基于車輛跟蹤線車道檢測(cè)算法

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

1、基于車輛跟蹤線車道檢測(cè)算法摘要：針對(duì)夜晚環(huán)境和車道標(biāo)線不明確的情況，本文提出了全新的車道檢測(cè)算法，利用道路上的車輛運(yùn)行軌跡的有效統(tǒng)計(jì)來(lái)得到路面結(jié)果。實(shí)驗(yàn)結(jié)果顯示此方法消減了環(huán)境因素的影響，并在現(xiàn)場(chǎng)檢測(cè)中效果明顯，適用于實(shí)時(shí)視頻監(jiān)控系統(tǒng)。關(guān)鍵詞：跟蹤線；車道檢測(cè)；視頻監(jiān)控系統(tǒng)中圖分類號(hào)：TP391.41近年來(lái)，智能交通檢測(cè)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(jìn)步，人工配置車道逐漸被自動(dòng)檢測(cè)車道區(qū)域所代替，各種道路車道檢測(cè)方法出現(xiàn)。常用的車道檢測(cè)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(lái)檢測(cè)車道，這種方法要求車道上沒有車輛且車道標(biāo)線清晰，在夜晚不能進(jìn)行檢測(cè)；而后者［3-4］通過車道的模型匹配，該方法對(duì)架構(gòu)明確的車道檢測(cè)效果良好，但是對(duì)于特殊的車道不能檢測(cè)。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(huì)按照車道線來(lái)行駛，利用這個(gè)特性提出跟蹤線來(lái)決定車道線的具體位置，更具準(zhǔn)確性、適用性。首先介紹了車道檢測(cè)算法的原理，然后利用多組高速公路的實(shí)際畫面來(lái)得到過車的跟蹤線數(shù)據(jù)，經(jīng)過統(tǒng)計(jì)和計(jì)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(shí)間的推移會(huì)更加準(zhǔn)確。1路面車道檢測(cè)算法原理對(duì)視頻中的車輛分兩個(gè)方向記錄每輛車的過車詳細(xì)路徑，將每一幀車輛的位置坐標(biāo)，對(duì)這些數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，利用點(diǎn)坐標(biāo)的前后關(guān)系以及每個(gè)點(diǎn)的過車頻率來(lái)推測(cè)出車道的中心線。最后利用最小二乘法來(lái)進(jìn)行擬合，利用過車的車體寬度來(lái)推斷出車道的每個(gè)位置的寬度，優(yōu)化后得到最恰當(dāng)?shù)能嚨绤^(qū)域。1.1跟蹤線數(shù)據(jù)提取和統(tǒng)計(jì)在視頻檢測(cè)中對(duì)于經(jīng)過的有效跟蹤線進(jìn)行保存，統(tǒng)計(jì)的數(shù)據(jù)包括三部分：第一部分是跟蹤線上每個(gè)點(diǎn)的像素坐標(biāo)S(u,v),第二部分是每個(gè)跟蹤點(diǎn)的關(guān)系點(diǎn)X(u,v),

4、第三部分是每個(gè)點(diǎn)上的車體的寬度用來(lái)估算車道的寬度W(u,v)o1.2車道中心線計(jì)算根據(jù)1.1的統(tǒng)計(jì)結(jié)果，由于大部分車輛會(huì)根據(jù)車道行駛,第一步計(jì)算車道線高概率點(diǎn)，利用車道線之間的間隔來(lái)計(jì)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(jì)算算法，由于圖像頂部的車道可能會(huì)出現(xiàn)交點(diǎn)，不能準(zhǔn)確的區(qū)分，車道計(jì)算的起點(diǎn)從圖像底部的高概率點(diǎn)作為起點(diǎn)。利用關(guān)系點(diǎn)和概率點(diǎn)推斷上一個(gè)點(diǎn)，以此類推，得到整個(gè)中心線,可能呈現(xiàn)直線也可能會(huì)是一條曲線，利用最小二乘法進(jìn)行擬合。根據(jù)公式(1)和(2)來(lái)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(jì)算在初始獲得中心線的位置之后，利用過車車輛的寬度對(duì)整個(gè)車道進(jìn)行標(biāo)定，這個(gè)標(biāo)定只是簡(jiǎn)單的計(jì)算，大致確定車道寬度。在如果分點(diǎn)來(lái)確定寬度可能會(huì)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(gè)畫面的寬度。分析以上因素，在寬度的統(tǒng)計(jì)上也利用最小二乘法擬合，這樣就舍棄了車輛運(yùn)動(dòng)過程中寬度不準(zhǔn)確的幾個(gè)點(diǎn)。另一個(gè)修正的要點(diǎn)是兩個(gè)車道不會(huì)存在交疊，當(dāng)檢測(cè)到兩個(gè)或兩個(gè)以上的車道時(shí)，就可以利用兩個(gè)中心線之間的距離對(duì)車道寬度進(jìn)行限制，得到更加準(zhǔn)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(gè)車道沒有車輛經(jīng)過，這個(gè)車道就會(huì)漏檢，但是加入車道更新算法之后整個(gè)畫面的車道區(qū)域在后續(xù)的檢測(cè)中就會(huì)出現(xiàn)。在后續(xù)的更新中，中心線的位置可以利用均值進(jìn)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(cè)更加準(zhǔn)確。每次計(jì)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(shí)候利用均值的方法進(jìn)行更新，而完全新出現(xiàn)的車道加入到原來(lái)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(huì)出現(xiàn)相交的情況，如果連續(xù)出現(xiàn)，那么可能是場(chǎng)景移動(dòng)也可能是初始的車道線學(xué)習(xí)不準(zhǔn)確，那么從這就可

7、以判斷出車道更新可能出錯(cuò)。可以清除已學(xué)習(xí)的車道重新開始學(xué)習(xí)。3實(shí)驗(yàn)結(jié)果實(shí)驗(yàn)中采用了三個(gè)高速公路實(shí)際的畫面，分別統(tǒng)計(jì)20條、50條、100條跟蹤線的數(shù)據(jù)，計(jì)算得到中心線，結(jié)果表明條數(shù)的增加并沒有提高準(zhǔn)確率，所以在后面都采用20條的數(shù)據(jù)來(lái)計(jì)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(huì)準(zhǔn)確的檢測(cè)到。圖1圖2圖34結(jié)束語(yǔ)車道檢測(cè)算法一般用于視頻檢測(cè)系統(tǒng)當(dāng)中，利用車輛來(lái)檢測(cè)車道方法的優(yōu)勢(shì)在于車道標(biāo)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(chǎng)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(zhǔn)確性，只有保證準(zhǔn)確的跟蹤線才能計(jì)算得到準(zhǔn)確的中心線，同樣要保證大部分車輛是按照車道來(lái)行駛的。參考文獻(xiàn)：[1]YuH.SVMC：Single-classclassificationwithsupportvectormachines[C]?ProcofIJ