基于Sobel及hough变换车道线识别算法探究.docVIP

基于Sobel及hough变换车道线识别算法探究 　　摘要：车道线的识别是车道保持系统的核心部分。文中提出了基于Sobel和hough变换的车道线识别算法，主要包括感兴趣区域设定、二维小波包分解降噪、Sobel算子的边缘检测和hough变换的车道线特征点识别。运用该算法对某一汽车常用工况下的车道线图像进行识别，试验结果表明该算法能较好地识别车道线 关键词： 车道线；感兴趣区域；小波包分解；Sobel；hough变换 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）06-0214-03 Abstract：The identification of the lane mark is the core part of the lane keeping system. The lane line identification algorithm based on Sobel and hough transform is proposed in this paper. The algorithm mainly includes the setting of the region of interest， noise reduction on the application of the two-dimensional wavelet packet decomposition， the edge detection on the application of Sobel operator and the identification of lane line feature on the application of hough transform. The algorithm is used to identify the lane in an image which is under a common operating condition of a vehicle. The experimental results show that the algorithm can well identify the lane. Key words：lane line；region of interest；wavelet packet decomposition；Sobel；hough transform. 1 概述 作?槠?车主动安全系统之一的车道保持系统在汽车主动安全领域扮演的角色越来越重要。研究表明，大约15%的道路交通事故是由车辆驶离公路造成的[1]，车道保持系统能够有效地减少道路交通事故的发生。目前，关于车道保持系统的研究主要集中在两个方面：一是当检测到车辆在行驶过程中偏离车道时，系统向驾驶员发出车道偏离警告信号[2-5]；二是系统发送警告信号的同时，通过干预转向系统，纠正车辆姿态，使车辆行驶在正确的车道上，从而保证驾驶员的行车安全[6-10]。不管系统是否带有干预功能，车道线的识别是车道保持系统的核心部分，其识别质量的好坏直接影响着整个系统控制结果。本文提出了基于Sobel和hough变换的车道线识别算法，并通过某一汽车常用工况下对车道线图像进行识别试验，验证了算法的可行性和较好的识别效果 2 车道线识别算法 整个车道线识别过程主要分为4部分：感兴趣区域设定、图像预处理、车道线边缘检测和车道线特征点识别，如图1所示 2.1 感兴趣区域设定 为提高车道线识别的实时性和鲁棒性，降低车道线检测过程中的计算强度，提高车道偏移判定的准确率，同时提升系统的响应速度，在车道线识别之初，在图像中设定感兴趣区域（Region of Interest，简称ROI） 结合车道线在车辆正常行驶或驶离原车道时在图像中可能的位置，本文设定了若干个边界条件，f1（x）、f2（x）、f3（x）、f4（x）、f5（x）以及图像自身边界。由此若干个边界围成的区域，如图2所示，即为感兴趣区域。本文采用的边界条件如下，以极坐标的形式表示： 2.2 图像预处理 图像在采集、获取、传送和转换过程中通常会受到随机信号的干扰，大量噪声产生会导致图像的质量下降，同时也会掩盖重要的图像信息，对图像的最终处理效果造成较大不良影响，故在对图像中的车道线进行识别前，还需对图像进行预处理――降噪 本文采用二维小波包分解技术进行滤波降噪[11-12]。利用该技术能将频带进行多层次划分，对分辨率分析没有细分的高频部分进一步分解，且能依据被分析特征自适应地选择相应的频带，使之与信号频谱向匹配，从而提高时频分辨率。具体步骤如下： 1）对图像进行小波包分解。选取合适的小波并确定一个小波分解的层