像，并将图像信号输入给视频解码器；摄像头的一种规格如下：有效分辨率为640x480，帧率为30帧/秒。利用安装于左右后视镜的摄像头采集车辆两侧图像时，相对于安装于挡风玻璃处的前视摄像头有明显的位置优势。一方面，左右摄像头可以安装在后视镜内，并且斜向下安装（镜头朝前下方），不易受到光线的影响，在早晨和傍晚可以避免阳光直接照射到摄像头上，晚上也不受其他车辆大灯光线的影响，保证实时采集的图像质量，大大提高车道识别率；另一方面，安装在后视镜内的左右摄像头在雨天也不易受到雨刮和雨水的影响。

视频解码器将摄像头输入的图像信号（模拟信号）解码为YUV的数字信号后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在闪存Flash和/或内存DDR类型的存储器中。控制单元优选为DSP（Digital Signal Processing，数字信号处理器）芯片。

步骤S2中选取的图像感兴趣区域为所采集图像中不包含天空部分的图像。根据投影理论，当摄像头光照与地面平行或呈一定角度时，摄像头视野中的上方通常为天空等背景，而路面在图像的下半部分，本发明采用图像下半部分作为感兴趣区域。为减小计算量并且能够选择合理的感兴趣区域，本发明通过摄像头的安装角度保证合理的感兴趣区域选择。在摄像头安装时，通过摄像头安装角度调整使得图像中天空和地面占图像的比例为4:6，因此***可以快速选择出合理的图像感兴趣区域ROI（Region Of Interest）。当摄像头安装在左右后视镜上时，在左右摄像头获取的图像中，车道分别位于图像的左边和右边，因此本发明最后将感兴趣区域选择为包围近侧车道线的梯形区域。

本实施例中，步骤S3中求取左侧图像及右侧图像每一行的灰度二值化阈值的方法具体为：

通过直方图双峰法分别求取左侧图像及右侧图像每一行的灰度二值化阈值GrayTL1…GrayTLn及GrayTR1…GrayTRn；当然在其它实施例中，二值化阈值GrayTL1…GrayTLn及GrayTR1…GrayTRn的获取方法也可以是P参数法、大津法、最大熵阈值法或迭代法等。过直方图双峰法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，相对于整幅图像进行二值化适应性大大提高，此方法可以大大避免车辆外复杂环境的影响，提高车道线边缘点检测效率。

根据左侧图像及右侧图像的二值化图像中满足灰度二值化阈值的像素点数量适当减小或增大灰度二值化阈值GrayTL1…GrayTLn及GrayTR1…GrayTRn。此方法可以将待选边缘点数量控制在一定范围内。

将左侧图像及右侧图像的二值化图像中当前帧的灰度二值化阈值与前一帧的灰度二值化阈值相比较，对灰度二值化阈值变化超出预设范围的行，则根据不同比重结合当前帧和前一帧的灰度二值化阈值设定该行最终的灰度二值化阈值。

当然，在其它实施例中，通过直方图双峰法求取的左侧图像及右侧图像每一行的灰度二值化阈值GrayTL1…GrayTLn及GrayTR1…GrayTRn也可以直接设定为该行最终的灰度二值化阈值。相对来说，此方法运算更为简单，但是比上面的方法精度要差一些。

本实施例中，步骤S4“分别对左侧图像及右侧图像所有行的边缘图像进行二值化以求得左侧边缘图像和右侧边缘图像的边缘二值化阈值EdgeTL及EdgeTR”中，边缘二值化阈值EdgeTL及EdgeTR的获取方法可以是双峰法、P参数法、大津法、最大熵阈值法或迭代法等。

