導(dǎo)語(yǔ)：輔助車(chē)輛駕駛車(chē)道檢測(cè)技術(shù)研究一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

【摘要】提高汽車(chē)智能化、網(wǎng)聯(lián)化程度是世界各國(guó)汽車(chē)發(fā)展的必然趨勢(shì)，而車(chē)道線檢測(cè)技術(shù)是實(shí)現(xiàn)高級(jí)駕駛輔助系統(tǒng)和自動(dòng)駕駛的基礎(chǔ)。文章基于特征的車(chē)道線檢測(cè)技術(shù)，根據(jù)數(shù)字圖像在計(jì)算機(jī)中的存儲(chǔ)原理，將RGB圖像轉(zhuǎn)化成灰度圖像，對(duì)圖像進(jìn)行平滑濾波，對(duì)比使用sobel算子和canny算子進(jìn)行邊緣檢測(cè)的檢測(cè)效果。通過(guò)感興趣區(qū)域（ROI）分割、圖像二值化和霍夫變換等過(guò)程，在實(shí)驗(yàn)中實(shí)現(xiàn)了對(duì)圖像中的車(chē)道檢測(cè)。

【關(guān)鍵詞】輔助駕駛；圖像處理；車(chē)道線檢測(cè)

隨著計(jì)算機(jī)、通信、人工智能等技術(shù)的快速發(fā)展，汽車(chē)的電氣化、網(wǎng)聯(lián)化、智能化程度也越來(lái)越高，世界各國(guó)都在加快進(jìn)行智能車(chē)輛的戰(zhàn)略部署。我國(guó)于2020年2月發(fā)布了《智能汽車(chē)創(chuàng)新發(fā)展戰(zhàn)略》[1]，用于規(guī)范和加快智能車(chē)產(chǎn)業(yè)的落地。目前，高級(jí)駕駛輔助系統(tǒng)已經(jīng)實(shí)現(xiàn)產(chǎn)業(yè)化應(yīng)用，而無(wú)人駕駛車(chē)輛也在碼頭、園區(qū)等特定場(chǎng)所逐步開(kāi)始測(cè)試和運(yùn)營(yíng)，相關(guān)技術(shù)處于不斷發(fā)展和完善的階段。在輔助駕駛和自動(dòng)駕駛技術(shù)中，環(huán)境感知技術(shù)處于技術(shù)實(shí)現(xiàn)的最前端，是行為決策、路徑規(guī)劃和運(yùn)動(dòng)控制的依據(jù)。目前環(huán)境感知技術(shù)的解決方案主要是依賴(lài)?yán)走_(dá)和攝像頭兩類(lèi)傳感器，由于車(chē)載攝像頭相比于激光雷達(dá)在成本上有很大的優(yōu)勢(shì)，因此基于視覺(jué)的環(huán)境感知技術(shù)一直是行業(yè)研究的熱點(diǎn)。基于圖像的車(chē)道線檢測(cè)技術(shù)是環(huán)境感知的一部分，研究方法可以分為基于特征的檢測(cè)方法、基于模型的檢測(cè)方法和基于深度學(xué)習(xí)的檢測(cè)方法。其中基于特征的檢測(cè)方法和基于模型的檢測(cè)方法屬于傳統(tǒng)的目標(biāo)檢測(cè)方法，主要通過(guò)檢測(cè)車(chē)道線的顏色、邊緣、梯度變化等底層特征和車(chē)道線形狀等信息來(lái)提取車(chē)道線或?qū)ζ溥M(jìn)行模型化描述[2]。本文對(duì)傳統(tǒng)車(chē)道線檢測(cè)技術(shù)進(jìn)行研究，分析了數(shù)字圖像的處理技術(shù)，包括圖像灰度化、二值化以及圖像濾波方法，研究圖像邊緣增強(qiáng)方法以及霍夫變換（Hough）的原理，通過(guò)實(shí)驗(yàn)驗(yàn)證了方法的有效性，并分析了不足之處。

