快速公交專(zhuān)用車(chē)道檢測

通過(guò)建立極角、極徑約束區域，可以有效地去除大量的干擾點(diǎn)，濾除旁邊車(chē)道以及路邊樹(shù)木建筑物的干擾，并能夠很大程度地提高算法的運行速度。當車(chē)道線(xiàn)的極角極徑在檢測區域內時(shí)，可以快速準確地檢測車(chē)道線(xiàn)的位置;然而當圖像在轉彎、變道或者攝像頭位置偏移時(shí)，車(chē)道線(xiàn)很容易超出檢測區域，使得結果出現很大的偏差。

3 基于Gabor濾波器的車(chē)道線(xiàn)檢測

針對道路車(chē)道線(xiàn)不清晰以及存在一些其他標志干擾的情況，本文提出了改進(jìn)的車(chē)道線(xiàn)檢測算法，即基于Gabor濾波器的車(chē)道線(xiàn)檢測。通過(guò)Gabor找到圖像的消失點(diǎn)，即圖像中兩條車(chē)道線(xiàn)的交點(diǎn)位置，再對消失點(diǎn)進(jìn)行Hough變換，這樣不僅提高了算法的適用性，還提高了算法的實(shí)時(shí)性。

3.1 Gabor變換原理

Gabor濾波器與人眼的生物作用相仿，因此經(jīng)常用于紋理識別，并取得了較好的效果。Gabor濾波器是帶通濾波器， 它的單位沖激響應函數(Gabor函數)是高斯函數與復指數函數的乘積。它是達到時(shí)頻測不準關(guān)系下界的函數， 具有最好的兼顧信號在時(shí)頻域的分辨能力。高斯函數的局部性特征使得Gabor濾波器只在局部起作用， 即具有良好的尺度特性和方向特性。因此，Gabor濾波器被廣泛用于圖像處理和圖像分析領(lǐng)域。

本文通過(guò)對車(chē)轍印記以及車(chē)道線(xiàn)邊緣等一些紋理特征進(jìn)行分析，從而提取出道路的消失點(diǎn)以及車(chē)道線(xiàn)的信息。

Gabor濾波器的模板計算方程如式(2)所示，該模板分為實(shí)部(式(3))和虛部(式(4))兩部分。

通過(guò)建立K×K 大小的Gabor 模板，(x,y) 表示圖像空間的一點(diǎn)。其中，θ 表示模板的方向， 為確定最后的道路紋理方向， 這里選擇范圍為0~72 ;λ 表示路面的波長(cháng);σ表示噪聲容量， 本文取σ=K/9 .

3.2 消失點(diǎn)的求解

本文用不同方向的模板與圖像進(jìn)行卷積， 對于圖像任意一點(diǎn)， 即可得到某一個(gè)方向上的卷積的結果為最大值， 這個(gè)最大值為紋理方向對應的能量， 該方向為紋理的方向。

其中，α 表示模板對應的方向， 對于圖像中的任意點(diǎn)I(x,y) 與α 方向的Gabor 模板進(jìn)行卷積， 得到不同的t(x,y)，求取其最大值， 將最大值對應的方向作為圖像中(x,y)點(diǎn)的紋理方向， 同時(shí)將該最大值作為紋理方向上的紋理強度。

通 過(guò)計算可以得到圖像中每一點(diǎn)的紋理方向以及能量。為了計算出消失點(diǎn)， 對圖像中選取的點(diǎn)進(jìn)行投票，這里選擇圖像下方一定的區域點(diǎn)， 如圖5 所示。當紋理能量大于設定閾值的點(diǎn)作為投票點(diǎn)，p 表示圖像中投票空間的點(diǎn)，θ (p) 表示p 紋理方向，v 表示消失點(diǎn)的候選點(diǎn)，a (p ,v) 表示p 點(diǎn)與v 點(diǎn)的夾角，n 為采用的Gabor 模板方向的個(gè)數，R 為定義的投票空間， 即圖6 對應的方框區域， 通過(guò)vote (p,v) 來(lái)統計p 點(diǎn)對v 點(diǎn)的投票結果，votes (v ) 為對R 區域累加進(jìn)行投票的統計結果，pvote 為最終被投票次數最多的點(diǎn)的坐標， 即消失點(diǎn)。

圖6 中的框表示選取的投票區域， 即在該區域內選取400 個(gè)點(diǎn)進(jìn)行Gabor 變換， 求出其紋理方及能量; 圓圈是求出的消失點(diǎn)位置。

3.3 車(chē)道線(xiàn)檢測

對于傳統的Hough 變換， 需要對每個(gè)點(diǎn)每個(gè)角度進(jìn)行遍歷， 這樣比較耗時(shí)。本文采用改進(jìn)的Hough 變換， 對消失點(diǎn)及其周?chē)挠邢迋€(gè)像素進(jìn)行Hough 變換， 求取左右車(chē)道線(xiàn)的兩個(gè)峰值點(diǎn)，并繪制出車(chē)道線(xiàn)。該方法能夠有效地抑制圖像的其他邊緣噪聲干擾，提高算法的實(shí)時(shí)性。車(chē)道檢測結果如圖7 所示。