基于改進(jìn)Hough變換的車道線檢測*

李后隆，馬驪溟，鐘林偉

基于改進(jìn)Hough變換的車道線檢測*

李后隆，馬驪溟，鐘林偉

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

針對車道線檢測中存在的諸多問題，在道路圖像預(yù)處理的基礎(chǔ)上，對Canny算子中的雙閾值選取進(jìn)行改進(jìn)，能夠自適應(yīng)精確提取車道線邊緣特征，并利用帶極角約束的Hough變換完成直線檢測。算法能夠在不同道路環(huán)境中準(zhǔn)確檢測車道線標(biāo)識，降低光照等因素對車道線檢測結(jié)果的影響。

車道線檢測；圖像預(yù)處理；Canny算子；改進(jìn)Hough變換

前言

車道線標(biāo)志是約束車輛行駛的最基本因素，因此準(zhǔn)確快速地進(jìn)行車道線檢測是智能車輛的核心目標(biāo)。目前已有多種車道線檢測技術(shù)應(yīng)用于智能車輛上，且算法仍在不斷優(yōu)化。但是在實(shí)際應(yīng)用中車道線檢測技術(shù)仍存在一定的難點(diǎn)，在光照條件不佳等環(huán)境中存在漏檢、誤檢的狀況，同時(shí)在圖像光照低時(shí)，算法的穩(wěn)定性不佳。針對以上情況，本文提出了改進(jìn)Hough變換的車道線檢測算法。該算法首先利用同態(tài)濾波對道路圖像進(jìn)行增強(qiáng)消除照度不均問題，降低光照條件對車道線檢測的影響；然后根據(jù)Canny算子特性，通過改進(jìn)雙閾值選取對目標(biāo)區(qū)域內(nèi)的邊緣特征進(jìn)行提取；最后通過極角約束Hough變換完成直線檢測，獲得車道線檢測結(jié)果，并根據(jù)車道線參數(shù)得到車輛當(dāng)前可行駛區(qū)域信息。

1 圖像預(yù)處理

針對原始圖像（圖1（a））分辨率較高，通過采用雙線性插值[1]兩倍降采樣（圖1（b）），根據(jù)人眼視覺特點(diǎn)對彩色圖像進(jìn)行灰度化[2]（圖1（c）），降低數(shù)字圖像處理計(jì)算量。采用同態(tài)濾波[3]對圖像進(jìn)行增強(qiáng)處理（圖1（d）），可以解決不同道路環(huán)境中道路圖像光照不均問題，降低不同光照條件對道路信息的影響。并運(yùn)用高斯濾波[4]去除圖像中的噪聲干擾（圖1（e）），得到預(yù)處理結(jié)果。

2 車道線邊緣檢測

以上的圖像預(yù)處理，只檢測出了車道線的主體特征，還需要邊緣檢測算法來對車道線的邊緣輪廓信息進(jìn)行提取。

圖1 預(yù)處理過程

在數(shù)字圖像處理中可以通過計(jì)算灰度函數(shù)的微分特性提取邊緣特征。根據(jù)邊緣特征灰度函數(shù)的微分特性，常用的一階算子有Roberts算子、Sobel算子、Prewitt算子等，常用的二階算子有Laplacian算子、Log算子、Canny算子等[3][7]。

本文對比常用邊緣算子檢測效果，并對Canny算子中的雙閾值選取進(jìn)行改進(jìn)，自適應(yīng)提取車道線邊緣特征。改進(jìn)Canny算子的邊緣檢測結(jié)果如圖2所示?？梢钥吹剑倪M(jìn)雙閾值選取后的Canny算子檢測效果較好，能夠自適應(yīng)提取道路圖像中的邊緣特征，對車道線邊緣特征檢測精度較高，檢測結(jié)果中噪聲較少。

圖2 改進(jìn)Canny算子檢測結(jié)果

3 車道線檢測

3.1 極角約束Hough變換直線檢測

圖3 改進(jìn)Canny算子極角約束Hough直線檢測結(jié)果

3.2 可行使區(qū)域判斷

3.2.1直線聚合

在圖4中可以看到，Hough變換對Canny算子邊緣圖像中的每一條車道線都檢測得到一對直線，正常情況下每對直線的參數(shù)應(yīng)該相近。將每條車道線的直線對的極角分別視為1、2，極徑分別視為1、2，聚合條件見式（1），當(dāng)滿足該式時(shí)進(jìn)行直線聚合，否則去除這對直線。圖3為正常狀況下直線聚合后的結(jié)果?？梢钥闯鼋?jīng)過直線聚合后，車道線檢測結(jié)果精度更高。

圖4 直線聚合

然而當(dāng)車道線丟失或存在其他特征干擾時(shí)，Hough變換檢測結(jié)果中可能存在誤檢測，此時(shí)通過直線聚合可以去除部分誤檢測結(jié)果，如圖5所示。圖5（a）中車輛特征對車道線檢測產(chǎn)生干擾，圖5（b）中右側(cè)車道線丟失，此時(shí)車道線直線對參數(shù)相差較大。通過直線聚合后可以去除誤檢測，降低檢測結(jié)果中的誤檢率。

