CN104951790B - 基于多源逆透视图像无缝拼接的车道线识别方法 - Google Patents

Abstract

基于多源逆透视图像无缝拼接的车道线识别方法属于计算机视觉领域和安全智能交通领域。首先通过安装在车辆内后视镜处的摄像机和车辆左右倒车镜处的摄像机采集视频图像，分别对这三个摄像机的原始图像进行预处理，然后进行逆透视变换，再将三幅逆透视图像进行无缝拼接得到一幅图像，最后对图像进行车道线识别。基于多源逆透视图像无缝拼接的车道线识别方法可以解决多车道线识别、大曲率弯道识别等问题，适用于智能车视觉导航和车道偏离预警。

Description

基于多源逆透视图像无缝拼接的车道线识别方法

技术领域：

基于多源逆透视图像无缝拼接的车道线识别方法，属于计算机视觉领域和安全智能交通领域。

背景技术：

随着社会经济和科学技术的不断发展，汽车作为交通工具成为了人们生活中的一部分，安全驾驶和智能驾驶已经成为人们追求的方向。无论是车道偏离预警***还是无人驾驶智能汽车视觉导航，都需要进行车道线识别，但是多车道识别、大曲率弯道识别依然是车道线识别的难点，如何解决多车道、大曲率弯道识别变得越来越重要。

公布号为CN102806913A的中国发明专利公开了一种新型的车道线偏离检测方法及装置，该发明专利公开了一种车道线识别的方法，但只针对一般情况下的车道线识别，解决不了多车道线和大曲率弯道的识别问题。

发明内容：

本发明的目的在于克服现有车道线识别方法存在识别视野范围受限以及不能解决多车道、大曲率弯道的车道线识别问题等缺点，提出了基于多源逆透视图像无缝拼接的车道线识别方法。

为了实现上述目的，本发明采取了如下的技术方案：

基于多源逆透视图像无缝拼接的车道线识别方法，其特征在于包含下述步骤：

步骤1：传感器的安装；

步骤1-1：分别在车辆左右的倒车镜下方各安装一个单目摄像机，摄像机的镜头冲向前下方；

步骤1-2：在车辆内后视镜的正下方安装一个单目摄像机并与车体的纵向坐标轴平行；

步骤2：逆透视变换标定；

步骤2-1：对中间的摄像机进行标定，要求逆透视变换后的鸟瞰图的视野横轴宽度是车辆的宽度，纵轴宽度的范围是1000cm--2000cm；

步骤2-2：对右摄像机进行标定，要求逆透视变换后的鸟瞰图是是个倒直角梯形，视野下端横轴宽度的范围是150cm--250cm，纵轴宽度的范围是1000cm--2500cm；所述的视野横轴宽度的范围是指车辆右侧前后车轮外侧连线以右的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围,其范围最远端要求与中间摄像机的纵轴宽度一致；

步骤2-3：对左摄像机进行标定，要求逆透视变换后的鸟瞰图是是个倒直角梯形，视野下端横轴宽度的范围是150cm--250cm，纵轴宽度的范围是1000cm--2500cm；所述的视野横轴宽度的范围是指车辆左侧前后车轮外侧连线以左的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围,其范围最远端要求与中间摄像机的纵轴宽度一致；

步骤2-2和步骤2-3的顺序能任意调换；

步骤3：逆透视图像无缝拼接；

步骤3-1：从左摄像机获取车辆左侧路面图像L_image，先对图像L_image进行灰度化处理得到灰度图像L_gray，然后对图像L_gray进行自适应二值化处理得到二值化图像L_binary，再对图像L_binary进行逆透视变换得到鸟瞰图像L_bird-view；

步骤3-2：从右摄像机获取车辆右侧路面图像R_image，先对图像R_image进行灰度化处理得到灰度图像R_gray，然后对图像R_gray进行自适应二值化处理得到二值化图像R_binary，再对图像R_binary进行逆透视变换得到鸟瞰图像R_bird-view；

步骤3-3：从中间摄像机获取车辆前方路面图像M_image，先对图像M_image进行灰度化处理得到灰度图像M_gray，然后对图像M_gray进行自适应二值化处理得到二值化图像M_binary，再对图像M_binary进行逆透视变换得到鸟瞰图像M_bird-view；

步骤3-1、步骤3-2和步骤3-3的顺序能任意调换；

步骤3-4：将步骤3-1、步骤3-2和步骤3-3的结果进行拼接；从左到右的顺序是L_bird-view、M_bird-view、R_bird-view，得到一幅拼接的图像Bird-view；

步骤4：车道线识别；对步骤3得到图像Bird-view进行闭运算，消除拼接处车道线的断裂；然后再根据车道线的宽度对图像进行滤波，将不符合车道线宽度特征的线段过滤掉；再对图像进行线性拟合，计算拟合后线段的长度，根据车道线虚线段长度进行滤波，一般虚线车道线的最短长度是2米，将小于2米的线段过滤掉；然后再计算线段间的垂直距离，根据车道宽度进行滤波，城市道路的车道宽度范围在300cm--375cm，垂直距离在其范围内则认为是相邻的两条车道线。