本实施例中，对于左侧图像中满足如下条件的像素点(x，y)提取为左车道线内边缘点：

Y(x，y)＝255；

Y(x－1，y)＝255；

Y(x+1，y)＝0；

其中(x－1，y)是(x，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值。

而对于右侧图像中满足如下条件的像素点(x，y)提取为右车道线内边缘点：

Y(x，y)＝0；

Y(x－1，y)＝255；

Y(x+1，y)＝255；

其中(x－1，y)是(x，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值。

本实施例中，步骤S6具体为：

利用Radon变换将包含左车道线内边缘点及右车道线内边缘点的直角坐标平面变换到极坐标参数空间平面(ρ，θ)，分别求出左侧图像和右侧图像存在的直线；将表示参数空间的极坐标ρ-θ量化成多个相同的小格，根据表示车道线在直角坐标***X-Y中的每一点坐标（x，y），依据公式ρ＝xcosθ+ysinθ对参数空间中0-180°以内的区域以小格的步长递进的各个极角θ值，计算各个极径ρ值，所得极径ρ值落入某个小格内，便使该小格的累加计数器加1；当直角坐标系中全部的点都计算完成后，对小格进行检验，选取累加计数器数值前三位的小格，该三位的小格的(ρ，θ)值对应于直角坐标中三条直线；

选取对应的累加计数器数值大于预设值的直线；

判断上述步骤选取的直线是否在预设的(ρ，θ)值范围内；

将满足上述判断的直线可信度设为1，并保存其所对应的(ρ，θ)值；

进入下一帧检测，将检测出的新直线与前一帧检测出的直线相比较，若有两条直线的(ρ，θ)值的差值在预设范围内，则认定该两条直线为同一条直线，则该条直线的可信度加1；若当前帧检测出的直线，不能与前一帧的任一条直线匹配，则认为该条直线为新直线，将其可信度设为1，并记录其(ρ，θ)值；若前一帧检测出的直线与当前帧检测出的所有直线均无法匹配，则认为该条直线在当前帧中消失，将其可信度减1；

重复上述步骤，若直线的可信度达到25则保持不变，并将该条直线的(ρ，θ)值更新到当前帧检测的(ρ，θ)值；

判断记录的所有直线的可信度，若直线的可信度等于25，则判断该条直线为要检测的车道线；若某条直线的可信度减小到0，则从记录中的(ρ，θ)删除该条直线。

上述车道线的判断方法，通过设置直线的可信度，提高了车道线检测的准确性和连续性，大大提高***的报警效率。

本实施例中，所述方法还包括如下步骤：

根据检测到的当前帧图像中车道线的位置，利用Kalman滤波预测下一帧图像中车道线的位置；利用Kalman滤波融入前一帧的车道信息，消除噪声点的干扰。将前一帧检测出的左右车道线分别向左右扩展50像素作为下一帧的车道线检测区域。

道路图像视频是连续的（30帧/秒），连续帧之间的图像不会出现车道方向突变的情况。因此可以根据前一帧检测出的车道线的位置设定一个区域作为下一帧图像的检测区域。本发明上艺术品实施例将前一帧检测出的车道线分别向左右设定50像素作为下一帧的检测区域，该约束条件有效的消除噪声干扰点的影响，提高了车道线检测的准确率和效率。

根据本发明上述实施例的车道线检测方法，在检测左右车道线内边缘点时，先利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；再利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；然后，选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点。这样，通过第一次二值化处理，可以去除图像中存在的阴影及其他亮度较小的噪声，而通过对一维sobel算子求取的边缘图像进行第二次二值化，又可以去除第一次二值化中的非边缘噪声，如图像中的光斑及其他亮度较大的噪声，因而大大提高了车道线内边缘检测的准确性，进而使得车道线检测更为准确，提升了车辆行车的安全性。

另外，如图1所示，本发明一实施例还提供了一种车道线检测***，包括图像拍摄模块10及图像处理模块20，所述图像处理模块包括控制单元、视频解码器及存储器；

所述图像拍摄模块10，用于拍摄包含车辆所在车道的左右车道线的图像；

所述图像处理模块20，包括图像采集模块21及车道线检测模块22；

所述图像采集模块，用于通过视频解码器接收图像拍摄模块拍摄的图像信号，并将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在存储器中；存储器可以是DDR内存或FLASH闪存。控制单元优选为DSP芯片。

