基于機(jī)器視覺(jué)的道路邊界識(shí)別算法研究

莫 玲，林 維，姚 屏，肖蘇華，李緯華

（廣東技術(shù)師范大學(xué) 機(jī)電學(xué)院，廣東 廣州 510635）

0 序言

隨著人工智能技術(shù)在導(dǎo)航控制、輔助駕駛等領(lǐng)域的廣泛應(yīng)用，當(dāng)前智能車(chē)輛進(jìn)入大規(guī)模研究階段.智能車(chē)輛通過(guò)機(jī)器視覺(jué)對(duì)周?chē)h(huán)境進(jìn)行感知，根據(jù)自身內(nèi)部先驗(yàn)知識(shí)，識(shí)別欲行駛路徑并規(guī)劃駕駛決策，實(shí)現(xiàn)車(chē)輛自動(dòng)或輔助駕駛.對(duì)智能車(chē)輛而言，機(jī)器視覺(jué)是實(shí)現(xiàn)智能化的關(guān)鍵技術(shù)之一[1].道路識(shí)別技術(shù)主要利用視覺(jué)系統(tǒng)和計(jì)算機(jī)采集路面圖像進(jìn)行分析、處理，用機(jī)器代替人眼來(lái)做測(cè)量和判斷，區(qū)分畫(huà)面中道路區(qū)域、非道路背景及障礙物.

近年來(lái)，國(guó)內(nèi)外學(xué)者針對(duì)基于機(jī)器視覺(jué)道路邊界識(shí)別做了大量研究工作并取得不少成果，但在道路識(shí)別的魯棒性和實(shí)時(shí)性方面仍然需做大量研究.基于機(jī)器視覺(jué)的道路識(shí)別算法大多采用多種道路識(shí)別模型（2D或3D模型），利用不同的識(shí)別技術(shù)（如：Hough變換、模板匹配技術(shù)、神經(jīng)網(wǎng)絡(luò)）[2-4].其中，利用2D道路圖像模型識(shí)別道路的方法常采用的道路圖像模型有：直線(xiàn)模型、多項(xiàng)式曲線(xiàn)模型、雙曲線(xiàn)模型、樣條曲線(xiàn)模型等；利用3D道路圖像模型識(shí)別道路邊界主要是采用道路模型參數(shù)和車(chē)輛道路位置參數(shù)的3D道路邊界模型識(shí)別道路[5-6].

1 系統(tǒng)總體框架設(shè)計(jì)

本道路邊界識(shí)別系統(tǒng)主要采用MATLAB軟件進(jìn)行圖像處理與分析、算法仿真和研究，系統(tǒng)的主要處理步驟如下.

（1）道路圖像批量處理，旋轉(zhuǎn)、裁剪和灰度化；

（2）道路圖像濾波去噪；

（3）道路圖像邊緣增強(qiáng)；

（4）道路圖像二值化；

（5）道路邊界線(xiàn)的提取與顯示.

道路邊界識(shí)別系統(tǒng)的主要流程見(jiàn)圖1所示.

2 GUI人機(jī)交互界面設(shè)計(jì)

本文利用MATLAB軟件設(shè)計(jì)GUI人機(jī)界面功能.操作者通過(guò)設(shè)置GUI界面操作軟件上方元件可關(guān)聯(lián)相關(guān)程序（.m文件）實(shí)現(xiàn)其功能，具有操作方便、觀測(cè)直觀等特點(diǎn).人機(jī)交互界面主要由：按鈕、坐標(biāo)窗口、固定文本框等組成.當(dāng)設(shè)置好人機(jī)界面后會(huì)自動(dòng)生成m文件及gif文件（用戶(hù)界面文件），打開(kāi)gif文件窗口設(shè)可置界面屬性，用戶(hù)可以按照自身要求設(shè)置人機(jī)交互界面.在m文件中的元件子函數(shù)嵌入相應(yīng)的執(zhí)行程序，可實(shí)現(xiàn)所要求的功能.本系統(tǒng)所設(shè)計(jì)的GUI人機(jī)交互界面，如圖2所示.

