基于边缘的车道线变化检测及其在可疑驾驶行为分析中的应用外文翻译资料

英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

基于边缘的车道线变化检测及其在可疑驾驶行为分析中的应用

摘要：本文提出了一种新的边缘标记方法，用于在视频这实时检测车道线。首先，使用标记技术对具有不同边缘类型的边缘像素进行分组。然后，根据车道线模型对车道线进行预测。然后，根据针孔摄像机的几何结构计算出车道线的几何约束，并去除不可能的车道线预测。由于上述几何约束对阴影和光照变化不敏感，因此即使场景中包含不同的遮挡和阴影，本方法也可以稳健地检测出正确的车道线。滤波完成后，本文使用基于内核的建模技术来对不同特点的车道线进行建模，即使车道线被分段成片段或被阴影遮挡，该方法也能有效地检测和跟踪不同种类车道线。本文提出的方案能很好地应用于夜间车道线检测。利用提取出的车道线信息，本文能够分析不同的危险驾驶行为，如车道线偏移等。实验结果表明，该方案在车道检测中具有很强的实用性，平均准确率为95%。

1 介绍

车道线检测[1]是基于视觉的驾驶辅助系统中的一个重要组成部分，可用于车辆导航，横向控制，防撞或车道线偏离警告等领域。车道线检测过程中有三个主要障碍：(1)照明，尤其是夜间照片; (2)阴影，在路面上形状各异的阴影;(3)物体的遮挡，使车道线特征点减少。许多文献为解决上述车道检测问题，提出了各种方法[1]-[10]。通常情况下，车道线具有特殊的颜色和高对比度，以吸引驾驶者的注意力。因此，用于车道检测的特征可以是颜色，边缘或纹理。例如，Crisman和Thorpe [2]提出了一种SCARF（应用于道路跟踪监督分类）系统，该系统使用自适应颜色分类和投票技术进行车道线定位。在文献[3]中，He等人提出了一种基于颜色的视觉系统，用以检测城市交通场景中的车道线。然而，颜色很容易受到光线变化的影响，且颜色特征在夜间会变得特别不清楚。因此，更多情况下，车道线是使用基于边缘的算法来检测识别的。例如，在[4]中，Broggi和Berte提出了一个基于视觉的实时系统，根据边缘特征来检测车道线。在[6]中，Kreucher和Lakshmanan提出了一种从频域中提取不同的边缘特征并进行车道线检测的方法。除了边缘之外，纹理特征也是非结构化图像中车道线检测的一个重要特征。在[7]中，Rasmussen使用一组多尺度的Gabor小波滤波器来检测适合该结构图像的道路方向。在[9]中，Jeong和Nedevschi将边缘特征和纹理特征结合起来，生成了从背景中分割车道线区域的分类器。一般来说，多特征算法的效果要优于单特征算法。因此在[1]中，McCall和Trivedi将车道线标记、车道线纹理和车辆状态信息结合起来，以生成高鲁棒性的车道线曲率的估计。

除了基于特征的算法外，在处理不同的车道线类型及图像中有遮挡或阴影时，基于模型的检测方案在车道线检测中效果更好。例如，Kluge等[10]提出了一种可变形的模板，来模拟和检测不同的车道线类型（包括直线或曲线）。此外，在[5]中，Wang等人基于B-snake，使用边缘特征对曲线和直线进行建模，从视频中提取斑驳的车道线。在[11]中，Tsai提出了一种模糊推理系统来模拟车道线属性，以减弱阴影的影响。3D数据或立体视觉的使用能够使检测车道线更为稳健，。在[12]中，Bertozzi和Broggi提出了一个GOLD系统，该系统使用反向透视映射去除透视效应，然后使用立体视觉检测车道线标线和障碍物。另外，在[13]中，Nedevschi 等人提出了一种用于车道线检测、俯仰角分析和视频转角估计的3D车道线检测方法。虽然3D信息可以显着减少车道和障碍物检测的透视效果，但其算法运算量大，实时性较差，不适合实时检测。

本文提出了一种新的边缘标签提取方案来实时检测视频中的车道线。即使视频中包含各种遮挡，阴影或有不同的车道线模式，本文所提出的方法仍能很好地检测每一种车道线。图1显示了该系统的流程图。首先，使用高斯微分算子提取出不同的边缘点。然后，提出一种边缘标记技术，用于找出所有边缘点对作为候选车道。之后，导出几何约束用于去除不可能的候选车道线。去除伪候选车道线后，只有少数车道线会被生成及验证。然后利用一组车道线假设，提出基于内核的建模方案来查找所有漏检的车道线段。基于该车道线模型，即使分析的道路场景中包含不同的阴影，遮挡和灯光变化，也可以检测并跟踪不同的车道线。实验结果证明了该方法在车道线检测中的优越性。

边缘标签提取

车道线几何约束

车道线拟合

车道线跟踪

图1系统流程图

2.使用边缘标签进行提取候选车道线

从一辆移动的车辆的前视图中检测车道线的过程中，最大的障碍是是照明条件的变化。过去，大多数方法都使用颜色特征来检测视频中的车道线。但是，在不同的照明条件下，颜色特征极易会发生变化。与颜色相比，边缘特征是车道线检测最稳定的特征。因此，本文提出了一种边缘标记技术，用来更稳健地检测车道线。

