【正文】 結(jié)果如圖 41：圖 41 利用區(qū)域生長法得到路面區(qū)域閾值選取小于上述值時，仿真結(jié)果如圖 42(其中閾值 取 50，閾值 取 70)：1C2 圖 42 利用區(qū)域生長法得到路面區(qū)域閾值選取大于上述值時，仿真結(jié)果如圖 43(其中閾值 取 90，閾值 取 110)：1C2 圖 43 利用區(qū)域生長法得到路面區(qū)域石家莊鐵道學院畢業(yè)設計32從仿真結(jié)果中可以看出，選取的值過小，檢測出的圖像含有虛假的邊緣多；選取的值過大，車道線可能出現(xiàn)漏檢現(xiàn)象。因此實現(xiàn)閾值的自適應選取是今后研究的重中之重。石家莊鐵道學院畢業(yè)設計33石家莊鐵道學院畢業(yè)設計34石家莊鐵道學院畢業(yè)設計35 融合兩種信息提取的仿真實驗經(jīng)過上述過程的處理，我們可以得到兩組信息即區(qū)域信息和邊緣信息，若對這兩種信息進行融合，真實邊界的存在信息就來源于此。本設計文提出用下述算法計算真實的道路邊緣，對已經(jīng)得到的邊緣信息和區(qū)域信息，根據(jù)它們在空間上應該出現(xiàn)在相同或相近的位置，來計算兩組信息中的相應位置上離散點之間的距離。設 為邊緣邊界，其中 為連續(xù)的邊緣邊界線段，??eneLL?,21? )2,10(niLe??每一個線段由離散的邊緣點 組成； 為區(qū)域邊界，其中),(iyx??oo?為連續(xù)區(qū)域邊界線段，每一個線段由離散的邊界點 組成。因),0(io? ),(39。39。iyx為 且 則可以推出 ；同理可以得出 ，這樣eiiyx??,ei ei?),( oiL?39。39。就可以把兩組信息中的線段當作離散的點來處理，根據(jù)式(41)： ??0239。239。39。39。 )()(, dyxyxdii ????其中 ，對于設定距離的選取，由于路面邊界的復雜性，沒有固定的方法，10?d在實驗中 ，檢測出的車道邊界更準確。用 MATLAB 對融合邊緣和區(qū)域兩種信8?息定位道路邊界進行仿真，結(jié)果如圖 44：圖 44 4 融合兩種信息的檢測圖通過圖 44 可以看出利用邊緣信息和區(qū)域信息檢測道路邊界，可以在一定程度上克服虛假邊界的干擾，得到更準確的車道線邊緣。為了突出該方法的優(yōu)點，在這 (41)石家莊鐵道學院畢業(yè)設計36里介紹一種動態(tài)雙閾值二值化 [1012]方法，同樣是對兩幅圖像(灰度圖像和邊緣檢測圖像）)處理，其中一個閾值稱之為灰度閾值，另一個閾值稱之為邊緣閾值。只有在邊緣圖像中灰度值大于邊緣閾值，同時在原始道路圖像中灰度值大于灰度閾值的像素，才納入車道線像素的集合中，而其余的像素則納入非車道線的集合中。選取灰度閾值時，每一幀圖像中都只對車輛前方最近的一小段長條區(qū)域進行采樣。由于該段區(qū)域中一般不會存在障礙物， 而且對陰影和水跡的干擾也不敏感， 因此可以比較準確地反映出原始圖像的道路灰度值。對比兩種方法的檢測結(jié)果，用 MATLAB 仿真如圖 45:圖 45 對比區(qū)域生長法檢測圖像和自適應二值化檢測圖像從圖 45 中可以看出：自適應二值化圖像同樣在一定程度上可以克服虛假邊界的干擾，但是整體效果比融合區(qū)域法差，尤其對于稍遠處的虛假邊界。基于此，本設計文用融合區(qū)域法檢測邊緣，但是在閾值選取上，本設計針對預處理圖像調(diào)節(jié)參數(shù)還沒有達到自適應，需要很大改進。但作為圖像處理的一種新方法，值得深入研究。 基于模型的道路識別由于現(xiàn)實生活中的道路千差萬別，道路檢測是個非常復雜的模式識別問題，因此目前仍不存在通用的視覺道路檢測系統(tǒng)，在滿足一般應用的情況下，適當簡化道路場景，有助于解決實際問題。使用道路形狀假設就是一種有效的簡化道路模型的方法。 