圖1 道路邊界識(shí)別系統(tǒng)流程圖

圖2 道路邊界識(shí)別系統(tǒng)GUI人機(jī)界面

3 道路圖像的預(yù)處理

3.1 圖片幀的提取，旋轉(zhuǎn)與裁剪

本文采用行車(chē)記錄儀獲取道路視頻文件，將視頻文件批量處理成圖像序列便于分析與處理.由于行車(chē)記錄儀擺放角度、所拍攝到的圖像通常包含天空、樹(shù)木、房屋等不必要信息，因此，需要對(duì)每一幀圖片進(jìn)行旋轉(zhuǎn)與裁剪，獲得道路路面感興趣區(qū)域圖像.圖3為行車(chē)記錄儀拍攝到的原始彩色圖片.圖4為經(jīng)旋轉(zhuǎn)裁剪后的道路圖片.

圖3 原視頻中拍攝到的路面

圖4 旋轉(zhuǎn)裁剪后的路面

3.2 灰度化

灰度化可降低圖像信息量，主要是將彩色圖像的紅（R）、綠（G）、藍(lán)（B）三個(gè)顏色分量數(shù)值范圍縮減至0～255的范圍.灰度化處理后的圖片便于計(jì)算機(jī)快速運(yùn)算和處理.灰度化主要有四種方法，分別是：?jiǎn)畏至糠?、最大值法、平均值法和加?quán)平均法.根據(jù)人眼對(duì)顏色的敏感程度G＞R＞B，對(duì)于彩色轉(zhuǎn)灰度本文采用加權(quán)平均法設(shè)置G、R、B各自權(quán)值：0.587、0.299和0.14，處理方法見(jiàn)著名公式（1）所示[7].其中，Gray是轉(zhuǎn)換后圖像的灰度值.

圖5 彩色圖片灰度化效果圖

3.3 圖像濾波去噪

圖像濾波去噪是將不需要的干擾信息圖像濾除掉，使圖像中感興趣部分利于人眼觀察或機(jī)器識(shí)別.濾波后的圖像相對(duì)原始圖像更適合后續(xù)圖像處理.

圖像濾波劃分為：空間域?yàn)V波增強(qiáng)和頻率域?yàn)V波增強(qiáng).兩種方法均能達(dá)到圖像濾波去噪、增強(qiáng)的效果.由于道路圖像易受到不均勻光照、物體表面光線(xiàn)反射、天氣因素、成像設(shè)備、圖像傳輸過(guò)程像素改變等因素影響，會(huì)對(duì)圖像產(chǎn)生噪聲影響，噪聲主要表現(xiàn)為一些亮度較大的細(xì)小孤立像素點(diǎn)和塊狀，在數(shù)字圖像中通常是一些像素極值.噪聲的存在會(huì)對(duì)圖像形成亮、暗跳變點(diǎn)的干擾，打亂圖像信息，極大地影響圖像后續(xù)分割、特征提取、目標(biāo)識(shí)別等處理，因此，需要對(duì)圖像進(jìn)行噪聲濾除.

空域?yàn)V波方法有：均值濾波、高斯濾波和中值濾波等；頻域?yàn)V波常見(jiàn)的有巴特沃斯低通濾波.頻域?yàn)V波一般計(jì)算量較大，難以滿(mǎn)足實(shí)時(shí)性要求；空域?yàn)V波較為簡(jiǎn)單、計(jì)算量小，故本系統(tǒng)選取空域?yàn)V波中的高斯模糊濾波法和非線(xiàn)性中值濾波法對(duì)圖像進(jìn)行處理.