1圖像計(jì)算機(jī)表示及濾波處理

數(shù)字圖像是由有限數(shù)量離散的像素點(diǎn)組成，它是借助于數(shù)字計(jì)算機(jī)來(lái)處理的圖像，要求計(jì)算機(jī)有足夠強(qiáng)大的存儲(chǔ)和計(jì)算能力，需要依靠計(jì)算機(jī)數(shù)據(jù)存儲(chǔ)、顯示和傳輸?shù)认嚓P(guān)技術(shù)，因此該領(lǐng)域的發(fā)展很大程度的依賴(lài)于計(jì)算機(jī)技術(shù)的發(fā)展。我們?nèi)粘Ｅ臄z和見(jiàn)到彩色圖片在計(jì)算機(jī)表示中通常被表示為RGB圖像，通過(guò)紅、綠、藍(lán)這三個(gè)原色按照不同的比例混合，可以獲得其他各種顏色。RGB色彩是由人眼對(duì)色彩的感知特性而設(shè)定的，國(guó)際照明委員會(huì)在1931年對(duì)三原色的標(biāo)準(zhǔn)化進(jìn)行了設(shè)計(jì)[3]。RGB圖像在計(jì)算機(jī)中的表示三通道的，包含的數(shù)據(jù)量相對(duì)較多，在車(chē)道檢測(cè)中，首先需要將其轉(zhuǎn)化成單通道的灰度圖，即做灰度化處理，轉(zhuǎn)化公式為：Gray=0.299·R+0.587·G+0.114·B灰度化處理后的圖像不但可以滿足后續(xù)目標(biāo)的檢測(cè)，同時(shí)可以減少內(nèi)存空間的占用，降低計(jì)算機(jī)的計(jì)算量、從而提高處理器的運(yùn)算效率?；叶然幚硇Ч鐖D1所示。彩色圖像完成灰度化處理后還需要進(jìn)行濾波處理，濾波的目的是降低圖像噪聲，提高圖片質(zhì)量，常用的濾波方法有均值濾波、高斯濾波和中值濾波。中值濾波是一種非線性濾波方法，其原理是以濾波器包圍的圖像區(qū)域中所包含的像素值的排序?yàn)橐罁?jù)，統(tǒng)計(jì)排序結(jié)果來(lái)替代中心像素值。該濾波器對(duì)隨機(jī)噪聲具有良好的去噪能力，同時(shí)能夠較好的保留圖像邊緣細(xì)節(jié)，因此后文將使用該濾波器對(duì)圖片進(jìn)行濾波處理。

2圖像邊緣增強(qiáng)方法

在車(chē)道線檢測(cè)中，我們的目標(biāo)是提取圖像中的車(chē)道線信息，圖像中的一條線可以看成是一條邊緣線段，該線段兩側(cè)的邊緣灰度值相對(duì)于周邊灰度值會(huì)有較大的變化。利用這一特性，可以計(jì)算圖片中每個(gè)像素點(diǎn)的梯度，從而將線與其他信息區(qū)分開(kāi)來(lái)。對(duì)于一副圖像f在位置（x，y）處的梯度△f，可以表示為：△f的大小為：△f的方向?yàn)椋哼吘壴鰪?qiáng)中，常用的梯度算子有Prewitt算子、Sobel算子、Canny算子。Prewitt算子和Sobel算子僅僅考慮了圖像的梯度信息，Sobel算子是在Prewitt算子的基礎(chǔ)上進(jìn)行了優(yōu)化，實(shí)現(xiàn)原理都是用模板矩陣進(jìn)行濾波處理。Canny算子不僅僅考慮了圖像的梯度信息，它還包括圖像平滑處理、梯度計(jì)算、梯度圖非極大值抑制和閾值處理等過(guò)程，使用該算子通常能夠獲得較為理想的處理結(jié)果，因而具有較為廣泛的應(yīng)用。

