CN111626259A - 一种基于图像处理的结构化道路识别方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的结构化道路识别方法，涉及汽车技术领域；它的识别方法如下：步骤一：道路图像预处理算法，步骤二：道路图像边缘检测算法；步骤三：道路检测与识别算法；本发明使得改进后的算法具有适应性强、稳定性好、识别率高等优点；能够实现图像的采集、处理与识别，提高了准确性，使用方便。

Description

一种基于图像处理的结构化道路识别方法

技术领域

本发明属于汽车技术领域，具体涉及一种基于图像处理的结构化道路识别方法。

背景技术

20世纪末，智能交通***(ITS)被正式提出，其主要致力于提高车辆的安全性、智能性以及提供友好的人车交互界面。智能车辆(IV)是智能交通***的重要组成部分，将环境感知、决策规划、自动驾驶等功能集于一身，能够极大地提高驾驶的安全性。随着经济的发展和科技的进步，各国学者提出了一些可行性较高的道路识别技术方案，但仍存在一些不足之处，本发明提出一种基于图像处理的结构化道路识别方法。

发明内容

为解决现有的问题；本发明的目的在于提供一种基于图像处理的结构化道路识别方法。

本发明的一种基于图像处理的结构化道路识别方法，它的识别方法如下：

步骤一：道路图像预处理算法：

通过视觉***采集到的道路图像不仅包含道路信息，同时含有路边景物信息和大量的随机噪声，对采集到的道路图像进行预处理，在传统小波阈值函数的基础上，增加一个阈值控制因子，通过对阈值因子的控制调节阈值程度，使阙值函数在阈值点处保持连续，在边缘处保持图像的真实性，

步骤二：道路图像边缘检测算法：

道路图像的预处理完成后,采用基于最大类间方差法的Canny边缘检测算法对道路图像进行分割，选用对分割效果较好的Otsu法，实现高低阈值的自动选取，最终去除无用信息，获得比较完整的车道线边缘图像；

步骤三：道路检测与识别算法：

经过道路图像边缘检测，得到具有完整的车道线信息和少量无用信息的二值化图像，识别算法对道路类型进行判断，通过对道路图像划分检测区域，在检测区域内采用Hough变换检测算法，提取出子区域内的直线段，通过对Hough参数进行条件设定，筛选出符合条件的直线段并进行线段连接，运用分段直线道路模型对道路进行匹配拟合，计算当前时刻汽车的姿态、预测下一时刻道路的走向：直行，左转弯，右转弯。

与现有技术相比，本发明的有益效果为：

一、使得改进后的算法具有适应性强、稳定性好、识别率高等优点；

二、能够实现图像的采集、处理与识别，提高了准确性，使用方便。

附图说明

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1为本发明的流程图。

实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。

如图1所示，本具体实施方式采用以下技术方案：步骤一：道路图像预处理算法：

通过视觉***采集到的道路图像不仅包含道路信息，同时含有路边景物信息和大量的随机噪声，这就需要对采集到的道路图像进行预处理，减少噪声提高图像质量，为后续的车道线检测提供基础。在传统小波阈值函数的基础上，增加一个阈值控制因子，通过对阈值因子的控制调节阈值程度，使阙值函数在阈值点处保持连续,在边缘处保持图像的真实性，进而达到滤除噪声，提高图像质量的目的。

步骤二：道路图像边缘检测算法：

道路图像的预处理完成后,采用基于最大类间方差法(Otsu)的Canny边缘检测算法对道路图像进行分割，针对传统Canny边缘检测算法中，高低阈值需要人工设定，缺乏实时性和适应性的缺点。选用对分割效果较好的Otsu法，实现高低阈值的自动选取，最终去除无用信息，获得比较完整的车道线边缘图像。

步骤三：道路检测与识别算法：

经过道路图像边缘检测，得到具有完整的车道线信息和少量无用信息的二值化图像。识别算法对道路类型进行判断，通过对道路图像划分检测区域，在检测区域内采用Hough变换检测算法，提取出子区域内的直线段，通过对Hough参数进行条件设定，筛选出符合条件的直线段并进行线段连接。运用分段直线道路模型对道路进行匹配拟合，计算当前时刻汽车的姿态、预测下一时刻道路的走向：直行，左转弯，右转弯。

本具体实施方式的优点：

1、在传统的小波变换去噪算法中，由于软、硬阈值函数法存在相应的缺陷，无法满足保留图像信息和滤波噪声之间的平衡。研究对小波去噪算法进行改进，构造出一种新的阈值函数，有效的降低噪声的干扰。

2、针对传统Canny边缘监测算法中滤波参数、高、低阈值依赖人工设定，缺乏自适应性和实时性的缺陷，运用基于Ostu法的改进Canny监测算法对图像进行处理，实现高低阈值自动选取。

3、改进Houth变换检测算法，首先对边缘监测得到的道路二值化图像按照图像监测区域模板进行划分，分别对每一个子区域进行Houth变换，监测出每个区域中所包含的直线段，最后分段连接各子区域的直线段，通过直线段参数判断道路的走向。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.一种基于图像处理的结构化道路识别方法，其特征在于：它的识别方法如下：

步骤一：道路图像预处理算法：

通过视觉***采集到的道路图像不仅包含道路信息，同时含有路边景物信息和大量的随机噪声，对采集到的道路图像进行预处理，在传统小波阈值函数的基础上，增加一个阈值控制因子，通过对阈值因子的控制调节阈值程度，使阙值函数在阈值点处保持连续，在边缘处保持图像的真实性，

步骤二：道路图像边缘检测算法：

道路图像的预处理完成后,采用基于最大类间方差法的Canny边缘检测算法对道路图像进行分割，选用对分割效果较好的Otsu法，实现高低阈值的自动选取，最终去除无用信息，获得比较完整的车道线边缘图像；

步骤三：道路检测与识别算法：

经过道路图像边缘检测，得到具有完整的车道线信息和少量无用信息的二值化图像，识别算法对道路类型进行判断，通过对道路图像划分检测区域，在检测区域内采用Hough变换检测算法，提取出子区域内的直线段，通过对Hough参数进行条件设定，筛选出符合条件的直线段并进行线段连接，运用分段直线道路模型对道路进行匹配拟合，计算当前时刻汽车的姿态、预测下一时刻道路的走向：直行，左转弯，右转弯。

Images