基于改進(jìn)Hough變換的車道線識(shí)別*

辛 敏，羅 山

(攀枝花學(xué)院智能制造學(xué)院，四川 攀枝花 617000)

0 引言

車道偏離報(bào)警系統(tǒng)[1]是無人駕駛的關(guān)鍵環(huán)節(jié)之一。車道線識(shí)別是通過檢測道路圖像特征點(diǎn)，從而定位車道線的位置。吳志軍等[2]提出基于Sobel和hough變換的車道線識(shí)別算法，給出了完整的車道線識(shí)別算法，對(duì)常用工況下的車道線圖像進(jìn)行識(shí)別有較好的效果。但是，由于車道線在復(fù)雜的天氣變化和道路環(huán)境下會(huì)變得模糊不清，例如道路圖像在陰影、強(qiáng)弱光照、霧靄、雨天等條件下，車道線并不是清晰可見的，而車輛在此類環(huán)境道路上行駛比較常見[3]，由此給車道線識(shí)別算法帶來挑戰(zhàn)。針對(duì)此類問題，本文在研究Hough變換的基礎(chǔ)上，提出改進(jìn)的Hough變換車道線識(shí)別方法，通過實(shí)驗(yàn)對(duì)比分析了算法改進(jìn)前后的識(shí)別效果。

1 車道線識(shí)別系統(tǒng)設(shè)計(jì)

車道線識(shí)別主要是將采集的彩色道路圖像進(jìn)行輸入識(shí)別檢測，最終識(shí)別出路面上的車道線。其中輸入為彩色道路圖像，輸出為標(biāo)定的路面車道線，本文的系統(tǒng)設(shè)計(jì)流程如圖1所示。

圖1 車道線識(shí)別系統(tǒng)流程

2 圖像預(yù)處理

受道路結(jié)構(gòu)的復(fù)雜程度的影響，采集到的圖像可能會(huì)含有許多因素的干擾，例如噪聲、樹木遮擋、光照強(qiáng)度不均勻、車道線磨損等干擾，都會(huì)影響車道線邊緣檢測和車道線識(shí)別的實(shí)時(shí)性和精確性[4]。本文的圖像預(yù)處理包括三部分：目標(biāo)區(qū)域劃分、圖像灰度化、圖像去噪。

2.1 目標(biāo)區(qū)域劃分

圖像采集后需要進(jìn)行目標(biāo)區(qū)域的劃分，選擇目標(biāo)對(duì)象所處區(qū)域作為感興趣的部分進(jìn)行重點(diǎn)分析處理，其他區(qū)域予以忽略。由于攝像機(jī)安裝在車輛擋風(fēng)玻璃的正中央，因此采集到的圖像上部分包含了天空、周圍的樹木、前方車輛等道路上的信息，而圖像的下部分主要是道路車道線的信息，所以選擇感興趣區(qū)域?yàn)閳D像的下部分，車道線的檢測只需在這一區(qū)域進(jìn)行。

2.2 圖像灰度化

采集到的彩色道路圖像若不經(jīng)處理直接進(jìn)行濾波去噪，會(huì)增加計(jì)算量和內(nèi)存使用量，導(dǎo)致程序無法運(yùn)行或運(yùn)行時(shí)間過長，通過圖像灰度化可以減少運(yùn)算量。本文采用平均值方法將劃分的目標(biāo)區(qū)域進(jìn)行圖像灰度處理，即某點(diǎn)的像素值等于R、G、B三個(gè)分量的平均值。

2.3 圖像去噪

由于采集道路圖像時(shí)容易受到周圍環(huán)境、復(fù)雜的道路情況和惡劣天氣狀況等因素的干擾，從而導(dǎo)致采集的圖像中存在噪聲干擾，即在圖像中表現(xiàn)形狀為像素塊和一些亮度較大且細(xì)小孤立的像素點(diǎn)[5]。這些噪聲干擾會(huì)影響車道線特征點(diǎn)的提取，從而影響車道線檢測和識(shí)別，導(dǎo)致車道線的定位不太精確。因此需要對(duì)圖像進(jìn)行濾波去噪，抑制噪聲因素的干擾。