3Hough變換原理

圖像經(jīng)過(guò)邊緣增強(qiáng)后將使用Hough變換方法對(duì)檢測(cè)到的邊緣信息進(jìn)行提取，Hough變換是計(jì)算機(jī)視覺(jué)領(lǐng)域中識(shí)別幾何形狀的基本方法，其實(shí)現(xiàn)原理為：在直角坐標(biāo)系O-XY平面中有一點(diǎn)p,經(jīng)過(guò)該點(diǎn)的直線l可以表達(dá)成公式y(tǒng)=ax+b，在參數(shù)空間中使用距離ρ和角度θ可以將直線描述為ρ=x·cosθ+y·sinθ。容易知道，將直線l繞p點(diǎn)旋轉(zhuǎn)，可以得到無(wú)數(shù)條直線，經(jīng)過(guò)原點(diǎn)O向這無(wú)數(shù)條直線作垂線可以產(chǎn)生無(wú)數(shù)個(gè)垂點(diǎn)，所有垂點(diǎn)連接起來(lái)便得到了參數(shù)空間中的一條曲線。如果給出直角坐標(biāo)系下兩個(gè)點(diǎn)，并重復(fù)上述過(guò)程，則根據(jù)參數(shù)空間中兩條曲線的交點(diǎn)，就可以確定直角坐標(biāo)系中這兩個(gè)點(diǎn)所確立的直線。

