基于聚类算法的车道线检测方法-江苏大学.PDF

２０１７年１１月 第３８卷　第６期 Ｎｏｖ．２０１７ Ｖｏｌ．３８　Ｎｏ．６ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－７７７５．２０１７．０６．００１ 基于聚类算法的车道线检测方法 １ ２ １ ３ ３ 蔡英凤 ，高　力 ，陈　龙 ，袁　江 ，陈　军 （１．江苏大学 汽车工程研究院，江苏镇江２１２０１３；２．江苏大学 汽车与交通工程学院，江苏镇江２１２０１３；３．扬州瑞控汽车电子 有限公司，江苏 扬州２２５１００） 摘要：针对不确定的外部环境易对现有的快速路车道线检测算法造成干扰并导致误检的问题，提 出了一种基于改进的霍夫变换的车道线检测方法．首先对图像进行滤波、边缘识别、二值化的预处 理．预处理后，以行为单位提取包含车道线边缘的特征点．对特征点按照欧氏距离组合，在纵向上将 特征点建立联系．算法优点在于采用聚类算法将特征点组合，剔除孤立的特征点、明确检测目标、减 少错误特征点的干扰和霍夫变换的计算量，提高计算的实时性和正确率．通过约４０００帧不同时间 段和外部环境的车道图片对算法进行检验．结果表明：检测方法能很好地实现多种环境下的车道线 检测，晴好天气正确率为９９．１８％，不良天气正确率为９７．４５％． 关键词：车道线检测；聚类算法；霍夫变换；特征点；欧氏距离 中图分类号：ＴＰ３９１．４　　文献标志码：Ａ　　文章编号：１６７１－７７７５（２０１７）０６－０６２１－０５ 引文格式：蔡英凤，高　力，陈　龙，等．基于聚类算法的车道线检测方法［Ｊ］．江苏大学学报（自然科学版），２０１７，３８（６）：６２１－６２５． Ｌａｎｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ １ ２ １ ３ ３ ＣＡＩＹｉｎｇｆｅｎｇ，ＧＡＯＬｉ，ＣＨＥＮＬｏｎｇ，ＹＵＡＮＪｉａｎｇ，ＣＨＥＮＪｕｎ （１．ＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ，Ｊｉａｎｇｓｕ２１２０１３，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＡｕｔｏｍｏｔｉｖｅａｎｄＴｒａｆｆｉｃＥｎｇｉ ｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ，Ｊｉａｎｇｓｕ２１２０１３，Ｃｈｉｎａ；３．ＹａｎｇｚｈｏｕＲｕｉｋｏｎｇＡｕｔｏｍｏｔｉｖｅＥｌｅｃｔｒｏｎｉｃｓＣｏ．，Ｌｔｄ．，Ｙａｎｇｚｈｏｕ， Ｊｉａｎｇｓｕ２２５１００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｕｎｃｅｒｔａｉｎｅｘｔｅｒｎａｌｅｎｖｉｒｏｎｍｅｎｔｗａｓｅａｓｙｔｏｉｎｔｅｒｆｅｒｅｔｈｅｅｘｉｓｔｉｎｇ ｌａｎｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓａｎｄｌｅａｄｔｏｆａｌｓｅｄｅｔｅｃｔｉｏｎ，ａｎｅｗｌａｎｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎ ｉｍｐｒｏｖｅｄＨｏｕｇｈｔｒａｎｓｆｏｒｍ．Ｔｈｅｉｍａｇｅｗａｓｆｉｌｔｅｒｅｄ，ａｎｄｔｈｅｅｄｇｅｗａｓｒｅｃｏｇｎｉｚｅｄｔｏｐｅｒｆｏｒｍｔｈｅｔｗｏ ｖａｌｕｅｄｐｒｅｐｒｏｃｅｓｓｉｎｇ．Ａｆｔｅｒｐｒｅｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｆｅａｔｕｒｅｐｏｉｎｔｓｃｏｎｔａｉｎｉｎｇｌａｎｅｅｄｇｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｂｙ ｂｅｈａｖｉｏｒｕｎｉｔｓ．ＴｈｅｆｅａｔｕｒｅｐｏｉｎｔｓｗｅｒｅｃｏｎｓｔｒｕｃｔｅｄａｃｃｏｒｄｉｎｇｔｏＥｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅ，ａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐ ｗａｓｅｓｔａｂｌｉｓｈｅｄａｔｌｏｎｇｉｔｕｄｉｎａｌｄｉｒｅｃｔｉｏｎ．Ｔｈｅｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｃｏｍｂｉｎａｔｅｔｈｅｆｅａｔｕｒｅ ｐｏｉｎｔｓａｎｄｉｓ