快速公交專(zhuān)用車(chē)道檢測

目前，國內外學(xué)者已經(jīng)提出了很多車(chē)道線(xiàn)檢測算法，主要分為兩類(lèi)：一類(lèi)是基于圖像特征的檢測方法，即特征驅動(dòng)法，是基于道路圖像的一些特征(如車(chē)道線(xiàn)顏色、寬度以及邊緣等特征)將圖像的所有點(diǎn)標記為車(chē)道線(xiàn)點(diǎn)和非車(chē)道線(xiàn)點(diǎn)，這種機制要求道路的車(chē)道線(xiàn)顏色較為明顯，邊緣較為清晰，否則無(wú)法得到準確的檢測結果;另一類(lèi)方法是基于模型的檢測方法，是根據提取的特征對預先定義好的車(chē)道線(xiàn)模型進(jìn)行匹配，將車(chē)道線(xiàn)的提取轉化為車(chē)道線(xiàn)模型中參數的計算問(wèn)題。模型的假設主要有直線(xiàn)模型和曲線(xiàn)模型兩種，其優(yōu)點(diǎn)是對噪音不敏感，能較好地處理圖像中物體局部被遮擋和覆蓋的情況。本文結合道路的紋理特征并建立模型進(jìn)行車(chē)道檢測，既充分利用圖像的信息，又在一定程度上保證了算法的魯棒性。

本文首先對圖像進(jìn)行預處理，然后對圖像進(jìn)行Hough變換或者Gabor變換，得到車(chē)道線(xiàn)位置信息，判斷出車(chē)輛是否在車(chē)道內行駛，如果不在則發(fā)出預警信號。

1 圖像的預處理

圖像的預處理主要是對攝像頭實(shí)時(shí)采集的圖像進(jìn)行前期處理，主要包括去除圖像的各種噪聲，并根據攝像機的位置調節算法中的一些參數提取圖像的感興趣區域(ROI)，以及進(jìn)行邊緣檢測等，目的是為了加強圖像的有用信息，抑制干擾。

標定攝像頭以后，選取一定的區域作為車(chē)道線(xiàn)檢測區域，進(jìn)行平滑去噪，并對其邊緣進(jìn)行檢測。本文采用Canny邊緣檢測。圖1為拍攝的原始道路圖像，圖2為不同環(huán)境下(白天、陰天、夜晚)的檢測結果。

2 基于Hough 變換的車(chē)道線(xiàn)檢測

2.1 傳統Hough 變換原理

對于建立的車(chē)道線(xiàn)模型為直線(xiàn)的情況下，Hough 變換作為車(chē)道線(xiàn)檢測的一個(gè)方法， 廣泛用于車(chē)道線(xiàn)識別領(lǐng)域。Hough 變換的實(shí)質(zhì)是對圖像進(jìn)行坐標變換， 使變換的結果更易于識別和檢測。Hough 變換的表達式為：

其中， (x,y ) 表示圖像空間的某一點(diǎn)， ρ 是圖像空間中直線(xiàn)到坐標原點(diǎn)的距離，θ 是直線(xiàn)與x 軸的夾角。傳統Hough 變換投票空間ρ 和θ 的選擇范圍通常為ρ∈(0,r)( 其中r 為圖像對角線(xiàn)長(cháng)度) ,θ∈(0,180 ) .(ρ ,θ)為坐標變換后的參數空間某一點(diǎn)， 其將圖像空間(x-y ) 的點(diǎn)轉換到參數空間(ρ-θ)， 可以證明圖像空間中同一直線(xiàn)上的點(diǎn)在參數空間中對應的正弦曲線(xiàn)交于一點(diǎn)(ρ ,θ)。因此對圖像空間的目標點(diǎn)進(jìn)行坐標變換投影到參數空間，通過(guò)統計參數空間的總投票次數較多的點(diǎn)， 即可找到圖像空間對應的直線(xiàn)方程。

Hough變換作為一種經(jīng)典的車(chē)道線(xiàn)檢測算法，具有很強的適應性，然而該算法較為耗時(shí)，當車(chē)道線(xiàn)外在環(huán)境因素較為不清晰，或者受道路上一些其他因素的影響下，結果受干擾較大。Hough變換檢測結果如圖3所示。

2.2 基于ROI區域改進(jìn)的Hough變換的車(chē)道線(xiàn)檢測

針對圖像中道路的車(chē)道線(xiàn)一般分布在道路左右兩邊的情況，本文對傳統Hough變換的應用進(jìn)行了改進(jìn)，限定其投票空間的范圍，也就是限定ρ和θ來(lái)調整其投票空間的范圍。限定其左右車(chē)道線(xiàn)的極角和極徑，調節好攝像頭，通過(guò)不斷的測試，得到目標點(diǎn)的極角約束區域和極徑約束區域，也就得到感興趣區域(ROI)，如圖4所示，只檢測落在白色區域內的車(chē)道線(xiàn)。