所述车道线检测模块22，用于在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，并将上述图像感兴趣区域分割为左侧图像及右侧图像；然后，利用图像二值化方法分别求取左侧图像及右侧图像每一行的二值化阈值GrayTL1…GrayTLn及GrayTR1…GrayTRn，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像及右侧图像的边缘图像的边缘二值化阈值EdgeTL及EdgeTR，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像及右侧边缘图像中的内边缘点集合；然后，选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；最后，根据提取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。车道线检测模块22集成在DSP芯片中，通过在DSP芯片中写入相应软件来实现车道线检测功能。

本实施例中，所述图像处理模块20还包括连接在所述图像采集模块及车道线检测模块之间的图像预处理模块23，所述图像预处理模块23利用高斯滤波器对上述图像进行去噪和平滑处理。图像预处理模块23集成在DSP芯片中。

本实施例中，所述图像拍摄模块10为车辆环视***的前视摄像头或左右两个摄像头，优先采用左右两个摄像头。利用车辆现有的环视***来实现车道检测，而无需增加其它设备，有利于减少零部件及降低生产成本。利用安装于左右后视镜的摄像头采集车辆两侧图像时，相对于安装于挡风玻璃处的前视摄像头有明显的位置优势。一方面，左右摄像头可以安装在后视镜内，并且斜向下安装（镜头朝前下方），不易受到光线的影响，在早晨和傍晚可以避免阳光直接照射到摄像头上，晚上也不受其他车辆大灯光线的影响，保证实时采集的图像质量，大大提高车道识别率；另一方面，安装在后视镜内的左右摄像头在雨天也不易受到雨刮和雨水的影响。

另外，本发明一实施例还提供了一种车道偏离预警方法，包括如下步骤：

根据上述的车道线检测方法检测得到车道线；

根据检测到的车道线与车辆的相对位置以及车辆的当前状态，确定是否需要预警；此方法步骤为公知的技术手段，本发明不再不详细描述。

本实施例使用左右两个摄像头分别检测左右车道线，当仅检测出一侧车道线时则使用该车道线判断车道是否偏离，若同时检测出两侧的车道线，则需要根据两侧车道线的状态综合判断车辆是否偏离车道线。因此，在仅提高车辆偏离时的报警率的同时，降低了误报率。

在确定需要预警的情况下，以声和/或光的形式预警。此方法步骤为公知的技术手段，本发明不再不详细描述。

根据本发明上述实施例的车道偏离预警方法，通过第一次二值化处理，可以去除图像中存在的阴影及其他亮度较小的噪声，而通过对一维sobel算子求取的边缘图像进行第二次二值化，又可以去除第一次二值化中的非边缘噪声，如图像中的光斑及其他亮度较大的噪声，因而大大提高了车道线内边缘检测的准确性，进而使得车道线检测更为准确，提升了车辆行车的安全性。

另外，如图2所示，本发明一实施例还提供了一种车道偏离预警***，包括上述的车道线检测***、车辆与车道线相对位置检测模块24、预警逻辑判断模块25及预警模块30；所述车辆与车道线相对位置检测模块24、预警逻辑判断模块25均集成在DSP芯片中，通过在DSP芯片中写入相应软件来实现车道线检测功能，即车辆与车道线相对位置检测模块24及预警逻辑判断模块25为图像处理模块的一部分。

所述车辆与车道线相对位置检测模块24，用于结合所述车道线检测***所检测到的车道线的位置与车辆标定参数，确定车辆当前与车道线的相对位置；此为公知的技术手段，本发明不再不详细描述。

所述预警逻辑判断模块25，根据当前车辆与车道线的相对位置以及车辆当前状态进行逻辑判断，确定是否需要预警；此为公知的技术手段，本发明不再不详细描述。

所述预警模块30，预警模块根据所述预警逻辑判断模块的判断结果，对使用者提前进行声和/或光形式的预警，例如通过蜂鸣器发出预警，或者是在车辆DVD上显示预警信息，或者是在仪表盘液晶显示屏上显示预警信息。此为公知的技术手段，本发明不再不详细描述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种车道线检测方法，其特征在于，包括以下步骤：

