基于SIFT和SSDA特征匹配的实时车道线检测.pdfVIP

第 3O卷第 4期 安 徽 工 程 大 学 学 报 VoI．3O．NO．4 2015年 8月 JournalofAnhuiPolytechnicUniversity Aug．，2O15 文章编号 ：1672—2477(2015)04—0054—08 基于 SIFT和 SSDA特征匹配的实时车道线检测 吕亚运 ，郎 朗 ，杨会成 (安徽工程大学 安徽省 电气传动与控制重点实验室，安徽 芜湖 241000) 摘要 ：车道线检测是智能交通系统研究 的一个重要方 向．提出了一种基于 SIFT和 SSDA特征匹配的车道线检 测算法．首先通过改进 Sobel算子来提取车道线边缘特征，并设置感兴趣 区域(ROD缩小范围，然后进一步提 取车道线特征点并通过 Hough算法拟合成直线，接着采用 SIFT算法提取影像关键点并进行初次匹配 ，最后 运用 SSDA算法进行影像精匹配 ，从而融合成完整车道线影像．结果表明，采用改进 Sobel算子可以提取到更 多的车道线资讯 ；而采用 SSDA算法 ，比传统 NCC算法匹配精度更高，实时性进一步提高． 关 键 词 ：车道线检测 ；SIFT；图像匹配 ；SSDA 中图分类号 ：TP391 文献标识码 ：A 近年来 ，由于交通事故的频发 ，人们对行车安全的关注度越来越高．研究人员开始研究一种驾驶辅助 系统来提高驾驶安全性——IVSS(Inte11igentVehicleSafetySystem智能行驶安全系统)．IVSS通常通过 在车辆上装载影像处理系统或者感测系统提升驾驶人员行车安全．例如 ，使用传感器实现偏移警示功能， 或者通过镜头拍摄道路影像处理技术 ，实现车道线检测功能来降低交通事故发生．车道线的偏移检测 占据 IVSS中一个重要方面．在前人的研究中，文献[1—4]采用设定阈值或者建立车道线特征模型来检测．文献 I-5]根据车道线梯度分布特征来提取车道线特征．文献E6]根据影像颜色层次划分生成描述子来跟踪车道 线标志．文献[8—9]是通过确定尺度不变的关键点来得到特征鲜明的图像．前人对车道线检测算法大部分都 是基于单 目视觉进行 ，但单 目摄像头无法采集更多的车道线资讯 ，并且对于双 目视觉甚至多个摄像头综合 采集后的影像融合问题没有解决．文章提出的算法就是为了解决基于双 目视觉影像融合的问题 ，从而得到 更多的车道线检测结果． 提出了一种基于SIFT和SSDA特征匹配的车道线检测算法 ，通过双 目镜头采集到的实时影像 ，经过改进 Sobel算子过滤后 ，对其设置ROI．然 后 ，通过车道线颜色和频率等特征进一步筛选车道线 ，并通过 Hough转 换拟合成直线．接着 ，通过 SIFT算法生成特征描述子并对双 目影像粗匹 配．最后 ，采用 SSDA进行精匹配 ，将两路影像融合成完整车道线影像 ，并 车道线特征点提取 通过嵌入式硬件系统输出显示．系统算法软件流程 图如图 1所示． 1 车道线特征检测 I车道线拟合l 1．1 改进的Sobel算子 lslFT特征点提取及描述_生『成 车道线检测过程中，边缘 的提取是一个重要过程．经典 Sobel90。算子 如图 2所示．考虑到车道线检测的实时性 ，改进的 Sobel主要 目的是为了 优化运算速度以及提取更多 的车道线资讯 ，Sobel算子改进后如 图 3所 欧式邻距计算和粗匹配I 示．由图3可知其运算流程为：如果A、B、C、E全不为 0，且D和E不全为 ◆ 0时，， (z，Y)=255，其 中，厂 (z，Y)是影像 中E点对应的像素值．改进后 SSDA精匹配与融合 的Sobel算子 中的元素不再是单一不变的值 ，取代 的是一定范围内的变 量，这可 以检测到更多的车道线资讯． 输出完整车道线影