中值濾波[6]是非線性平滑濾波中的一種方法，它在平滑圖像的同時(shí)不會(huì)造成邊界的模糊，在抑制噪聲干擾的同時(shí)保持圖像中車道線特征的清晰，因此本文采用3×3模板的中值濾波器來進(jìn)行圖像的濾波去噪，從而保證圖像細(xì)節(jié)不會(huì)失真。

3 圖像二值化

為了將感興趣的區(qū)域與背景區(qū)域分開，需要對(duì)圖像進(jìn)行二值化。圖像的二值化是將原始圖像像素點(diǎn)的灰度值設(shè)置為0或255，也就是將原始圖像變?yōu)楹诎讏D像，即通過對(duì)256個(gè)亮度等級(jí)的灰度圖像進(jìn)行適當(dāng)?shù)拈撝颠x取從而獲得仍然可以反映圖像局部和整體特征的二值圖像。因?yàn)镺tsu閾值分割算法具有處理簡單、速度快的特點(diǎn)，因此本文采用Otsu方法進(jìn)行圖像的二值化處理。

4 車道線識(shí)別

4.1 基于Hough變換的車道線檢測

Hough變換的原理主要是將圖像空間中的參數(shù)直接映射到參數(shù)空間中，從而建立起圖像空間中的點(diǎn)和參數(shù)空間中直線的關(guān)系，然后將圖像空間中不能解決的問題轉(zhuǎn)移到參數(shù)空間中來解決[1]。本文的Hough變換采用極坐標(biāo)來表示，極坐標(biāo)方程表示為：

ρ=xcos(θ)+ysin(θ)

(1)

式(1)中，ρ表示該直線到原點(diǎn)的法線距離；θ表示法線與x軸的夾角。

因?yàn)榇龣z測的邊緣可能含有噪聲干擾，因此在隨機(jī)選擇待測邊緣的像素點(diǎn)時(shí)，選到虛假邊緣像素點(diǎn)的可能性很大，從而導(dǎo)致Hough變換對(duì)車道線檢測時(shí)的精確度不高，影響圖像處理后與模型的匹配程度。所以Hough變換采用類似于投票機(jī)制的形式來保證最后得到的檢測結(jié)果與實(shí)際的車道線最接近，該方法主要是通過對(duì)參數(shù)空間中每個(gè)不同的(θ,ρ)使用累加器來進(jìn)行統(tǒng)計(jì)累加，然后將得到的(θ,ρ)最大統(tǒng)計(jì)量作為直線參數(shù)。

4.2 改進(jìn)Hough變換的車道線識(shí)別

Hough變換算法對(duì)圖像的車道線進(jìn)行識(shí)別時(shí)，計(jì)算量大且運(yùn)行時(shí)間長從而導(dǎo)致車道線識(shí)別實(shí)時(shí)性不高，為此本文提出一種改進(jìn)的Hough變換來識(shí)別圖像中的車道線，以減少算法的計(jì)算量，提高車道線識(shí)別的實(shí)時(shí)性。

設(shè)f(x,y)為二值圖像，則圖像邊緣點(diǎn)(x,y)的梯度的幅度值和方向角分別為：

(2)

式中，fx表示為x方向的梯度值；fy表示為y方向的梯度值；Δf(x,y)表示點(diǎn)(x,y)的幅度值；θ表示點(diǎn)(x,y)的方向角。由此可以看出先計(jì)算出二值圖像邊緣的梯度，從而獲得圖像邊緣像素點(diǎn)的方向角。假如Hough變換的角度分辨率為1°，則需要對(duì)每個(gè)可能取的θ值算出對(duì)應(yīng)的ρ值，那么圖像中每個(gè)邊緣點(diǎn)都要從分辨率為1°的360個(gè)θ中隨機(jī)選取并求出對(duì)應(yīng)的ρ，然后放入累加器進(jìn)行累加計(jì)數(shù)。而改進(jìn)的Hough變換算法主要是通過計(jì)算確定θ的取值，當(dāng)圖像邊緣的θ確定后則只需計(jì)算一次ρ，從而實(shí)現(xiàn)算法運(yùn)行速度的提高。