上述方案需要特别说明是的：

步骤3中三幅图像的逆透视图像的参数必须是一致的，其中包括最远端视野范围、逆透视图像中像素与实际距离的比例系数K都必须一样，才能保证三幅逆透视图像进行无缝拼接。

本发明的有益效果是：

可以很好的解决多车道、大曲率弯道的车道线识别问题；使用左中右三个摄像机获取图像，进行逆透视图像无缝拼接，克服了单个摄像机视野受限的缺点。

附图说明：

图1本发明的流程示意图

图2逆透视图像无缝拼接示意图

图3实例中的摄像机安装

图4逆透视图像无缝拼接实例图

具体实施方式：

采用本发明的方法，给出一个非限定性的实例，结合图1进一步对本发明的具体实施过程进行说明。本发明在智能车辆平台、智能车测试场地进行实现，为了保证无人驾驶智能汽车以及人员安全，所用平台和场地均为无人驾驶技术专业实验平台和测试场地。所使用的一些通用技术如图像采集、图像变换等不在详细叙述。

本发明的实施方式如下：

1.按照步骤1要求在车辆左右倒车镜处和车内后视镜下方安装单目摄像机，本实例所用平台已安装所需装置，只需要稍作调整便可以进行实验。

2.按照步骤2、3、4的详细步骤进行实现，其中所涉及到的参数为：测试车道宽度为300cm；车道线的宽度为15cm，车辆宽度170cm；左右摄像机标定后逆透视变换得到的鸟瞰图的视野横轴宽度是450cm，纵轴宽度是2000cm；中间摄像机标定后逆透视变换得到鸟瞰图的视野横轴宽度是170cm，纵轴宽度是1500cm。

3.车道线识别正确率为100％。

Claims (1)

1.基于多源逆透视图像无缝拼接的车道线识别方法，其特征在于包含下述步骤：

步骤1：传感器的安装；

步骤1-1：分别在车辆左右的倒车镜下方各安装一个单目摄像机，摄像机的镜头冲向前下方；

步骤1-2：在车辆内后视镜的正下方安装一个单目摄像机并与车体的纵向坐标轴平行；

步骤2：逆透视变换标定；

步骤2-1：对中间的摄像机进行标定，要求逆透视变换后的鸟瞰图的视野横轴宽度是车辆的宽度，视野纵轴宽度的范围是1000cm--2000cm；

步骤2-2：对右摄像机进行标定，要求逆透视变换后的鸟瞰图是个倒直角梯形，视野下端横轴宽度的范围是150cm--250cm，视野纵轴宽度的范围是1000cm--2500cm；所述的视野横轴宽度的范围是指车辆右侧前后车轮外侧连线以右的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围,其范围最远端要求与中间摄像机的纵轴宽度一致；

步骤2-3：对左摄像机进行标定，要求逆透视变换后的鸟瞰图是个倒直角梯形，视野下端横轴宽度的范围是150cm--250cm，纵轴宽度的范围是1000cm--2500cm；所述的视野横轴宽度的范围是指车辆左侧前后车轮外侧连线以左的视野范围；所述的视野纵轴宽度的范围是指车辆前方的视野范围,其范围最远端要求与中间摄像机的纵轴宽度一致；

步骤2-2和步骤2-3的顺序能任意调换；

步骤3：逆透视图像无缝拼接；

步骤3-1：从左摄像机获取车辆左侧路面图像L_image，先对图像L_image进行灰度化处理得到灰度图像L_gray，然后对图像L_gray进行自适应二值化处理得到二值化图像L_binary，再对图像L_binary进行逆透视变换得到鸟瞰图像L_bird-view；

步骤3-2：从右摄像机获取车辆右侧路面图像R_image，先对图像R_image进行灰度化处理得到灰度图像R_gray，然后对图像R_gray进行自适应二值化处理得到二值化图像R_binary，再对图像R_binary进行逆透视变换得到鸟瞰图像R_bird-view；

步骤3-3：从中间摄像机获取车辆前方路面图像M_image，先对图像M_image进行灰度化处理得到灰度图像M_gray，然后对图像M_gray进行自适应二值化处理得到二值化图像M_binary，再对图像M_binary进行逆透视变换得到鸟瞰图像M_bird-view；

步骤3-1、步骤3-2和步骤3-3的顺序能任意调换；

步骤3-4：将步骤3-1、步骤3-2和步骤3-3的结果进行拼接；从左到右的顺序是L_bird-view、M_bird-view、R_bird-view，得到一幅拼接的图像Bird-view；

步骤4：车道线识别；对步骤3得到图像Bird-view进行闭运算，消除拼接处车道线的断裂；然后再根据车道线的宽度对图像进行滤波，将不符合车道线宽度特征的线段过滤掉；再对图像进行线性拟合，计算拟合后线段的长度，根据车道线虚线段长度进行滤波，一般虚线车道线的最短长度是2米，将小于2米的线段过滤掉；然后再计算线段间的垂直距离，根据车道宽度进行滤波，城市道路的车道宽度范围在300cm--375cm，垂直距离在其范围内则认为是相邻的两条车道线。