本發(fā)明涉及圖像識別領(lǐng)域，尤其涉及一種基于雙攝像頭的車道線識別方法及系統(tǒng)。
背景技術(shù)：
：車道識別是安全駕駛領(lǐng)域的一個研究熱點，能夠識別車道并在發(fā)生車道偏離情況下進行預(yù)警的輔助設(shè)備，能夠有效減少交通事故的發(fā)生，保護司機和行人的安全。但是車輛在行進過程中，行車記錄儀記錄大量的高清視頻數(shù)據(jù)，數(shù)據(jù)量比較大，傳統(tǒng)的處理方法難以快速、及時的處理得到車道信息。另一方面，現(xiàn)有的行車記錄儀都是采用單個攝像頭進行圖像采集，采集到的視頻角度比較小，采集到的信息有所缺失，難以及時、全面的反應(yīng)當(dāng)前車道的完整信息。技術(shù)實現(xiàn)要素：本發(fā)明要解決的技術(shù)問題在于針對現(xiàn)有技術(shù)中識別速度慢，且識別率不夠高的缺陷，提供一種結(jié)合雙攝像頭，能夠快速、準(zhǔn)確進行車道識別的基于雙攝像頭的車道線識別方法及系統(tǒng)。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：本發(fā)明提供一種基于雙攝像頭的車道線識別方法，包括以下步驟：S1、獲取兩個攝像頭采集到的車輛行進中的道路圖像，建立坐標(biāo)系，并在坐標(biāo)系中標(biāo)定攝像頭的基準(zhǔn)點，根據(jù)基準(zhǔn)點計算攝像頭的參數(shù)；S2、根據(jù)攝像頭參數(shù)對道路圖像進行預(yù)處理，采用基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法對圖像進行分割，并進行邊緣提取，得到車道線邊緣特征點；S3、根據(jù)車道線邊緣特征點，排除非車道區(qū)域，識別出車道線；S4、根據(jù)在前一幀圖像中識別出的車道線的邊緣和顏色特征信息對后續(xù)圖像繼續(xù)進行車道線識別。進一步地，本發(fā)明的步驟S1中的攝像頭參數(shù)包括外部參數(shù)和內(nèi)部參數(shù)。進一步地，本發(fā)明的步驟S1中對攝像頭進行標(biāo)定的方法具體為：采用了帶有標(biāo)志圓的圓形特征點靶標(biāo)對雙目視覺系統(tǒng)進行攝像頭標(biāo)定，通過對標(biāo)靶上行與列分別采用逐點確定法與共線性算法，提取標(biāo)定板中每個標(biāo)志點的圓心坐標(biāo)；P1、P2、P3三個點的共線性定義的標(biāo)定公式為：L=sinθ=1-(v1→·v2→||v1→||·||v2→||)2]]>其中，v1和v2是三個點組成的兩個向量，L的范圍為[0,1]，越趨向于0表示越具有共線性。進一步地，本發(fā)明的步驟S2中采用基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法對圖像進行分割的方法具體為：灰度級為[0，L-1]范圍的數(shù)字圖像的直方圖是離散函數(shù)h(rk)＝nk，rk是第k級灰度，nk是圖像中灰度級為rk的像素個數(shù)，用圖像中像素的總和來除它的每一個值得到歸一化的直方圖，n表示像素的總，歸一化的直方圖的公式為：P(rk)=nkn]]>其中，k＝0，1，……，L-1，簡單地說，P(rk)給出了灰度級為rk發(fā)生的概率估計值，把圖分成上下相等的兩部分；圖像歸一化直方圖累計函數(shù)如下：T(rk)=Σj=0kpr(rj),k=0,1,......,L-1.]]>進一步地，本發(fā)明的步驟S3中通過排除非車道區(qū)域識別車道線的方法具體為：利用道路區(qū)域的連通性和區(qū)域生長方法提取出路面區(qū)域，進而識別出車道線。