基于Edline線特征的既有道路中公交專用車道劃分方法

謝惠靜

(廣西壯族自治區(qū)城鄉(xiāng)規(guī)劃設(shè)計院，廣西 南寧 530022)

1 引言

隨著社會經(jīng)濟(jì)、技術(shù)以及人們生活水平的日益提升，各種機(jī)動車數(shù)量飛速增加[1-2]，城市既有道路中公交車與其他機(jī)動車的混合同行，導(dǎo)致交通安全受到威脅。交通運(yùn)輸問題也日益顯著，利用現(xiàn)代化管理方法實(shí)現(xiàn)交通管理也迫在眉睫。

車道線劃分是智能車輛視覺導(dǎo)航系統(tǒng)[3]最基本以及最重要的性能，相關(guān)學(xué)者重點(diǎn)針對方面的內(nèi)容進(jìn)行研究，例如傅筱白等人通過方向紋理特征計算初始道路中心點(diǎn)，通過中心點(diǎn)先驗(yàn)以及觀測信息迭代跟蹤確定道路中心點(diǎn)，有效實(shí)現(xiàn)專用車道劃分[4]。王會峰等人根據(jù)對車道線圖像基本特征的分析，采集三個角度的特殊環(huán)境道路偏振圖像，根據(jù)得到的偏振度圖像，對其進(jìn)行二值化以及圖像感興趣區(qū)域進(jìn)行提取，通過車道線邊緣的直線特征，實(shí)現(xiàn)專用車道劃分[5]。以上方法雖然現(xiàn)階段取得了十分顯著的研究成果，但是由于未考慮特征分布不均勻問題，對點(diǎn)特征劃分產(chǎn)生影響，導(dǎo)致車道半徑提取精度較低以及公交交通效率降低。為此，設(shè)計并提出一種基于Edline線特征的既有道路中公交專用車道劃分方法。

2 既有道路現(xiàn)狀分析

隨著我國經(jīng)濟(jì)以及科學(xué)技術(shù)的迅猛發(fā)展，直至2010年，我國機(jī)動車駕駛者大約有2.05 億人。受到各種政策的影響，我國機(jī)動車數(shù)量一直呈直線上升趨勢，但由于城市道路網(wǎng)存在諸多問題，導(dǎo)致公交車與其他機(jī)動車混合行駛，頻繁的變道致使交通事故頻發(fā)，嚴(yán)重阻礙交通發(fā)展，導(dǎo)致道路中車速下降以及車況較差等情況的頻發(fā)，另外，也影響了人們的正常出行以及國家的經(jīng)濟(jì)發(fā)展。

現(xiàn)階段為了提升道路的通行能力，在既有車道寬度的基礎(chǔ)上規(guī)劃公交專用車道是十分有必要的。

3 既有道路中公交專用車道劃分方法

3.1 基于Edline線特征的車道動態(tài)半徑提取

基于Edline線特征的車道動態(tài)半徑提取主要是通過Edline 線特征進(jìn)行提取以及描述。Edline 線特征提取描述劃分為：

(1) 線段的檢測；

(2) 線段提取[6-7]。

通過LBD描述子對全部提取的線段進(jìn)行描述以及匹配，具體的流程如圖1所示。

圖1 提取流程

在圖像的低紋理結(jié)構(gòu)化場景中，具有十分豐富的線性特征，但是這些特征的存在會導(dǎo)致穩(wěn)定性以及連通性較差等問題的產(chǎn)生。為了更好地解決上述問題，通過線段長度設(shè)定參數(shù)閾值，這樣能夠有效加強(qiáng)線特征的連通性以及完整性，提升整個方法的綜合性能[8-9]。

在低紋理場景中，線特征具有優(yōu)異的表現(xiàn)，當(dāng)各個線特征之間缺少關(guān)聯(lián)信息時，會產(chǎn)生大量的異常線段。為了得到更加滿意的特征提取結(jié)果，主要通過邊緣檢測算法中的邊緣檢測算子進(jìn)行邊緣繪制[10]，組建連續(xù)的像素鏈；再通過最小二乘擬合方法，在像素鏈中提取線段；最后結(jié)合設(shè)定的長度閾值參數(shù)，有效消除錯誤線段。以下給出具體的操作流程，如圖2所示。

