基于車輛跟蹤線車道檢測算法

《基于車輛跟蹤線車道檢測算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于車輛跟蹤線車道檢測算法摘要：針對夜晚環(huán)境和車道標線不明確的情況，本文提出了全新的車道檢測算法，利用道路上的車輛運行軌跡的有效統(tǒng)計來得到路面結(jié)果。實驗結(jié)果顯示此方法消減了環(huán)境因素的影響，并在現(xiàn)場檢測中效果明顯，適用于實時視頻監(jiān)控系統(tǒng)。關(guān)鍵詞：跟蹤線；車道檢測；視頻監(jiān)控系統(tǒng)中圖分類號：TP391.41近年來，智能交通檢測系統(tǒng)在高速公路和城市交通中得到了廣泛的應(yīng)用。隨著技術(shù)的進步，人工配置車道逐漸被自動檢測車道區(qū)域所代替，各種道路車道檢測方法出現(xiàn)。常用的車道檢測方法可分為兩類，基于特征和基于模板的方法。前者［1-

2、2］主要是提取圖像中的特征，利用圖像的邊緣信息來檢測車道，這種方法要求車道上沒有車輛且車道標線清晰，在夜晚不能進行檢測；而后者［3-4］通過車道的模型匹配，該方法對架構(gòu)明確的車道檢測效果良好，但是對于特殊的車道不能檢測。本文提出的方法是利用道路上的過車信息，大部分車輛都會按照車道線來行駛，利用這個特性提出跟蹤線來決定車道線的具體位置，更具準確性、適用性。首先介紹了車道檢測算法的原理，然后利用多組高速公路的實際畫面來得到過車的跟蹤線數(shù)據(jù)，經(jīng)過統(tǒng)計和計算分別得到車道中心線和車道寬度信息，初始得到車道信息。最后采用車

3、道線的更新策略，保證車道線隨著時間的推移會更加準確。1路面車道檢測算法原理對視頻中的車輛分兩個方向記錄每輛車的過車詳細路徑，將每一幀車輛的位置坐標，對這些數(shù)據(jù)進行統(tǒng)計，利用點坐標的前后關(guān)系以及每個點的過車頻率來推測出車道的中心線。最后利用最小二乘法來進行擬合，利用過車的車體寬度來推斷出車道的每個位置的寬度，優(yōu)化后得到最恰當?shù)能嚨绤^(qū)域。1.1跟蹤線數(shù)據(jù)提取和統(tǒng)計在視頻檢測中對于經(jīng)過的有效跟蹤線進行保存，統(tǒng)計的數(shù)據(jù)包括三部分：第一部分是跟蹤線上每個點的像素坐標S(u,v),第二部分是每個跟蹤點的關(guān)系點X(u,v),

4、第三部分是每個點上的車體的寬度用來估算車道的寬度W(u,v)o1.2車道中心線計算根據(jù)1.1的統(tǒng)計結(jié)果，由于大部分車輛會根據(jù)車道行駛,第一步計算車道線高概率點，利用車道線之間的間隔來計算出道路上的車道數(shù)。最為關(guān)鍵的部分，是車道中心線的計算算法，由于圖像頂部的車道可能會出現(xiàn)交點，不能準確的區(qū)分，車道計算的起點從圖像底部的高概率點作為起點。利用關(guān)系點和概率點推斷上一個點，以此類推，得到整個中心線,可能呈現(xiàn)直線也可能會是一條曲線，利用最小二乘法進行擬合。根據(jù)公式(1)和(2)來反推得到中心線。方向向上(1)方向向下(

5、2)1.3車道線寬度計算在初始獲得中心線的位置之后，利用過車車輛的寬度對整個車道進行標定，這個標定只是簡單的計算，大致確定車道寬度。在如果分點來確定寬度可能會由于跟蹤存在偏差，圖像底部車體太大導(dǎo)致車體寬度是整個畫面的寬度。分析以上因素，在寬度的統(tǒng)計上也利用最小二乘法擬合，這樣就舍棄了車輛運動過程中寬度不準確的幾個點。另一個修正的要點是兩個車道不會存在交疊，當檢測到兩個或兩個以上的車道時，就可以利用兩個中心線之間的距離對車道寬度進行限制，得到更加準確的結(jié)果。2路面車道區(qū)域更新以上內(nèi)容介紹的是初始得到的車道區(qū)域，如

6、果一個車道沒有車輛經(jīng)過，這個車道就會漏檢，但是加入車道更新算法之后整個畫面的車道區(qū)域在后續(xù)的檢測中就會出現(xiàn)。在后續(xù)的更新中，中心線的位置可以利用均值進行更新，而寬度同樣可以采用1.3中的方法限制，這樣就可以保證車道區(qū)域的檢測更加準確。每次計算的結(jié)果分為更新線、相交線和完全新出現(xiàn)的車道線三種。出現(xiàn)第一種更新線的時候利用均值的方法進行更新，而完全新出現(xiàn)的車道加入到原來的車道信息中，相交線的出現(xiàn)是不合理的，如果是高速公路上不會出現(xiàn)相交的情況，如果連續(xù)出現(xiàn)，那么可能是場景移動也可能是初始的車道線學(xué)習(xí)不準確，那么從這就可

7、以判斷出車道更新可能出錯?？梢郧宄褜W(xué)習(xí)的車道重新開始學(xué)習(xí)。3實驗結(jié)果實驗中采用了三個高速公路實際的畫面，分別統(tǒng)計20條、50條、100條跟蹤線的數(shù)據(jù)，計算得到中心線，結(jié)果表明條數(shù)的增加并沒有提高準確率，所以在后面都采用20條的數(shù)據(jù)來計算和更新。如圖1、2和3所示，是初始得到車道中心線和車道寬度的結(jié)果。在圖1中最右邊的車道是應(yīng)急車道，所以一般沒有車輛經(jīng)過，在圖2中最左邊的車道在經(jīng)過更新之后會準確的檢測到。圖1圖2圖34結(jié)束語車道檢測算法一般用于視頻檢測系統(tǒng)當中，利用車輛來檢測車道方法的優(yōu)勢在于車道標線不清晰、被

8、遮擋都沒有關(guān)系，夜晚的環(huán)境也沒有影響，這種方法在不常變道的高速路等場景中還是非常有效的。但是還是存在一些重要的影響因子，例如車輛跟蹤的準確性，只有保證準確的跟蹤線才能計算得到準確的中心線，同樣要保證大部分車輛是按照車道來行駛的。參考文獻：[1]YuH.SVMC：Single-classclassificationwithsupportvectormachines[C]?ProcofIJ