進一步地，本發(fā)明的步驟S3中車道線提取的方法具體為：通過將圖像坐標(biāo)空間變換到參數(shù)空間，實現(xiàn)直線和曲線的擬合，再通過一組約束條件實現(xiàn)車道的提取；將圖像空間內(nèi)具有一定關(guān)系的像元進行聚類，尋找能把這些像元用一種解析形式聯(lián)系起來的參數(shù)空間累積對應(yīng)點；對于二位數(shù)字圖像，一般用笛卡爾直角坐標(biāo)系按每個離散像素的位置來表示其灰度g(x,y)，對于圖像的直線方程可以表示為：y＝kx+b若以極坐標(biāo)系刻畫同一二維圖像，則直線表示為：r＝xcos(θ)+ysin(θ)極坐標(biāo)平面上的一點J(r,θ)對應(yīng)一條直角坐標(biāo)平面上的直線；而直角坐標(biāo)系中的點x,y又對應(yīng)了極坐標(biāo)平面上的一條正弦曲線；變換通過在直角坐標(biāo)和極坐標(biāo)之間相互變換來提取經(jīng)過邊緣檢測后的圖像上的車道線，首先在程序中初始化一個變量存儲平面的參數(shù)值，遍歷存儲的所有參數(shù)值，根據(jù)坐標(biāo)轉(zhuǎn)換關(guān)系求出所有的坐標(biāo)值，然后在圖像上標(biāo)出直線，判斷出所需的直線段，并把分線段連接起來組成車道線。進一步地，本發(fā)明的該方法還包括去圖像進行去噪的過程，具體為：獲取道路圖像，通過采集卡A/D轉(zhuǎn)換，將圖像數(shù)據(jù)傳入計算機后，對圖像進行去除噪聲處理。本發(fā)明提供一種基于雙攝像頭的車道線識別系統(tǒng)，包括：雙攝像頭圖像獲取單元，用于獲取兩個攝像頭采集到的車輛行進中的道路圖像，建立坐標(biāo)系，并在坐標(biāo)系中標(biāo)定攝像頭的基準(zhǔn)點，根據(jù)基準(zhǔn)點計算攝像頭的參數(shù)；圖像預(yù)處理單元，用于根據(jù)攝像頭參數(shù)對道路圖像進行預(yù)處理，采用基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法對圖像進行分割，并進行邊緣提取，得到車道線邊緣特征點；車道線識別單元，用于根據(jù)車道線邊緣特征點，排除非車道區(qū)域，識別出車道線；車道線跟蹤單元，用于根據(jù)在前一幀圖像中識別出的車道線的邊緣和顏色特征信息對后續(xù)圖像繼續(xù)進行車道線識別。本發(fā)明產(chǎn)生的有益效果是：本發(fā)明的基于雙攝像頭的車道線識別方法，通過雙攝像頭實時采集車輛行進中的道路信息，能夠獲取更多的道路圖像信息，提高了識別的準(zhǔn)確率；通過對分割提取得到的車道線邊緣特征點采用排除非車道區(qū)域的方法進行識別，能夠有效的提高運行效率，該方法計算速度更快，且識別精度更高；能夠有效的降低交通事故的發(fā)生，保障司機和行人的安全。附圖說明下面將結(jié)合附圖及實施例對本發(fā)明作進一步說明，附圖中：圖1是本發(fā)明實施例的基于雙攝像頭的車道線識別方法的流程圖；圖2是本發(fā)明實施例的基于雙攝像頭的車道線識別方法的主要工作流程；圖3是本發(fā)明實施例的基于雙攝像頭的車道線識別方法的矢量夾角圖；圖4是本發(fā)明實施例的基于雙攝像頭的車道線識別方法的標(biāo)靶圖像；圖5是本發(fā)明實施例的基于雙攝像頭的車道線識別方法的雙攝像頭視覺模型圖。具體實施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。如圖1和圖2所示，本發(fā)明實施例的基于雙攝像頭的車道線識別方法，包括以下步驟：S1、在坐標(biāo)系中標(biāo)定攝像頭的基準(zhǔn)點，根據(jù)基準(zhǔn)點計算攝像頭的參數(shù)，具體標(biāo)定攝像頭的步驟如下：攝像頭標(biāo)定原理，本發(fā)明中的攝像頭標(biāo)定原理是在張正友標(biāo)定方法的理論基礎(chǔ)上，采用了一種改進的帶有標(biāo)志圓的圓形特征點靶標(biāo)對雙目視覺系統(tǒng)進行攝像頭標(biāo)定，該標(biāo)定方法操作過程簡單，而且標(biāo)定精度較高。