中值濾波是針對(duì)原始圖像中某一點(diǎn)P（i,j），統(tǒng)一排序以該點(diǎn)作為中心鄰域內(nèi)所有像素的像素值，取其中值作為P（i,j）點(diǎn)的響應(yīng).相對(duì)于線(xiàn)性濾波，中值濾波直接忽略像素鄰域內(nèi)的噪聲點(diǎn)，降低模糊效應(yīng).假設(shè)：圖片某個(gè)區(qū)域的像素值為52、54、59、56、62、60、64、65、1.采用中值濾波對(duì)其進(jìn)行排序，從小到大排序?yàn)椋?，52，54，56，59，60，62，64，65，中值為59.此時(shí)，1相對(duì)該點(diǎn)取值59幾乎無(wú)任何影響，假設(shè)1為噪聲，則去除該噪聲.

選取一張道路原始灰度圖，如圖6所示.分別采用高斯模糊和中值濾波，濾波效果對(duì)比圖見(jiàn)圖7和圖8所示.采用9×9高斯模糊卷積模板，從左到右標(biāo)準(zhǔn)偏差分別?。?、4、6.在圖8中，從左到右分別是采用：3×3、6×6、9×9中值濾波卷積模板.

3.4 邊緣增強(qiáng)

Sobel算子是一種利用離散型差分算子對(duì)圖像進(jìn)行一階微分運(yùn)算的算子，可得到圖像灰度梯度值，由于該算子中引入了類(lèi)似局部平均運(yùn)算，因此，能較好地消除噪聲影響，達(dá)到圖像增強(qiáng)目的[7].

圖6 原始灰度圖像

圖7 不同參數(shù)高斯模糊濾波效果圖

圖8 中值濾波后的道路圖像

圖9(a)、(b)、(c)為對(duì)圖6分別進(jìn)行Sobel邊緣增強(qiáng)結(jié)合高斯模糊9×9卷積模板濾波后的效果圖，對(duì)應(yīng)標(biāo)準(zhǔn)差σ分別為：2、4、6.圖10(a)、(b)、(c)為利用Sobel圖像增強(qiáng)及中值濾波卷積模板為：3×3、6×6、9×9處理后的效果圖.

3.5 二值化

本系統(tǒng)采用固定閾值法進(jìn)行圖像二值化處理，通過(guò)對(duì)大量閾值進(jìn)行實(shí)驗(yàn)，觀察最終道路邊界直線(xiàn)提取擬合情況，從0至255（即從黑色到白色區(qū)間范圍），道路標(biāo)識(shí)線(xiàn)目標(biāo)在圖片中呈亮色，通過(guò)大量實(shí)驗(yàn)對(duì)比，選用：180、200、220、240四個(gè)參數(shù)分別進(jìn)行固定閾值二值化處理，結(jié)果見(jiàn)圖11所示.

圖9 不同參數(shù)高斯模糊下的Sobel增強(qiáng)效果圖

圖10 不同參數(shù)中值濾波下的Sobel增強(qiáng)效果圖

圖11 不同閾值二值化效果圖

4 Hough變換道路邊界識(shí)別

Hough變換常用于道路邊界的直線(xiàn)提取.本系統(tǒng)主要采用道路內(nèi)側(cè)邊界像素點(diǎn)遍歷法提取參考模板及Hough變換擬合直線(xiàn)內(nèi)側(cè)邊界線(xiàn).

