基于视频图像的车道线识别方法

《基于视频图像的车道线识别方法》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、视频应用与工程文章编号：1002－8692（2009）S1-0144-03基于视频图像的车道线识别方法·论文·张军平，殷勇辉（华东理工大学机械与动力工程学院，上海200237）【摘要】提出了一种适用于结构化道路的车道线识别算法，通过使用形态学梯度算法来配合Hough变换，再根据道路图像特征对Hough变换进行条件约束。通过大量试验结果表明，利用本算法对连续的、断续的、磨损的车道线均能准确地识别出来，而且达到了15f/s（帧/秒）的处理速度。【关键词】车道线识别；形态学梯度；Hough变换【中图分类号】T

2、P419.2【文献标识码】AApproachforLaneMarkingRecognitionBasedonVideoImageZHANGJun-ping,YINYong-hui（SchoolofMechanicalandPowerEngineering,EastChinaUniversityofScienceandTechnology,Shanghai200237,China）【Abstract】Awayoflanemarkingrecognitionarithmeticbeingacclimated

3、tostructuringroadisputforward.ItmakesuseofmorphologygradienttocoordinatewithHoughtransform,andrestrictHoughtransformwithroadimagefeature.Throughtheresultsofmanyexperiments,itcandetectcontinuous,makingandbreaking,abrasionlanemarkingexactlyatfifteenframesp

4、ersecond,soitisaneffectivearithmeticoflanemarkingrecognition.【Keywords】lanemarkingrecognition;morphologygradient;Houghtransform1引言试验中所用到的图像为CCD采集到的道路视频图像中的某一视频帧，在读取视频帧数据后先将彩色视频在基于机器视觉的车道偏离预警系统中，车道线的图像转化为灰度图像，然后用C语言编制相应算法程序正确提取与识别是整个系统的关键所在。将车道线从道检测出车道线边缘

5、并进行识别，并将识别结果用直线标路图像中识别出来，确定车辆在道路上的可行区域，定位记出来进行显示。为了视觉效果，以下所处理的图像为采出车道线相对于车辆的位置，以便对车辆行进情况进行集到的全景图像而不是算法中所用的部分图像区域。有效的监测，当车辆发生无意识的偏离时，能够提醒驾驶2.1车道线预测和图像分割员及时进行车姿的调整，避免交通事故的发生。本文基于当处理完一帧道路图像后，为了加快下一帧道路图道路视频图像，利用直线道路模型，提出了一种适用于结像的处理速度，可以利用上一帧车道线识别结果，动态的构化道路的车

6、道线识别算法。调整感兴趣的区域范围，预测当前帧中车道线所在的区2车道线识别算法描述域，进而限定当前识别过程中图像的搜索区域，进行下一车道线识别算法由车道线跟踪、道路图像分割、边缘次车道线的搜索，提高算法的实时性。根据前一次车道线提取和车道线参数求取4部分组成[1-2]。为了提高检测速边缘的识别结果，建立左右两个感兴趣区域，以这两个区度和准确性，采用多种手段和条件约束。首先，根据上一域为界限，分别在这两个区域内部进行下一次车道线的帧检测结果预测当前帧中车道线所在的区域，以减少搜搜索。索面积，节约处理时间；

7、其次，通过使用形态学梯度算法在获取道路灰度图像后，为了使目标（车道线）和背来配合Hough变换，再根据道路图像特征对Hough变换景（非车道线）分开，要进行图像分割处理。图像分割的关进行条件约束，以减少计算量，加快道路图像处理速度。键是选取合适的阈值，阈值选取不当会造成图像细节模车道线识别算法流程如图1所示。糊或者丢失等。这里采用大津法确定分割阈值。大津法的处理原理为：选取某个灰度值，以它作为分界将图像像素车道线预测灰度值分为大小两类，分别计算这两类中的像素点数及形态学梯Hough变换平均值，然后计算它

8、们的类间方差，取类间方差中的最大道路图像分割度边缘检测求取直线参数值对应的灰度值作为分割阈值。其计算公式为图1车道线识别算法流程2w（i）=n1（i）n2（i）[v1（i）-v2（i）]（1）电视技术1442009年第33卷第S1期（总第326期）Videoapplication&projectthre=ArgMax（w（i））（2）式中：n1（i）为灰度值小于i的像素数目；n2（i）为灰度值大于或者等于i的像素数目；v1（i）和v2（i）