2.1边缘标记

令表示输入图像。本文使用高斯导数滤波器通过公式提取垂直边缘点，其中表示是卷积运算的规则。然后，对于图像I中的点，根据以下规则将其分类为“正”或“负”：

(1)

在边缘标记完成后，水平扫描图像I中的每个像素，以找出所有满足以下规则的像素对和，具体规则如下：

(a)位于的左侧;

(b)为“正”， 为“负”;

(c)“0”像素点只出现在和之间。

图2显示了边缘标记的结果。在(a)中，在边缘标记之后，可以检测到两个临界点和。复位完成后，可以获得如图2(b)所示的一条线段。在逐行扫描输入图像I之后，可以通过连接组件分析获得不同的车道线段。如图3所示，(a)是原始图像，(b)是边缘标记和连通分量分析后的结果。但是，车道线区域中还存在许多噪音。在下文中，我们将导出宽度约束，以过滤不可能的车道线候选者。

图2边缘标记和填充示例 (a)边缘标签的结果 (b)像素填充。

图3边缘标记和滤波的结果

(a)原始图像 (b)边缘标签的结果 (c)使用宽度约束进行过滤后的结果

2.2宽度约束

本节将使用摄像机模型来估计沿y坐标观察时车道线宽度的变化。完成该步骤后，我们就可以更精确地从视频中提取出不同种类的车道线段，以完成车道线检测。

令表示相机的坐标系，表示水平面坐标系。对于给定焦距f，针孔照相机上的点在图像坐标上的透视投影可以由以下两个等式描述：

(1)

图4 相机和道路之间的几何透视关系

假定摄像机以倾斜角放置在地面上方的高度为h的某处。如图4所示，与之间的转换关系如下：

(2)

将式(2)代入式(1)，且代入地面，我们可以得到

(3)

令w为车道线的宽度，则图像平面上的车道线宽度w为：

(4)

式(4)中的Y值可通过式(3)求解：

(5)

车道线宽度w将沿v坐标的改变而改变。将Y值代入式(4)，即可得到w和v之间的关系：

(6)

根据上式，可以获得车道线宽度约束，用于去除不可能的候选车道线。

2.3候提取边缘标记后，就形成了不同的车道线区域。如图3所示，(c)是用(a)的宽度约束进行边缘标记和滤波后的结果。每个车道线区域都是一条可能的车道线。因此，首先将连通分量分析应用于边缘标记后的图像，以获得不同的候选车道线。设表示包含不同车道线段的区域。每个车道线段均与中心点保持水平。一组中心点形成一条线。

假设具有N个中心点并将它们拟合成直线模型：。然后，可以通过使用参数和以最小化误差函数：

(7)

直线拟合完成后，对所有孤立点使用二次投影以确定的位置。对于每一个点p，p与之间的距离为：

(8)

对于上的每个点，如果不满足以下约束：

(9)

就会被去除。图5展示了直线拟合及二次投影的结果。

图5 直线拟合的结果

3 基于边缘特征及颜色特征的车道线检测

除了边缘特征外，颜色特征是车道线检测的另一个特征。因此，本节使用基于内核的方法来针对不同的车道线进行建模。

3.1车道建模

当车辆沿着车道线方向移动时，该车道上的像素颜色特征是相似的。对于第i条车道线，设和分别表示通道中所有像素的颜色均值和方差。另外，表示所有像素点p到的距离（如式(9)所示）的方差。根据上述定义，建模车道线的高斯模型定义为：

如果点p满足下式：

(10)

即可判断该点在车道线上。

3.2车道线跟踪

实际情况中，车道线并不总是清晰的，在每个视频帧也不一定上保持连续。解决这个问题需要使用车道线跟踪技术，来使车道线位置检测更加稳健。跟踪技术利用式(10)找出所有漏检的车道线点。如果在第帧中车道线消失了，检查该帧中是否每个像素点p都满足满足式(10)。若是，p将被定义为中的候选车道线。扫描完成后，即使在当前帧中丢失了，它依然能够被恢复。

3.3车道线变化检测

当驾驶员跨车道线驾驶车辆时，车道线边缘将沿着水平方向改变。这种 “换道”情况可以视为异常事件。如果观察到车道线移动超过了车辆的底线中心，就定义其为异常事件。

4 实验结果

图6 不同种类的车道线检测结果

图7 不同颜色的车道线检测结果

图8 夜间车道线检测结果

图9 车辆移动时车道线的检测结果

图10 车道线偏移检测

为了检测本文提出车道线检测算法的性能，我们使用在不同的照明条件、天气、白天及夜晚时间下采集到的不同视频来测试。 图6显示了不同种类的车道线检测结果。 图7显示了不同颜色的车道线检测结果。

我们提出的方法在夜间也能很好地检测车道线。 图8显示了夜间车道线检测的结果。 图9显示了车辆在道路上行驶时的车道检测结果。 此外，我们的方法还能很好地检测各种类型的车道线。 图10显示了车道偏离检测的结果。当异常事件发生时，系统会发送一则警告信息给司机。本文提出的算法的平均准确率是95％。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22669]，资料为PDF文档或Word文档，PDF文档可免费转换为Word