缩微交通环境下的车道标识线检测_储卫东

缩微交通环境下的车道标识线检测

ISSN1673-9418CODENJKYTA8

JournalofFrontiersofComputerScienceandTechnology1673-9418/2012/06(10)-0919-08

DOI:10.3778/j.issn.1673-9418.2012.10.007

E-mail:fcst@http://doc.guandang.net

http://doc.guandang.netTel:+86-10-51616056

缩微交通环境下的车道标识线检测*

储卫东+，王国胤，王

进

重庆邮电大学计算智能重庆市重点实验室，重庆400065

LaneDetectioninMicro-TrafficEnvironment

CHUWeidong+,WANGGuoyin,WANGJin

ChongqingKeyLaboratoryofComputationalIntelligence,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China

+Correspondingauthor:E-mail:chwdong888@http://doc.guandang.net

CHUWeidong,WANGGuoyin,http://doc.guandang.netnedetectioninmicro-trafficenvironment.JournalofFrontiersofComputerScienceandTechnology,2012,6(10)：919-926.

Abstract:Inordertorealizethelanedetectioninamicro-trafficenvironment,thispaperproposesalanedetectionmethodbasedonmathematicalmorphologyandprobabilisticHoughtransform.Firstly,theroadimagesarepreprocessedwithagrayscaledilationanderosionoperationtofilterlight.Then,anadaptivethresholdbinarizationalgorithmisusedtoextractthelinesfromthegrayimages.Finally,aprobabilisticHoughtransformisemployedtodetectlanes.Theexperimentalresultsshowthattheproposedmethodcandetectthelaneaccuratelyandhasgoodrobustness.Keywords:miniatureintelligentvehicle;lanedetection;mathematicalmorphology;binarization;probabilisticHoughtransform摘

要：为了解决缩微交通环境下的车道标识线检测问题，提出了一种数学形态学与概率霍夫变换相结合的

车道标识线检测方法。首先运用灰值腐蚀膨胀对道路图像进行滤光处理，去除光照影响，然后利用自适应阈值二值化图像，最后利用概率霍夫变换寻找车道标识线。实验结果表明，在缩微交通环境下该方法能够准确地检测出车道标识线，具有很强的鲁棒性。

关键词：缩微智能车；车道标识线检测；数学形态学；二值化；概率霍夫变换文献标识码：A

中图分类号：TP391

*TheNationalNaturalScienceFoundationofChinaunderGrantNo.61073146(国家自然科学基金).Received2012-05,Accepted

2012-07.

缩微交通环境下的车道标识线检测

920JournalofFrontiersofComputerScienceandTechnology计算机科学与探索2012,6(10)

1引言

智能交通系统（intelligenttransportsystem，ITS）

线不均匀和强光照等条件的影响。室内光照的变化往往对上述特征检测环节造成很大干扰。文献[2]提出了感兴趣区域和形态特征相结合的方法来解决缩微交通环境下车道受到强光照影响的问题。文献[3]主要利用缩微交通环境下不同的道路模型来检测车道标识线。室内有强光照或者光线不均匀导致车道反光时，反光区域往往和车道标识线具有相同的颜色特征和较强烈的边缘。当车道反光区域和车道标识线有重合时，上述方法会误识别车道标识线。

为了解决缩微智能车在室内不同光照条件下的车道标识线检测问题，本文利用数学形态学膨胀腐蚀运算去除光照背景，利用概率霍夫变换实现车道标识线的检测。在图像处理过程中，采用自适应阈值二值化图像，利用Canny算子对车道标识线进行边缘提取。

于20世纪60年代末产生，它将先进的信息技术、数据通讯传输技术、电子控制技术、计算机技术及智能车辆技术等综合运用于整个交通运输管理体系。智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统。作为智能交通系统的重要研究内容之一，智能车辆驾驶已经成为未来汽车市场的发展趋势。智能车辆驾驶系统集中地运用了计算机、传感器、信息融合、通讯、人工智能以及自动控制等技术，是典型的高新技术综合体。

缩微智能仿真系统为智能交通系统的研究提供了一个可实验、可重复、可评估、可印证的实验平台，缩微智能车的研究为智能车辆的研究提供了理论依据。基于此系统，缩微智能车可以模拟真车的驾驶行为，研究和验证基于视听觉信息的自主驾驶模拟方法，使智能驾驶和多车交互成为可能。在李德毅院士等专家的倡导下，智能车辆驾驶领域的相关专家于2009年开始，陆续在北京、重庆、西安、天津等地进行了多次会议，并组织了多次缩微智能车自主驾驶演示。2011年9月“首届中国智能博览会”在北京举行，本次展会上，集中展示了我国在缩微智能交通仿真领域的研究成果。

在基于视觉导航的智能车辆自主驾驶中，视觉图像处理是整个系统的基础，在视觉图像处理中，道路识别是最基础也是最重要的工作。按照道路的特点分类，道路环境可以分为结构化道路和非结构化道路两种[1]。缩微交通环境主要模拟城市道路环境，属于典型的结构化道路。缩微交通环境下的道路具有清晰的车道标识线，车道标识线一般为连续的白线或者断划线，因此在这种情况下，缩微交通环境下的道路检测问题可以简化为车道标识线检测问题。针对车道标识线检测问题，研究者们已提出了许多不同的算法[2-4]，这些算法大都遵循车道建模、特征检测和模型匹配的解决框架。缩微交通环境的搭建主

要是在室内进行的，22.1

缩微交通环境和系统硬件设计介绍缩微交通环境

三维缩微交通环境是对城市交通环境的模拟。

图1为1∶10缩微道路环境。缩微道路环境包括：双车道、直道、弯道、连续弯道、十字路口、丁字路口、立交桥等。除了道路环境外，城市交通环境还包括：交通灯、交通标志、地面标志、障碍物等。

Fig.1Micro-roadenvironment图1缩微道路环境

2.2系统硬件

为了验证本文车道标识线检测算法，给出了如

图2所示的缩微智能车硬件系统。其中包括：HPI底盘（带马达和舵机）、X86主板、Arduino控制板、双CMOS摄像头。硬件系统中的供电系统包括：12V8V锂电池给电机供电；Arduino

缩微交通环境下的车道标识线检测

储卫东等：缩微交通环境下的车道标识线检测921

控制板由主板供电。X86主板上有4路USB接口，分别连接双摄像头、无线网卡、Arduino控制板。

摄像头1摄像头2X86主板控制板HPI底盘

（a）Reflectiveimage（a）强反光图像

（b）Unevenlightimage（b）光线不均匀图像

Fig.4Singlechannelgrayimages图4单通道灰度图像

4滤光处理

为了去除室内光照的影响，得到只包含车道标识

Fig.2Micro-intelligentcar图2缩微智能车辆

线的灰度图像，本文利用灰值腐蚀和膨胀运算得到车道标识线的背景图像，再利用原灰度图像和背景图像作差值运算，得到只包含车道标识线的灰度图像。

3图像获取和预处理

图3为在缩微智能车静止状态下采集的两幅不

4.1灰值腐蚀膨胀理论

在灰值数学形态学中，二值化形态学中所用到的

同光照条件下的图像。图像中车道标识线（白色）与车道（黑色）有明显的差别，但图3（a）车道受到室内强光照导致地面反光的影响，图3（b）车道受到室内光线不均匀的影响。本文主要解决室内强光照和光线不均匀带来的车道标识线误识别和失效问题。

交、并运算将分别用最大、最小极值运算代替。灰值图像的腐 …… 此处隐藏：11016字，全部文档内容请下载后查看。喜欢就下载吧 ……