3.2.2消失點(diǎn)約束

由車道線模型可知得到，實(shí)際道路中平行的兩條直線在圖像中延伸相交，相交點(diǎn)可以視為道路的消失點(diǎn)，因此引入道路消失點(diǎn)概念。將直線聚合得到的結(jié)果延伸相交，計(jì)算其交點(diǎn)坐標(biāo)視為消失點(diǎn)坐標(biāo)。消失點(diǎn)檢測結(jié)果如圖6所示。

圖6 消失點(diǎn)檢測結(jié)果

消失點(diǎn)的位置對于道路分割的最終結(jié)果影響非常大，同時(shí)對車輛可行駛區(qū)域有著重要的約束作用[7]。消失點(diǎn)與左右車道線共同構(gòu)成了車輛當(dāng)前可行駛區(qū)域，同時(shí)消失點(diǎn)坐標(biāo)反應(yīng)車道線區(qū)域與天空區(qū)域的分界線。

4 車道線檢測結(jié)果

根據(jù)直線聚合后得到的直線參數(shù)在獲取的原始圖像中對車道線進(jìn)行擬合，并將得到的消失點(diǎn)坐標(biāo)在原始圖像中標(biāo)記出來。根據(jù)消失點(diǎn)坐標(biāo)以及左右車道線坐標(biāo)，在圖像中標(biāo)記當(dāng)前車輛可行駛區(qū)域信息。

利用采集的不同道路環(huán)境的實(shí)際道路圖像對提出的車道線檢測算法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果如圖7所示。可以看到本文車道線算法能夠在不同道路環(huán)境中準(zhǔn)確完成車道線檢測，對道路圖像中的實(shí)線、虛線、雙實(shí)線等均具有良好的檢測效果。對道路邊緣、路面交通標(biāo)志等特征的干擾不敏感，能夠去除這些特征對車道線檢測的干擾。

圖7 不同工況下車道線檢測結(jié)果

5 結(jié)論

利用帶極角約束的Hough變換完成直線檢測，將參數(shù)相近的直線進(jìn)行聚合，提高檢測精度并去除誤檢測。改進(jìn)后的Canny算子能夠獨(dú)立自適應(yīng)的提取車道線標(biāo)識邊緣特征，帶極角約束的Hough變換直線檢測及直線聚合可以得到精確的車道線坐標(biāo)。本文車道線算法具有較好的抗干擾能力與穩(wěn)定性，能夠在不同道路環(huán)境中精確檢測車道線。

[1] 王平,全吉成,趙柏宇.基于雙線性插值的圖像縮放在GPU上的實(shí)現(xiàn)[J].微電子學(xué)與計(jì)算機(jī),2016,33(11):129-132.

[2] 李愛娟.智能車輛運(yùn)動軌跡規(guī)劃方法的研究[D].南京:南京航空航天大學(xué),2013.

[3] 田小平,程新,吳成茂,等.基于同態(tài)濾波的彩色圖像增強(qiáng)[J].西安郵電大學(xué)學(xué)報(bào),2015,20(06):51-55.

[4] 姒紹輝,胡伏原,顧亞軍,等.一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J].計(jì)算機(jī)科學(xué),2014,41(11):313-316.

[5] 胡敏,李梅,汪榮貴.改進(jìn)的Otsu算法在圖像分割中的應(yīng)用[J].電子測量與儀器學(xué)報(bào),2010,24(05):443-449.

[6] 吳桐.基于改進(jìn)霍夫變換線段檢測算法的實(shí)現(xiàn)和應(yīng)用[D].濟(jì)南:山東大學(xué).2018.

[7] 田崢,徐成,米超,等.基于消失點(diǎn)和主方向估計(jì)的道路分割算法[J].計(jì)算機(jī)研究與發(fā)展,2014,51(04):762-772.

Lane Detection Based on improved Hough Transform*

Li Houlong, Ma Liming, Zhong Linwei

( School of Automobile, Chang'an University, Shaanxi Xi'an 710064）

Aiming at many problems existing in lane detection. Fristly based on image preprocessing; Then extract the edge features of lane line by improving the double threshold selection of Canny operator; Finally, complete straight line detection by use the Hough transform with polar angle constraint and get the lane line detection result.The algorithm can accurately detect lane markings in different road environments and reduce the influence of illumination and other factors on lane detection results.

Lane detection; Image preprocessing; Canny operator; Improved hough transform

10.16638/j.cnki.1671-7988.2021.07.006

U491.2+23

A

1671-7988(2021)07-16-03

U491.2+23

A

1671-7988(2021)07-16-03

李后隆，碩士研究生，就讀于長安大學(xué)汽車學(xué)院。

本文受國家自然基金（或項(xiàng)目）（51878066）資助。