圖2 車道動態(tài)半徑提取流程圖

傳統(tǒng)的線段提取方法，主要提取獨(dú)立、不相交且不連續(xù)的線段。Edline線特征提取方法的計算步驟為：

(1) 對既有道路圖像進(jìn)行平滑處理；

(2) 經(jīng)過平滑處理之后分別計算圖像的梯度取值以及具體方向。

利用公式(1)給出既有道路圖像任意像素點(diǎn)的總梯度計算公式：

上式中，Gx代表水平方向的梯度值；Gy代表垂直方向的梯度值。

分別對比不同像素在不同方向的梯度大小，并設(shè)定錨點(diǎn)，其中閾值的設(shè)定能夠準(zhǔn)確反映錨點(diǎn)的數(shù)量以及邊緣繪制過程，以下詳細(xì)給出錨點(diǎn)組建像素鏈的過程。

選取一個起始點(diǎn)(x，y)，當(dāng)水平邊緣通過(x，y)時，對比(x，y+1)、(x，y)、(x，y-1)三點(diǎn)處的像素梯度值，最大點(diǎn)設(shè)定為(x，y)，假設(shè)水平邊緣通過點(diǎn)(x，y)，則對比(x-1，y+1)、(x-1，y)、(x-1，y-1)處的像素梯度值，選取最大值，和(x，y)相連，直到點(diǎn)(xi，yi)不是邊緣像素。

針對組建的完整像素鏈，采用最小二乘線擬合的方法進(jìn)行線段的擬合提取，通過偏差絕對值之和最小的原則進(jìn)行擬合：

上式中，xi、yi代表像素點(diǎn)的坐標(biāo)。針對擬合的線段，計算線段長度以及線段端點(diǎn)的位置[11-14]，根據(jù)計算兩條相鄰線段端點(diǎn)的歐式距離，設(shè)定閾值參數(shù)，以此組建完整聯(lián)通的線段，通過線段在任意方向以及距離上的差異，設(shè)定線段中間點(diǎn)的距離閾值，以此實(shí)現(xiàn)車道動態(tài)半徑提取，即：

3.2 車道劃分結(jié)果

區(qū)域生長主要是通過事先設(shè)定的準(zhǔn)則將像素或者子區(qū)域分成更大區(qū)域的過程。一般情況下，相似性準(zhǔn)則的選擇不僅依賴于顏色問題，還取決于有效圖像數(shù)據(jù)的類型。假設(shè)圖像是單色的，則采用一組基于灰度級和空間性質(zhì)的描述子對區(qū)域進(jìn)行分析[15]。以下采用比例選取方法，即整幅圖像的高和寬需要按照一定比例設(shè)定感興趣區(qū)域的高和寬，具體的計算式如下所示：

上式中，h代表車道線圖像的高；w代表車道線圖像的寬；r1、r2代表感興趣區(qū)域的高和寬所占據(jù)的比例系數(shù)。通過以下公式求解圖像兩側(cè)感興趣區(qū)域：

上式中，f 代表圖像矩陣；w代表圖像的寬；lr、rr代表圖像感興趣區(qū)域的高和寬。

由于路面屬于較暗的區(qū)域，所以路面的灰度值也偏小，需要采用的中值計算方法如下所示：

上式中，m代表感興趣區(qū)域的灰度均值；S1、S2代表左右感興趣區(qū)域內(nèi)種子集合。

通過以下公式獲取候選車道線區(qū)域的圖像矩陣，即：

利用圖3給出既有道路中公交專用車道劃分流程圖。

圖3 既有道路中公交專用車道劃分流程圖

劃分既有道路中公交專用車道需要對圖像進(jìn)行掃描處理，但是依次掃描各個點(diǎn)是十分緩慢的。以下采用相對位置掃描算法進(jìn)行分析研究。設(shè)定圖像左下角為二維坐標(biāo)系原點(diǎn)，其中掃描流程如下所示：

(1) 設(shè)定直線x=[n/2]為掃描結(jié)束位置。

(2) 將圖像進(jìn)行初始化處理，同時進(jìn)行圖像兩側(cè)掃描。

(3) 循環(huán)掃描圖像的每行，分別從兩側(cè)的開始點(diǎn)集合保存的位置掃描到直線x=[n/2]。

(4) 假設(shè)在左側(cè)圖像中掃描到既有道路中公交專用車道線特征點(diǎn)，則尋找出和該點(diǎn)連通的全部車道線點(diǎn)。

(5) 在右側(cè)圖像中掃描到車道線特征點(diǎn)。

(6) 跳轉(zhuǎn)到步驟(3)，然后繼續(xù)掃描下一行，直到完成全部的掃描為止。

為了方便計算，需要設(shè)定車道線抽象數(shù)據(jù)結(jié)構(gòu)[16-17]，即：

在完成車道掃描之后，需要對既有道路中公交專用車道線進(jìn)行篩選。主要思想為：計算車道線左右邊緣對應(yīng)點(diǎn)的斜率，通過斜率相似進(jìn)行判斷，具體的計算式如下所示：