S1、采集包含车辆所在车道的左右车道线的图像，并将彩色图像转换为灰度图像；

S2、在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，将上述图像感兴趣区域分割为左侧图像及右侧图像；

S3、利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；

S4、利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取左侧边缘图像和右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像和右侧边缘图像的内边缘点集合；

S5、选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；

S6、根据选取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。

2.根据权利要求1所述的车道线检测方法，其特征在于，步骤S1之后，步骤S2之前还包括图像预处理步骤：

利用高斯滤波器对上述图像进行去噪和平滑处理。

3.根据权利要求1所述的车道线检测方法，其特征在于，步骤S1具体为：

通过前视摄像头或左右两个摄像头拍摄车辆前方包含车辆所在车道的左右车道线的图像，并将图像信号输入给视频解码器；

视频解码器将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在存储器中。

4.根据权利要求3所述的车道线检测方法，其特征在于，步骤S2中选取的图像感兴趣区域为所采集图像中不包含天空部分的图像。

5.根据权利要求4所述的车道线检测方法，其特征在于，步骤S3中求取左侧图像及右侧图像每一行的灰度二值化阈值的方法具体为：

通过直方图双峰法分别求取左侧图像及右侧图像每一行的灰度二值化阈值；

根据左侧图像及右侧图像的二值化图像中满足二值化阈值的像素点数量适当减小或增大灰度二值化阈值；

将左侧图像及右侧图像的二值化图像中当前帧的灰度二值化阈值与前一帧的灰度二值化阈值相比较，对灰度二值化阈值变化超出预设范围的行，则根据不同比重结合当前帧和前一帧的灰度二值化阈值设定该行最终的灰度二值化阈值。

6.根据权利要求4所述的车道线检测方法，其特征在于，步骤S4具体为：

利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，通过直方图双峰法分别求取左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述左侧边缘图像的边缘二值化阈值及右侧边缘图像的边缘二值化阈值分别对左侧边缘图像和右侧边缘图像进行二值化；

对于左侧边缘图像二值化后满足如下条件的像素点(x，y)提取为左车道线内边缘点：

Y(x，y)＝255；

Y(x－1，y)＝255；

Y(x+1，y)＝0；

其中(x－1，y)是(x，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值；

对于右侧边缘图像二值化后满足如下条件的像素点(x，y)提取为初始右车道线内边缘点：

Y(x，y)＝0；

Y(x－1，y)＝255；

Y(x+1，y)＝255；

其中(x－1，y)是(x，y)的左相邻像素点，(x+1，y)是(x，y)的右相邻像素点，Y代表该像素点二值化后的灰度值。

7.根据权利要求1至6任意一项所述的车道线检测方法，其特征在于，步骤S6具体为：

利用Radon变换将包含左车道线内边缘点及右车道线内边缘点的直角坐标平面变换到极坐标参数空间平面(ρ，θ)，分别求出左侧图像和右侧图像存在的直线；

将表示参数空间的极坐标ρ-θ量化成多个相同的小格，根据表示车道线在直角坐标***X-Y中的每一点坐标（x，y），依据公式ρ＝xcosθ+ysinθ对参数空间中0-180°以内的区域以小格的步长递进的各个极角θ值，计算各个极径ρ值，所得极径ρ值落入某个小格内，便使该小格的累加计数器加1；当直角坐标系中全部的点都计算完成后，对小格进行检验，选取累加计数器数值前三位的小格，该三位的小格的(ρ，θ)值对应于直角坐标中三条直线；

选取对应的累加计数器数值大于预设值的直线；

判断上述步骤选取的直线是否在预设的(ρ，θ)值范围内；

将满足上述判断的直线可信度设为1，并保存其所对应的(ρ，θ)值；

进入下一帧检测，将检测出的新直线与前一帧检测出的直线相比较，若有两条直线的(ρ，θ)值的差值在预设范围内，则认定该两条直线为同一条直线，则该条直线的可信度加1；若当前帧检测出的直线，不能与前一帧的任一条直线匹配，则认为该条直线为新直线，将其可信度设为1，并记录其(ρ，θ)值；若前一帧检测出的直线与当前帧检测出的所有直线均无法匹配，则认为该条直线在当前帧中消失，将其可信度减1；

