第6期 鲁曼,等:道路区域分割的车道线检测方法 ·507 特征点的提取位置重复取点来获得道路颜色的特征 Hough的映射和直线检测是交替进行的,每次将图 值,在一定程度上克服了光照和阴影等因素对远近 像空间中的点映射到参数空间后都会检查各个累加 路面造成的色差影响, 器的计数是否超过了累加阈值,这样最长直线被最 1.2连通域搜索与路面判定 早检测到的概率最大,减少了检测直线的运算量. 提取了原始图像的道路颜色特征值后要通过搜 由于高速公路中存在虚线型的车道线,因此上 索连通域来找出路面区域.本文采用了文献[7]中 述2种方法中的累加阈值的取值至关重要,若累加 的基于上下边缘点匹配的连通域搜索方法,该方法 阈值偏大,则虚线型车道线会被漏检,累加阈值偏 应用于二值边缘图像,通过扫描边缘图像的上下边 小,则会检测出图像的噪声点.但车道线检测中累加 缘点来提取图像的连通域.二值边缘图像可通过 阈值的取值是难以确定的,也很难找到满足要求的 Sobel算子边缘增强和OTSU8]求得全局阈值后再 自适应取值方法.针对这一难题,在概率Hough变 二值化得到. 换的基础上设置了车道线总长阈值,在超过累加阈 搜索到各连通域后分别统计其所有像素的灰度 值的可能车道线中提取车道线,具体算法如下: 值,求出灰度均值作为该连通域的颜色特征值.若连 给定一个全局累加阈值T,和一个车道线总长 通域的颜色特征值和提取的道路颜色特征值的差值 度阈值T, 在某一较小范围内,则认为该连通区域为道路区域 1)将参数空间量化为多个子空间,量化宽度为 的一部分.最后将所有满足这一条件的连通域合并 △q,并为每个子空间设置一个初始值为0的累加器 得到道路区域: acc(·);将边缘图像中的ROI区域的边缘点都加 对图3所示的原始图像进行基于颜色的道路区 人到未映射的点列表, 域分割后得到如图4所示的道路区域: 2)检查未映射点列表是否为空,如果为空,算 法结束.否则从列表中随机选取一个点并将它映射 到参数子空间,相应的累加器加1; 3)将已经映射的点从列表中删除, 4)检查累加器的值是否比阈值T大,如果不 图3原始图像 是则转向2). Fig.3 Original images 5)计算未映射点列表中在这条直线上的点继 续累加,若累加器的值比T,大,则删除累加器中这 条直线上的点,设置累加器为0,记录所有该直线上 的点;否则,删除累加器中这条直线上的点,设置累 图4道路区域图像 加器为0; Fig.4 Road region images 6)转向2). 在上述算法中,设置了累加阈值和车道线总长 2改进的概率Hough变换提取车道 度阈值2个阈值就实现了直线的粗检测和精检测, 即当直线长度累计超过累加阈值时初步确定存在这 线点 样一条直线,然后有针对性地去寻找这条直线上的 在道路区域分割完成之后,设定道路区域为边 点,如果最后直线总长度累计超过车道线总长阈值, 缘图像的ROI,对边缘图像的ROI应用改进的概率 则确定这是一条车道线 Hough变换提取车道线点,然后对车道线点集使用 累加阈值设置为虚线型车道线子段的最大长 最小二乘法进行拟合得到车道线模型的参数, 度,车道线总长阈值设置为ROI区域最大宽度的一 2.1改进的概率Hough变换方法提取车道线点 半.量化宽度△q视检测精度而定,但由于不同车道 在以前的研究中,广泛采用的是标准Hough变 线映射到参数空间差异较大,量化宽度的可取较大 换直线检测方法,近年来也有一些研究采用了概率 值来减小算法的空间和时间复杂度, Hough方法.二者主要区别在于标准Hough变换是 2.2拟合车道线模型 在图像空间到参数空间的映射全部完成之后统计各 由于提取的是存在于某一参数子空间的所有车 个累加器的计数是否大于累加阈值,从而确定是否 道线点,因此最后还需要通过拟合提取出的车道线 存在直线并获得相应直线上的点的集合.而概率 点得到车道线模型的参数