基于视频的高速公路多车道自动检测方法

《基于视频的高速公路多车道自动检测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国交通信息产业2010年第3期(总117期)基于视频的高速公路多车道自动检测方法北京万集科技有限责任公司刘佳房颧明徐绍敏引言随着计算机视觉技术的发展，视频检测技术已经越来越多的应用到了车辆工程及智能交通系统(ITS)中，其中车道线识别，更是近年来国内外研寇人员关注的焦点问题。智能交通系统可分为6大功能模块，目前车道线的识别主要应用在两个模块中：1、先进的车辆控制系统AVCS(AdvancedVehicleControlSystem)，如基于视觉的智能车辆导航、智能车辆辅助驾驶系统乃至无人驾驶系统中。此类系统通常需要实现道路和障碍物检涮，提供防偏离和防碰撞报警。而作为基础的车道线

2、识别技术．可提供车辆本身在车道平面中的位置和方向信息，便于障碍物的检测和判断，是智能车辆辅助驾驶系统的关键技术之一。2、先进的交通信息系统ATIS(AdvancedTrafficlnfoltmtionSystem)，如基于视觉的交通监控系统中。在ATIS中，车道线的自动检测技术，为可变场景进行场景建模、自动划分检测区域提供基础。高速公路等结构化道路上黄色双实线或白色实、虚线等车道标线较为规整和靖晰，是车道检铡技术最主要的应用领域。但是，由于以上两类系统中对车道检测的要求不同，因此两类系统中采用的算法也不尽相同。在AVCS中的车道标线检测太多是通过安装在车内的摄像机拍摄道路图像，并

3、在摄像机提供的整幅图像的范围内搜索车道标线的位置．此类系统中国像的视野较小，所能观测到的车谴信息主要为汽车正前方的左、右两条车道．因为摄相机随车辆运动，因此图像中车道位置不断改变．如果车辆行驶较为稳定，可根据前帧图像中车道线的位置预测后帧中车道线可能出现的区域，碱小图像搜索范围．增强图像处理的实时性。而在ATIS中．摄相机多架设在路侧或龙门架上，若云台或相机焦距不改变，视野中的车道线位置固定，对车道线的识别的实时性要求不高，但是由于此粪系统中，相机的视野较大．车道线的散目较多．且场景更为复杂，除了包括车道标线信息外．还加入了天空、周围环境、道路、行人、车辆等其他无用信息，必须采用

4、一些复杂的算法，尽量持腙这些干扰，保证车道线搜索的准确性。目前，大部分的车道检测算法研究都是针对AVCS如智能导航系统中的应用进行的，而且多敦第十二届中国高速公路信息化管理及技术研讨会论文集是将车道标识线作为直线处理。这样就将车道标识线的识别问题转化为道路图像中具有一定特征的直线检测问题。目前采用较多的直线检测方法是Hough变换和直线段检测方法。但是，ATIS中的多条车道线的识别算法研究较少，因此本文将主要探讨ATIS中多条车道线的识别问题，包括直线车道和曲线车道的识别算法。主要研究问题车道线区域的分割在ATIS中的车道线检测，摄像机的视野扩大，使得图像中边缘信息较丰富，路面上

5、的车道较紧凑，道路周边数目中的树木、建筑等会引入较多的边缘信息干扰。另外，路中的隔离带区域和路边区域，也会使得图像的灰度和色度直方图更分散，影响区域分割的效果。车道线的模型目前，大部分AVCS中道路识别模块都将车道标识线作为直线处理。这样就将车道标识线的识别问题转化为道路图像中具有一定特征的直线检测问题，这样转化是合理的，高速公路弯道的半径较大，由于车载摄像机的高度较低，光轴与地面的夹角较小，使得图像中，弯道车道线的曲率很小，因此用直线模型处理弯道车道线引起的误差不太。但是在ATIS中，摄像机架设的较高，视野范围较大，弯道处车道线在图像中的曲率较大，因此不能用直线模型进行处理。车

6、道线的链接在AVCS中，视野中的车道线一般较为显著，分割得到的车道线区域较为清晰和平滑。长白线的分割一般较完整，如果是间断白线，一般数目较少且单条长度较长，车道线的链接较为容易。而在ATIS中，由于视野较大，车道线区域较窄，分割得到的间断白线数目较多，使得车道线的链接更加复杂，在弯道车道线处尤其困难。本文采用的方法由于在ATIS中，对背景建模的实时性要求不高，在一般情况下，只要摄像机保持静止，车道线在图像中的位置便不会改变，因此，在这种情况下，对车道识别算法的精度有较高要求。为了获得较完整的车道图像，防止车辆对车道线的遮挡，首先采用背景更新的方法得到背景图像。背景提取的算法大体有

7、以下几种：均值法、中值法、基于高斯模型的背景更新算法以及一些其他算法和改进算法等。本文中采用的是均值法，均值法得到的图像平滑性较好，图像中的噪声较少，虽然图像的边缘信息有所损失，但对以后的算法并无太大的影响。另外．本文假定车道线的方向大致为竖直方向，且车道线延伸线相交于图像的中上部分，特此说明。本文提出的方法分为以下几个步骤实现：车道线的分割车道线的分割主要分为两类，1、基于车道区域特征的分割方法。这类方法主要根据车道的灰度或色度特征对车道线区域进行分割。其中大津(OTSU)算法