重复上述步骤，若直线的可信度达到25则保持不变，并将该条直线的(ρ，θ)值更新到当前帧检测的(ρ，θ)值；

判断记录的所有直线的可信度，若直线的可信度等于25，则判断该条直线为要检测的车道线；若某条直线的可信度减小到0，则从记录中的(ρ，θ)删除该条直线。

8.根据权利要求1至6任意一项所述的车道线检测方法，其特征在于，所述方法还包括如下步骤：

根据检测到的当前帧图像中车道线的位置，利用Kalman滤波预测下一帧图像中车道线的位置；

将前一帧检测出的左右车道线分别向左右扩展50像素作为下一帧的车道线检测区域，若在该区域内无车道线，则按照（S2）选择感兴趣区域。

9.一种车道线检测***，其特征在于，包括图像拍摄模块及图像处理模块，所述图像处理模块包括控制单元、视频解码器及存储器；

所述图像拍摄模块，用于拍摄包含车辆所在车道的左右车道线的图像；

所述图像处理模块，包括图像采集模块及车道线检测模块；

所述图像采集模块，用于通过视频解码器接收图像拍摄模块拍摄的图像信号，并将图像信号解码后输入控制单元，控制单元通过其上的视频输入接口采集上述的图像信号，并将采集到的图像信号转换为灰度图像存储在存储器中；

所述车道线检测模块，用于在上述灰度图像中选取可能存在左右车道线的图像感兴趣区域，并将上述图像感兴趣区域分割为左侧图像及右侧图像；然后，利用图像二值化方法分别求取左侧图像及右侧图像每一行的灰度二值化阈值，并分别提取左侧图像和右侧图像中灰度值大于或等于灰度二值化阈值的像素点集合；利用一维sobel算子分别计算得到左侧图像及右侧图像的边缘图像，分别求取对左侧边缘图像及右侧边缘图像的边缘二值化阈值，并使用上述边缘二值化阈值对左侧边缘图像和右侧边缘图像进行二值化，然后分别提取左侧边缘图像及右侧边缘图像中的内边缘点集合；然后，选取左侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为左车道线内边缘点，选取右侧图像中步骤S3提取的上述像素点集合与步骤S4提取的上述内边缘点集合的交集为右车道线内边缘点；最后，根据提取的左车道线内边缘点及右车道线内边缘点分别求出左车道线及右车道线。

10.根据权利要求9所述的车道线检测***，其特征在于，所述图像处理模块还包括连接在所述图像采集模块及车道线检测模块之间的图像预处理模块，所述图像预处理模块利用高斯滤波器对上述图像进行去噪和平滑处理。

11.根据权利要求9或10所述的车道线检测***，其特征在于，所述图像拍摄模块为车辆环视***的前视摄像头或左右两个摄像头。

12.一种车道偏离预警方法，其特征在于，包括如下步骤：

根据权利要求1至8任意一项所述的车道线检测方法检测得到车道线；

根据检测到的车道线与车辆的相对位置以及车辆的当前状态，确定是否需要预警；

在确定需要预警的情况下，以声和/或光的形式预警。

13.一种车道偏离预警***，其特征在于，包括权利要求9至11任意一项所述的车道线检测***、车辆与车道线相对位置检测模块、预警逻辑判断模块及预警模块；

所述车辆与车道线相对位置检测模块，用于结合所述车道线检测***所检测到的车道线的位置与车辆标定参数，确定车辆当前与车道线的相对位置；

所述预警逻辑判断模块，根据当前车辆与车道线的相对位置以及车辆当前状态进行逻辑判断，确定是否需要预警；

所述预警模块，根据所述预警逻辑判断模块的判断结果，对使用者提前进行声和/或光形式的预警。