標(biāo)靶如圖3所示，圖中5個大圓為標(biāo)志圓，其余小圓為特征圓。該標(biāo)定方法通過對標(biāo)靶上行與列分別采用逐點確定法與共線性算法，精確提取標(biāo)定板中每個標(biāo)志點的圓心坐標(biāo)來提高標(biāo)定結(jié)果的精確度。采用矢量夾角的正弦值定義共線性算法：其中v1和v2是三個點組成的兩個向量，L的范圍為[0,1]，越趨向于0表示越具有共線性。P1、P2、P3點的共線性定義為如下標(biāo)定公式：L=sinθ=1-(v1→·v2→||v1→||·||v2→||)2]]>具體操作方法，攝像頭對五個不同位置的平面標(biāo)靶拍攝五幅圖像，如圖4所示，然后進行攝像頭標(biāo)定。在圖中，標(biāo)靶距離d攝像頭光心1.2m，標(biāo)靶所處的平面與攝像頭光心的平面垂直，稱此時標(biāo)靶的位置為相對于攝像頭的原始位置，對此時的圖像進行攝像頭標(biāo)定，同時，把標(biāo)靶相對于攝像頭光心的方向左偏移30°，進行標(biāo)定，同理，將標(biāo)靶相對于攝像頭光心的方向右偏移30°，將標(biāo)靶相對于攝像頭光心的方向上偏移30°，將標(biāo)靶相對于攝像頭光心的方向下偏移30°。待五幅圖像全部標(biāo)定完成后，就可以得出攝像頭標(biāo)定的結(jié)果。S2、根據(jù)攝像頭參數(shù)對道路圖像進行預(yù)處理，采用基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法對圖像進行分割，并進行邊緣提取，得到車道線邊緣特征點；基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法原理如下：本方法的圖像分割算法的主要思想是把圖像分成上下相等的兩部分，判斷兩部分的顏色特征是否相似，如果不相似則繼續(xù)把下部分圖像再分成上下相等的兩部分進行顏色特征的判斷，直到所判斷的上下兩部分圖像的顏色特征相似，則認(rèn)為這兩部分都為道路區(qū)域，停止分割。圖像分割算法如下：灰度級為[0，L-1]范圍的數(shù)字圖像的直方圖是離散函數(shù)h(rk)＝nk，rk是第k級灰度，nk是圖像中灰度級為rk的像素個數(shù)，用圖像中像素的總和來除它的每一個值得到歸一化的直方圖，n表示像素的總，歸一化的直方圖的公式為：P(rk)=nkn]]>其中，k＝0，1，……，L-1，簡單地說，P(rk)給出了灰度級為rk發(fā)生的概率估計值，把圖分成上下相等的兩部分；圖像歸一化直方圖累計函數(shù)如下：T(rk)=Σj=0kpr(rj),k=0,1,......,L-1.]]>S3、根據(jù)車道線邊緣特征點，排除非車道區(qū)域，識別出車道；識別算法如下：m為感興趣區(qū)域灰度均值，rh、rw為識別區(qū)的高和寬，S1,S2為左右感興趣區(qū)域內(nèi)種子集合。S1={(x,y)|r(x,y)<m,x=1…rh,y=1...rw}---lr∋r]]>S2={(x,y)|r(x,y)<m,x=1…rh,y=1…rw}---rr∋r]]>S4、根據(jù)在前一幀圖像中識別出的車道線的邊緣和顏色特征信息對后續(xù)圖像繼續(xù)進行車道線識別。