高速公路分道线识别和重建.PDFVIP

2003年8月 重庆 大学学报 Aug．2003 第26卷第8期 Journal of Chongqing University Vo1．26 No．8 文章编号：1000—582X(2003)08—0052一o4 高速公路分道线识别与重建 周 欣，黄席樾，刘 涛，黎 昱 (重庆大学自动化学院导航制导研究室，重庆 40O044) 摘 要：在智能交通系统中，自动驾驶系统是最难于实现的技术之一。许多学者努力想找到解决自 动驾驶这一难题的方法。笔者介绍了一种新的思想和算法，它立足于单目视觉技术来实现高速公路的 车道保持，在此基础上实现辅助导航。运用多阈值分割技术分割高速公路上当前车道的分道线，根据分 道线几何投影约束跟踪提取完整的分道线，对分道线建立了圆锥曲线模型进行二维重建。本方法根据 分道线模型获得保持车道所需要的车辆驾驶参数，通过这些参数实现了高速公路的车道保持。系统在 四川和重庆的高速公路上以120 km／h的速度进行了试验，圆满地完成了车道保持，辅助导航的任务。 关键词：单目视觉；多闽值分割；自组织聚类；Hough变换 圆锥曲线模型 中图分类号：TP391．4 文献标识码：A 对所有的研究人员而言，用机器视觉技术实现自 基本需要。文中处理的视频图像均是CCD摄像头捕 动驾驶是智能交通系统中的一项挑战性工作。从根本 获的灰度图像，大小为320×240。摄像头安放在方向 上说，需要解决的最关键的问题有2个：其一是防偏即 盘的旁边，其光轴与汽车底盘平行。 保持车道；其二是检测障碍物并防撞…。在此主要介 1 分道线提取 绍如何解决车道保持的问题，防撞的问题在另文中再 行介绍。 为了保持正确的车道，汽车应该知道自身在本车 一 部分学者致力于用多目视觉技术来解决这个问 道中的位置和本车道的延伸方向。所以本车道的白色 题【2。】。虽然这是一条很好的途径，但是一个无法回 分道线是必须被提取的特征。而且基于这些特征点可 避的难题是多目视觉中的图像配准问题。另外，实时 以建立分道线二维模型。更进一步在提取特征点和计 性、协作性和低成本也是用多个摄像机进行图像处理 算二维模型时，可以获得必要的驾驶参数以防止航道 必须面临的问题。 偏离。当然二维模型的建立也为障碍物的检测带来 与此同时，许多学者试图用单目技术来实现道路 方便。 保持，并且已经取得了丰富的成果。一些人利用彩色 1．1 多阈值分割算法 图像来进行公路分割，边缘提取 】。但是这种依赖 以图l为例介绍分道线提取算法。定义图像的左 于彩色图像的算法实时性不高，而且在其论文中也没 下角为坐标原点。由透视投影的基本原理可知，路面 能对车道保持的信息作必要说明。也有学者尝试用三 投影图像基本位于整个图像的下半平面。所以算法处 维重建的方法来进行车道保持。但是三维重建需要一 理的范围是从Y轴的O到ll0。首先介绍多阈值分割 些理论上的假设，而且算法复杂度也相当高【8】。 算法。在处理区域内均匀采样120个大小为10×10 在前人工作的基础之上，通过大量的研究试验，笔 的正方形。用自组织聚类算法分割出路面类和非路面 者采用单目视觉技术来解决车道保持问题。为了简化 类，并得到路面的平均灰度值，其步骤如下： 问题，只检测并重建当前车道的分道线，而不去处理其 1)选择初始值。选择平均灰度值有差异的4～6 它分