改進(jìn)Hough變換是基于參數(shù)空間分塊的思想，也就是將參數(shù)空間劃分為均勻的累積區(qū)域，并對(duì)每個(gè)區(qū)域都加入一個(gè)累加器[7]，當(dāng)圖像空間中的點(diǎn)映射到參數(shù)空間形成曲線時(shí)，再對(duì)所得的曲線進(jìn)行ρ和θ的量化處理。如果經(jīng)量化處理后的點(diǎn)落入不同區(qū)域時(shí)，需要對(duì)相應(yīng)區(qū)域的累加器進(jìn)行累加增1計(jì)算，最后累加器數(shù)值最大的區(qū)域即為峰值區(qū)域。改進(jìn)后的Hough變換車道線識(shí)別算法流程如圖2所示。

圖2 改進(jìn)的Hough變換流程圖

具體算法步驟如下：

1) 依據(jù)所選圖像的尺寸大小選擇合適的和進(jìn)行量化處理從而得到量化值，然后將參數(shù)空間分為u×v塊累積區(qū)域，每個(gè)累積區(qū)域的累加器用初始值為0的P(u,v)來表示。

2) 根據(jù)邊緣像素點(diǎn)(x,y)的θ求出ρ。

3) 在參數(shù)空間中，找到量化處理后ρ和θ所對(duì)應(yīng)的累積區(qū)域，并將該區(qū)域內(nèi)的累加器進(jìn)行累加增1，即P(u,v)=P(u,v)+1。

4) 將2)，3)步進(jìn)行循環(huán)，直到取遍圖像中所有的邊緣點(diǎn)，從累積區(qū)域中找出數(shù)值最大的累加器所對(duì)應(yīng)的參數(shù)。

4.3 仿真實(shí)驗(yàn)與分析

為驗(yàn)證改進(jìn)算法的有效性，對(duì)上述Hough變換和改進(jìn)后的Hough變換算法進(jìn)行仿真實(shí)驗(yàn)?；赑C平臺(tái)，使用MATLAB軟件進(jìn)行算法的編程，將得到的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析，驗(yàn)證了改進(jìn)后的Hough變換算法比基本Hough變換具有更強(qiáng)的實(shí)時(shí)性和精確性。結(jié)果如圖3所示。

圖3 Hough變換車道線識(shí)別對(duì)比

為進(jìn)一步驗(yàn)證改進(jìn)算法的實(shí)時(shí)性和精確性，使用改進(jìn)的Hough變換對(duì)不同的自然環(huán)境下道路圖像進(jìn)行車道線識(shí)別。效果如圖4所示。

如圖4所示，圖(a)是在夜間的條件下進(jìn)行的車道線識(shí)別，圖(b)是在霧天的惡劣天氣下進(jìn)行的車道線識(shí)別，圖(c)是在樹木遮擋的情況下進(jìn)行的車道線識(shí)別，可以看出在不同的環(huán)境下改進(jìn)后的Hough變換算法對(duì)車道線的識(shí)別效果好，驗(yàn)證了該算法擁有較高的實(shí)時(shí)性和精確性。

圖4 改進(jìn)Hough變換在不同環(huán)境下的車道線識(shí)別

5 結(jié)束語

由于傳統(tǒng)的Hough變換算法存在計(jì)算量大和運(yùn)行時(shí)間較長等缺點(diǎn)，但又有抗噪聲干擾能力強(qiáng)，魯棒性好等優(yōu)勢使其在車道線識(shí)別中應(yīng)用較廣。為確保所選算法的抗噪性能，同時(shí)也能提升算法的速度，減少算法運(yùn)行時(shí)間，并提高車道線識(shí)別的實(shí)時(shí)性，本文提出一種改進(jìn)的Hough變換車道線識(shí)別算法。通過對(duì)實(shí)驗(yàn)結(jié)果對(duì)比分析，驗(yàn)證了改進(jìn)后的Hough變換算法具有更高的精確性和實(shí)時(shí)性，但該算法對(duì)道路中磨損嚴(yán)重的車道線識(shí)別效果較差。