在本發(fā)明的另一個具體實施例中，本方法的過程為：1)將兩個集成了圖像采集卡的CCD攝像頭安裝到車輛內(nèi)部前擋玻璃邊上合適的位置；雙攝像頭圖像采集融合方法：對于雙攝像頭，左攝像頭坐標(biāo)系為O-xyz，右攝像頭坐標(biāo)系為Or-xryrzr，圖像坐標(biāo)系分別為O1-x1y1和Or-xryr，有效焦距分別為f1和fr，如圖5所示，由攝像頭透視變換模型有：s1X1Y11=f1000f10001xyz]]>srXrYr1=fr000fr0001xryrzr]]>O-xyz坐標(biāo)系與Or-xryrzr坐標(biāo)系之間的關(guān)系可以通過空間轉(zhuǎn)換矩陣M1r表示為：xryrzr=M1rxyz1=r1r2r3txr4r5r6xyr7r8r9xzxyz1]]>由上面三個公式可以得到世界坐標(biāo)系中的空間點在O-xyz坐標(biāo)系與Or-xryrzr；坐標(biāo)系中的關(guān)系為：ρrXrYr1=frr1frr2frr3frtxfrr4frr5frr6frtyr7r8r9tzxyz1]]>因此得到空間坐標(biāo)為：x=zX1f1y=zY1f1z=f1(frtx-Xrtz)Xr(r7X1+rsY1+f1r9)-fr(r4X1+r2Y1+f1r3)=f1(frty-Yrtz)Yr(r7X1+rsY1+f1r9)-fr(r4X1+r2Y1+f1r3)]]>由上式可知，已經(jīng)f1、f2和空間點在兩個攝像頭中的坐標(biāo)，如果知道R和T，就能求出空間的世界坐標(biāo)，可表示為：s1p1=M1XWsrpr=MrXW]]>其中，P1、Pro為圖像坐標(biāo)，M1、Mr為投影矩陣，Xw為世界坐標(biāo)。2)標(biāo)定攝像頭基準(zhǔn)點，這些點在坐標(biāo)系統(tǒng)中的坐標(biāo)已知且其圖像坐標(biāo)已測出，然后根據(jù)這些基準(zhǔn)點來計算攝像頭的參數(shù)。需要標(biāo)定的參數(shù)分為兩類：外部參數(shù)和內(nèi)部參數(shù)。外部參數(shù)對各幅圖像是不同的，而內(nèi)部參數(shù)是不變的。參數(shù)的標(biāo)定是從客觀場景到數(shù)字圖像的成像變換的過程中進行的。3)雙攝像頭的車道線識別裝置在預(yù)處理階段，采用基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法對圖像進行分割，提高車道線識別的速度和準(zhǔn)確性，然后再進行邊緣提取，提取車道線邊緣特征點。4)雙攝像頭的車道線識別裝置在車道線識別階段，提出通過排除非車道區(qū)域來提取車道線的方法，此方法利用道路區(qū)域的連通性和區(qū)域生長方法提取出路面區(qū)域，進而識別出車道線。車道線提取方法：本方法是一種檢測間斷點邊界形狀的圖像檢測方法，通過將圖像坐標(biāo)空間變換到參數(shù)空間，實現(xiàn)直線和曲線的擬合，再通過一組約束條件實現(xiàn)車道的提取。將圖像空間內(nèi)具有一定關(guān)系的像元進行聚類，尋找能把這些像元用一種解析形式聯(lián)系起來的參數(shù)空間累積對應(yīng)點。對于二位數(shù)字圖像，一般用笛卡爾直角坐標(biāo)系按每個離散像素的位置來表示其灰度g(x,y)，對于圖像的直線方程可以表示為：y＝kx+b若以極坐標(biāo)系刻畫同一二維圖像，則直線表示為：r＝xcos(θ)+ysin(θ)考慮一個極坐標(biāo)平面上的一點J(r,θ)對應(yīng)一條直角坐標(biāo)平面上的直線。而直角坐標(biāo)系中的點x,y又對應(yīng)了極坐標(biāo)平面上的一條正弦曲線。變換通過在直角坐標(biāo)和極坐標(biāo)之間相互變換來提取經(jīng)過邊緣檢測后的圖像上的車道線，首先在程序中初始化一個變量存儲平面的參數(shù)值，遍歷存儲的所有參數(shù)值，根據(jù)坐標(biāo)轉(zhuǎn)換關(guān)系求出所有的坐標(biāo)值，然后在圖像上標(biāo)出直線，判斷出所需的直線段，并把分線段連接起來組成車道線。