既有道路中公交專用車道線的寬度變化率計算式為：

通過以下公式判斷L是否為既有道路中公交專用車道線，具體的判斷公式為：

其中導(dǎo)航向量為：

通過3.1小節(jié)提取的車道動態(tài)半徑進(jìn)行進(jìn)一步處理，獲取符合特征的車道線，具體的處理結(jié)果如下所示：

3.1小節(jié)提取的車道動態(tài)半徑均為獨(dú)立的車道線，由于車道線在直道以及彎道的形狀完全不同，針對不同情況的車道線進(jìn)行建模。

各個道路模型所對應(yīng)的多項(xiàng)式為：

對車道線建模之后，需要判斷兩條車道線是否屬于相同一條虛線型車道線，具體的判定依據(jù)如下所示：

由于較遠(yuǎn)處的既有道路中公交專用車道在圖像中很難劃分出來，需要通過已經(jīng)劃分的車道線信息對較遠(yuǎn)處的車道線進(jìn)行預(yù)測。

設(shè)定預(yù)測車道線為L={S，E，R}，先選取車道線L的最后m個樣本信息，具體的計算式為：

通過以下公式預(yù)測車道線的后續(xù)點(diǎn)：

在上述分析的基礎(chǔ)上，通過道路區(qū)域的連通性以及區(qū)域方法獲取路面區(qū)域，以達(dá)到既有道路中公交專用車道劃分的目的：

4 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證所提基于Edline線特征的既有道路中公交專用車道劃分方法，需要進(jìn)行仿真實(shí)驗(yàn)測試，實(shí)驗(yàn)選取SLAM 領(lǐng)域中具有權(quán)威的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，具體的實(shí)驗(yàn)環(huán)境為：Inter(R)Core(TM)2DuoCPU T6600@2.2GHz，內(nèi)存4GB，操作系統(tǒng)為Windows 7，編程語言為Python，實(shí)驗(yàn)軟件為PyCharm5.0.3。整個實(shí)驗(yàn)主要劃分為兩個不同的階段，第一階段主要對比車道半徑提取精度；第二階段主要對比公交交通效率。所提方法的公交車道規(guī)劃仿真效果圖如圖4所示。

圖4 規(guī)劃效果

具體的實(shí)驗(yàn)結(jié)果如下：

(1) 車道半徑提取精度：

分析表1～表3中的實(shí)驗(yàn)數(shù)據(jù)可知，在三種方法中，所提方法的車道半徑提取精度明顯更高，尤其是在樣本數(shù)量增加的情況下，車道半徑提取精度不會受到較大的影響。主要是因此所提方法在具體操作的過程中，有效解決了特征分布不均勻問題，提升車道半徑提取精度。

表1 所提方法的車道半徑提取精度

表2 文獻(xiàn)[4]方法的車道半徑提取精度

表3 文獻(xiàn)[5]方法的車道半徑提取精度

(2) 公交交通效率/(%)：

利用圖5給出不同方法的公交交通效率對比結(jié)果：

圖5 不同方法的公交交通效率對比結(jié)果

由圖5中的實(shí)驗(yàn)數(shù)據(jù)可知，所提方法的公交交通效率明顯最高；文獻(xiàn)[4]方法的公交交通效率次之；文獻(xiàn)[5]方法的公交交通效率最低。其中最為主要的原因在于：所提方法有效解決了特征分布不均勻問題，同時增加了車道半徑提取精度，既有道路中公交專用車道劃分的準(zhǔn)確性也得到大幅度增加，使公交交通效率也得到有效提升。

5 結(jié)束語

針對傳統(tǒng)方法存在的一系列問題，設(shè)計并提出一種基于Edline 線特征的既有道路中公交專用車道劃分方法。仿真實(shí)驗(yàn)結(jié)果表明，所提方法能夠有效提升車道半徑提取精度，增強(qiáng)公交交通效率。由于受到時間以及研究范圍的限制，導(dǎo)致所提方法仍然存在一定的弊端，后續(xù)將進(jìn)一步對所提方法進(jìn)行有效改善。