文章目录
1. 车道线检测技术
-
输入：图片 Image
- 输入数据来源可以是单目视觉相机、双目视觉相机，数据可以是灰度图或者彩色图。
- 基于单目图片的称为单目车道线检测技术，基于双目图片的称为双目车道线检测技术。
-
输出：车道线信息提取及表达
- 车道线的表示形式可以是直线参数方程，也可以是曲线方程。
- 目前有一些车道线检测方法，除去输出车道线的参数方程表达之外，也可以输出车道线的形式（连续、间断）、颜色等。
1.1 基于规则的车道线检测技术
1.1.1 流程框架
算法输入：前视相机图片
算法输出：车道线方程（前视或俯视）
处理步骤：预处理、特征提取、拟合、后处理
| 模块 | 预处理模块 |
|---|---|
| 模块目的 | 突出图片中的车道线特征 |
| 操作内容 | 俯视图变换、灰度图转换、感兴趣区域设置等 |
| 模块 | 特征提取模块 |
|---|---|
| 模块目的 | 利用机器视觉算法，像素级提取车道线特征 |
| 操作内容 | 颜色检测、边缘检测 |
| 模块输出 | 像素级特征图 |
| 模块 | 拟合模块 |
|---|---|
| 模块目的 | 将像素级特征转换为数学化的曲线方程以便决策利用 |
| 操作内容 | 方程拟合，常用RANSAC及Hough变换等 |
| 模块 | 后处理模块 |
|---|---|
| 模块目的 | 对拟合结果进行进一步处理，减少误检及漏检 |
| 操作内容 | 车道线筛选、追踪等 |
1.1.2 预处理模块
俯视图变换：将前视图转化为真实世界坐标下的俯视图，还原车道线在真实世界中的位置，以利用车道线间距等先验信息
感兴趣区域：保留图片中的路面部分区域
灰度图转换：充分利用车道线的高亮度
1.1.3 车道线识别感兴趣区域提取
感兴趣区域（ROI）设置：根据相机的分辨率、视野范围等，确定感兴趣区域的边界。一般来说，车道线的感兴趣区域位于图片的下半部分，感兴趣区域的边界可以根据车辆姿态动态设置。
1.1.4 灰度图转化
灰度图转化的加权系数可调。
根据心理学研究，灰度可由RGB线性加权计算，权重反映了人眼对三色光的灵敏程度，图像处理库OpenCV应用了此原理心理学实验得出的通用权值： X = 0.30 ∗ R + 0.59 ∗ G + 0.11 ∗ B X = 0.30*R + 0.59*G + 0.11*B X=0.30∗R+0.59∗G+0.11∗B
1.1.5 灰度图去噪
车道线检测任务中，采用了加权滤波平均的方式对图像进行去噪，减少随机性噪声对像素提取任务的影响。模块运算系数采用高斯分布。
设定邻域格数为n时，像素 ( u , v ) (u,v) (u,v)处的灰度按下式计算 G ′ ( u , v ) = ∑ j = − n n ∑ i = − n n P ( u + i , v + j ) G ( u + i , v + j ) P N ˜ ( ( u , v ) , σ 2 ) \begin{array}{l}G'(u,v) = \sum\limits_{j = - n}^n {\sum\limits_{i = - n}^n {P(u + i,v + j)G(u + i,v + j)} } \\P\~N((u,v),{\sigma ^2})\end{array} G′(u,v)=j=−n∑ni=−n∑nP(u+i,v+j)G(u+i,v+j)PN˜((u,
8998
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