4實(shí)驗(yàn)驗(yàn)證

車(chē)道線的檢測(cè)通常是對(duì)車(chē)載相機(jī)所拍攝的視頻數(shù)據(jù)按幀提取，并實(shí)時(shí)處理。車(chē)載相機(jī)的內(nèi)參和外參需要提前完成校準(zhǔn)和標(biāo)定，我們這里不考慮相機(jī)標(biāo)定問(wèn)題，使用Matlab讀取拍攝完成的道路圖像進(jìn)行實(shí)驗(yàn)，圖像的選取原則是人眼可以清晰的從圖像中識(shí)別到車(chē)道線即可。首先選取一張清晰度較高的圖像，瀝青路面的顏色為黑色，車(chē)道線為白色，顏色反差較大，并且基本不存在光照和雜物的干擾。使用3x3濾波核進(jìn)行中值濾波，邊緣增強(qiáng)算子使用Sobel算子，實(shí)驗(yàn)結(jié)果如圖3所示，圖中綠色的線條為檢測(cè)出來(lái)并自動(dòng)生成的車(chē)道線，所用方法能夠準(zhǔn)確的提取出圖像中的車(chē)道線信息，檢測(cè)效果較好，滿足要求。為了驗(yàn)證方法的通用性，我們更換圖像進(jìn)行測(cè)試，將圖像更換為圖1，一張?jiān)诜ㄊ刻匮芯吭簝?nèi)部拍攝的圖像，該圖像中的路面為水泥路面，路面顏色與車(chē)道線相近，同時(shí)圖像中存在一定的光線干擾，使用同樣的方法和參數(shù)進(jìn)行檢測(cè)，檢測(cè)結(jié)果如圖4所示。圖4檢測(cè)結(jié)果中，黃色的中間虛線車(chē)道線完全丟失，對(duì)比圖3和圖4檢測(cè)結(jié)果可以知道，使用Sobel算子和同樣的算法來(lái)進(jìn)行車(chē)道線檢測(cè)，所使用的圖片質(zhì)量對(duì)檢測(cè)結(jié)果有較大的影響。由于黃色車(chē)道線灰度值與路面灰度值較相近，在邊緣增強(qiáng)并二值化后黃色車(chē)道線就已經(jīng)被舍棄了，因此后續(xù)霍夫變換就無(wú)法檢測(cè)到該條車(chē)道。為了解決這個(gè)問(wèn)題，我們使用邊緣增強(qiáng)效果更加細(xì)膩和復(fù)雜的Canny算子進(jìn)行圖片處理，其他參數(shù)和方法不變，檢測(cè)效果如圖5所示。從圖5可以看出，將Sobel算子替換為Canny算子后進(jìn)行邊緣檢測(cè)，二值化后圖像更加精細(xì)一些，中間黃色的車(chē)道線信息也被體現(xiàn)出來(lái)了，但是在檢測(cè)結(jié)果中依然無(wú)法提取出中間的黃色車(chē)道線。其原因還是黃色車(chē)道線輪廓不夠清晰，在整個(gè)圖幅中，該車(chē)道線與地面的切縫、建筑等環(huán)境噪生沒(méi)有明顯的區(qū)別。針對(duì)這個(gè)問(wèn)題，在可視區(qū)域內(nèi)劃定感興趣區(qū)域是一個(gè)很好的解決辦法，因?yàn)檐?chē)載相機(jī)在車(chē)上的安裝位姿是固定的，這就決定了路面、天空等環(huán)境信息在相機(jī)圖像中的位置也是相對(duì)固定的。因此，可以?xún)H針對(duì)路面可能出現(xiàn)的區(qū)域進(jìn)行目標(biāo)檢測(cè)，這樣不僅可以減少計(jì)算量、提高運(yùn)算效率，更能夠提高檢測(cè)準(zhǔn)確率，同時(shí)與實(shí)際使用工況相符。由于黃色車(chē)道線自身灰度化特性及其附近存在地縫且漆面有掉落不連續(xù)的現(xiàn)象，在使用Cannyz和Sobel算子并反復(fù)調(diào)整閾值參數(shù)后，二值化后的圖像中黃色中間車(chē)道線的輪廓依然不清晰，接下來(lái)我們繼續(xù)調(diào)整邊緣增強(qiáng)算子，并劃定圖中車(chē)道線所在區(qū)域?yàn)楦信d趣區(qū)域再次進(jìn)行實(shí)驗(yàn)，檢測(cè)結(jié)果如圖6所示。從檢測(cè)結(jié)果可以看出，通過(guò)劃定ROI再進(jìn)行目標(biāo)檢測(cè)并適當(dāng)調(diào)整邊緣增強(qiáng)算子后可以實(shí)現(xiàn)對(duì)圖中車(chē)道線的檢測(cè)，但仍然存在一些問(wèn)題：將中間黃色車(chē)道線明顯突顯出來(lái)以后，左邊和右邊的邊界車(chē)道線卻相應(yīng)的被弱化了，導(dǎo)致生成的綠色車(chē)道線不夠完整且有多線段疊加現(xiàn)象，這說(shuō)明二值化后的直線像素點(diǎn)不夠連續(xù)。此外光線的不均勻照射現(xiàn)象沒(méi)有得到抑制，這一現(xiàn)象也可能會(huì)對(duì)后續(xù)幀的檢測(cè)造成影響。

5結(jié)論

基于特征的傳統(tǒng)車(chē)道線檢測(cè)方法可以實(shí)現(xiàn)對(duì)圖像中的車(chē)道線提取，但圖像的質(zhì)量對(duì)檢測(cè)結(jié)果有較大的影響，實(shí)際工況中，會(huì)存在光照不同、路面濕度不同等各種隨時(shí)可能發(fā)生變化的不利因素，這些不利因素對(duì)檢測(cè)算法的穩(wěn)定性和準(zhǔn)確性來(lái)說(shuō)都是挑戰(zhàn)。因此，單一使用圖像邊緣特征的檢測(cè)方法還需要改進(jìn)，車(chē)道線的寬度、顏色、形狀、車(chē)道線間的距離等信息具有一定的規(guī)范，因此可以在圖像預(yù)處理階段加入更多的判斷條件來(lái)提取車(chē)道信息，或者使用基于數(shù)據(jù)集訓(xùn)練的深度學(xué)習(xí)方法來(lái)進(jìn)一步提高檢測(cè)的準(zhǔn)確性和穩(wěn)定性[4]。

作者：呂厚權(quán) 楊小輝 王登輝