5)在車道線的跟蹤階段，雙攝像頭的車道線識別裝置能夠提高算法的速度，利用在前一幀圖像中識別出的車道線的邊緣和顏色特征信息對后續(xù)圖像進行車道線識別，改進了整體算法的運行效率。本發(fā)明的有益效果有以下幾點：1)采用雙攝像頭參數(shù)標(biāo)定方法初始化攝像頭，通過投影矩陣建立雙攝像頭立體視覺的攝像頭幾何模型；2)采用雙CCD攝像頭，獲取道路圖像，通過采集卡A/D轉(zhuǎn)換，將圖像數(shù)據(jù)傳入計算機后，對圖像進行去除噪聲處理，以期獲得比較理想的圖像質(zhì)量，提高系統(tǒng)處理的精度；3)在零視差區(qū)域，根據(jù)車道線位置的估計結(jié)果，在估計位置使用車道線模板對區(qū)域進行卷積，獲得一組候選標(biāo)志線，然后使用哈夫變換獲得擬合道路標(biāo)志線，根據(jù)擬合結(jié)果，從候選標(biāo)志線中選擇最接近的擬合結(jié)果的標(biāo)志線。本方法建立了基于雙攝像頭的計算機視覺系統(tǒng)，實現(xiàn)車輛在行駛過程中對道路標(biāo)志線的自動檢測和識別，確定車輛與道路的相對位置以及車輛與障礙物的相對位置和相對速度。實時的為智能駕駛輔助系統(tǒng)提供外界環(huán)境信息輸入。本發(fā)明實施例的基于雙攝像頭的車道線識別系統(tǒng)，包括：雙攝像頭圖像獲取單元，用于獲取兩個攝像頭采集到的車輛行進中的道路圖像，建立坐標(biāo)系，并在坐標(biāo)系中標(biāo)定攝像頭的基準(zhǔn)點，根據(jù)基準(zhǔn)點計算攝像頭的參數(shù)；圖像預(yù)處理單元，用于根據(jù)攝像頭參數(shù)對道路圖像進行預(yù)處理，采用基于圖像歸一化直方圖累計函數(shù)的相似度的圖像分割方法對圖像進行分割，并進行邊緣提取，得到車道線邊緣特征點；車道線識別單元，用于根據(jù)車道線邊緣特征點，排除非車道區(qū)域，識別出車道線；車道線跟蹤單元，用于根據(jù)在前一幀圖像中識別出的車道線的邊緣和顏色特征信息對后續(xù)圖像繼續(xù)進行車道線識別。基于雙攝像頭的車道線識別裝置，是用來確定道路邊界相對于汽車的位置，以及路面障礙物與車輛的相對距離以及相對速度，為整個智能車輛系統(tǒng)的控制提供控制信息。整個視覺系統(tǒng)的輸入是汽車行駛時所處的道路的場景，系統(tǒng)的輸出是車輛與道路標(biāo)志線的相對距離以及車輛與障礙物的相對距離和相對速度，正如人腦通過對眼睛獲取的圖像進行分析從而形成視覺一樣，智能汽車的視覺系統(tǒng)也通過對圖像采集設(shè)備采集到的道路圖像進行相應(yīng)的分析，從中提取道路邊界的信息以及障礙物的信息。本發(fā)明是作為輔助安全駕駛系統(tǒng)之一，基于雙攝像頭的車道線識別已成為熱點。通過處理安裝在汽車上的攝像頭所采集到的道路環(huán)境信息，來獲取前方障礙的位置信息，結(jié)合自身車速和路面情況，采取相應(yīng)的應(yīng)對措施，以此來保證司機行駛程的行車安全，進而可以在一定程度上減少交通事故中車輛碰撞和追尾的發(fā)生。基于雙攝像頭的車道線識別裝置大體可以分為以下五部分：圖像的預(yù)處理部分、圖像的分割部分、障礙物識別和跟蹤部分、車道標(biāo)志線識別和跟蹤部分以及攝像頭模型參數(shù)更新部分。為了提高系統(tǒng)的處理速度，在圖像分割之后獲得的兩個區(qū)域中并行處理障礙物識別和車道線的識別。應(yīng)當(dāng)理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進或變換，而所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍。當(dāng)前第1頁1 2 3