以圖12為例，提取其內(nèi)側(cè)邊界線(xiàn).內(nèi)側(cè)邊界像素點(diǎn)遍歷法原理如下：

圖12 原始灰度圖像對(duì)應(yīng)的參考模板

（1）在右下角紅色框內(nèi)利用循環(huán)程序從左到右、從下到上遍歷，尋找白色像素點(diǎn)；

（2）當(dāng)檢測(cè)到白色像素點(diǎn)，記錄該點(diǎn)A坐標(biāo),停止檢測(cè)；以該像素點(diǎn)A作為起點(diǎn)，圖12和圖13(a)中紅色方框代表內(nèi)側(cè)邊界像素點(diǎn)遍歷的起點(diǎn)，以該起點(diǎn)為基點(diǎn)，檢測(cè)其左上角，即藍(lán)色方框是否存在白色像素點(diǎn)，再檢測(cè)左下角黃色方框是否存在白色像素點(diǎn)；若左上角存在白色像素點(diǎn)，左下角不存在，則說(shuō)明未遍歷到兩條線(xiàn)的交界處，如圖13所示.此時(shí)，以藍(lán)色方框?yàn)樾碌幕c(diǎn)，重復(fù)下一輪相同的檢測(cè)判斷；若左上角、左下角均存在白色像素點(diǎn)，說(shuō)明遍歷到兩條線(xiàn)的交界處，如圖13（b）所示，記錄當(dāng)前紅色方框像素點(diǎn)B所在坐標(biāo)，結(jié)束右側(cè)邊界線(xiàn)像素點(diǎn)的遍歷，開(kāi)始左側(cè)邊界像素點(diǎn)的遍歷.

如圖13(c)所示，以右側(cè)邊界線(xiàn)像素點(diǎn)的遍歷的交界點(diǎn)B為基點(diǎn)，檢測(cè)其左下角，即藍(lán)色方框內(nèi)是否存在白色像素點(diǎn)，若存在，則以藍(lán)色方框內(nèi)的像素點(diǎn)為基點(diǎn)繼續(xù)下一輪相同的檢測(cè)判斷.當(dāng)左側(cè)的直線(xiàn)遍歷到圖12中的黃色方框時(shí)，停止遍歷.將左右邊界線(xiàn)所有檢測(cè)到的點(diǎn)提取出來(lái)顯示在黑色空白模板上，如圖14所示.

采用相同方法提取Hough變換擬合左右各5條直線(xiàn)（如圖15）的內(nèi)側(cè)邊界（即兩條車(chē)道線(xiàn)靠近當(dāng)前駕駛汽車(chē)邊緣），提取后以白色像素點(diǎn)顯示在參考模板上，如圖16所示.

圖13 邊界像素點(diǎn)尋找示意圖

圖14 參考模板對(duì)應(yīng)的內(nèi)側(cè)邊界線(xiàn)

圖15 Hough變換所提取的左右各5條直線(xiàn)

圖16 最終用于擬合誤差計(jì)算的Hough提取直線(xiàn)

將圖16中白色像素點(diǎn)所在兩條細(xì)直線(xiàn)（即Hough變換后提取其內(nèi)側(cè)邊界所得左右各一白線(xiàn)）與參考模板邊界線(xiàn)像素點(diǎn)做差取絕對(duì)值，得到兩個(gè)像素點(diǎn)間橫向距離（相差多少個(gè)像素點(diǎn)），遍歷所有像素點(diǎn)，作差取絕對(duì)值并求和取平均，可計(jì)算擬合誤差值.

在圖17和圖18中，紅線(xiàn)為最終擬合直線(xiàn)，圖17在遠(yuǎn)處擬合直線(xiàn)存在較大偏差，擬合誤差為18267 pixel.圖18擬合直線(xiàn)較好地反映了真實(shí)道路邊界線(xiàn)，擬合誤差為7639 pixel，擬合效果較好.多次試驗(yàn)發(fā)現(xiàn)，當(dāng)擬合誤差小于10000 pixel時(shí)，道路邊界線(xiàn)的擬合效果較好.圖19為采用本文算法實(shí)現(xiàn)的道路邊界識(shí)別算法GUI界面及結(jié)果.

圖17 實(shí)際應(yīng)用擬合效果圖

圖18 實(shí)際應(yīng)用擬合效果圖

圖19 道路邊界識(shí)別算法GUI界面及結(jié)果

6 結(jié)論

通過(guò)采集道路邊界圖像序列，采用MATLAB軟件實(shí)現(xiàn)數(shù)字圖像處理與道路標(biāo)識(shí)線(xiàn)識(shí)別，設(shè)置交互性GUI人機(jī)界面，直接導(dǎo)入圖像即可實(shí)現(xiàn)道路邊界預(yù)處理，利用Hough變換實(shí)現(xiàn)道路邊界的識(shí)別，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文方法的可行性，道路邊界識(shí)別算法耗時(shí)0.7s～1s/幅.