道路模型假設由于用于識別的原始圖像中包含豐富的景物細節(jié)，如樹木、綠化帶、行人、車輛、陰影、其它遮擋物等,在經(jīng)圖像處理后得到的邊界圖像如圖 45 中可以觀察到,所有這些內(nèi)容的區(qū)域邊界,形成了大小不一、或稠或密、形狀各異的區(qū)域邊界的集合,而石家莊鐵道學院畢業(yè)設計37且這些邊界寬窄不同,小到幾個像素點,寬的則可能連成一片獨立的亮區(qū)。但是其中的道路邊界則為一組斷斷續(xù)續(xù)接近于線狀排列的邊界區(qū)域的集合。從這種形狀特征出發(fā),可以設想，建立一種基于形狀的道路邊界模型能夠?qū)⑵渑c其它邊界區(qū)別開來。因此,本設計文從道路邊界的形狀入手來定義模型，國內(nèi)外許多研究人員也運用了此方法，其中有使用回旋曲線作為道路的形狀模型、多項式曲線作為道路的形狀模型和直線作為道路的形狀模型等。其中直線道路模型 [1513]是最簡單的模型假設。為了減小計算的復雜度，提高系統(tǒng)的性能本設計文采用直線道路模型，因為高速公路的曲率 [5]一般比較小，在高速行駛時，系統(tǒng)只對前方不太遠處采集圖像，采用直線道路模型，一般可以滿足要求。這里對道路也做了假設：(1)道路是結(jié)構化道路，具有明顯的車道標線或者邊界，道路寬度基本不變，可以依據(jù)顏色、邊緣等信息來檢測；(2)道路是水平的，或者其高度變化服從嚴格的數(shù)學模型。 道路圖像特征直線提取在眾多的直線提取方法中，霍夫變換是最常用的方法之一，其優(yōu)點在于算法穩(wěn)定，抗噪性能好，但缺點是計算量和存儲空間太大。人們在幾十年的研究中，采取了各種方法對霍夫變換進行改進。本設計文通過對霍夫變換及其改進方法和另一中種提取直線的中值截距法提取特征直線，并進行仿真實驗，找到其中最優(yōu)的方法。 傳統(tǒng)霍夫變換提取直線針對上述假設的車道模型，首先介紹霍夫變換提取車道線的方法 [142]?；舴蜃儞Q是圖像處理中從圖像中識別幾何形狀的基本方法之一，應用很廣泛，也有很多改進算法。最基本的霍夫變換是從黑白圖像中檢測直線。在直角坐標系中，直線的方程可以用 來表示，其中 k 和 b 是參數(shù)，分別是斜率和截距。直線上任一bkxy??點用 表示。那么方程 在參數(shù) kb 平面上是一條直線，這樣，),(0 xy??0k?圖像 xy 平面上的一個前景像素點就對應到參數(shù)平面上的一條直線。在實際?應用中， 形式的直線方程沒有辦法表示 x=c 形式的直線(這時候，直kxy cx?線的斜率為無窮大)。所以實際應用中，是采用參數(shù)方程p=xcos(theta)+ysin(theta)， 代表直線離原點的法線距)sin()cos(theatheap?? p離， theta 是該法線對 軸的角度。這樣，圖像平面上的一個點就對應到參數(shù)xptheta 平面上的一條曲線上。由此可知,在圖像空間中共線的點對應參t?數(shù)空間里相交的線。反過來,在參數(shù)空間中相交于同一個點的所有曲線在圖像空間里都有共線的點與之對應，這就是點對線的對偶性。根據(jù)點對線的對偶性,當給定圖像石家莊鐵道學院畢業(yè)設計38空間的一些邊緣點,就可以通過 hough 變換確定連接這些點的方程。hough 變換把在圖像空間中的直線檢測問題轉(zhuǎn)換到參數(shù)空間里對點的檢測問題,通過在參數(shù)空間里進行簡單的累加統(tǒng)計完成檢測任務。總結(jié)霍夫變換的基本思想是：首先，我們初始化一塊緩沖區(qū)對應于參數(shù)平面，將其所有數(shù)據(jù)置為0。然后對圖像每一前景點用 hough transform，遍歷所有的theta(根據(jù)區(qū)域可選擇 )） ，計算出所有的 值。在對應的參數(shù)數(shù)組中加1。最后，thea p找到參數(shù)平面上最大點的位置，這個位置就是對應原圖像上直線的參數(shù)。傳統(tǒng) hough 變換的流程圖如下如圖46：設定直線長度閾值，得到直線變換的極坐標參數(shù)根據(jù)參數(shù)在圖像標出直線結(jié) 束前像素點做 hough 變換在對應數(shù)組的 p 行,theta列加一預處理后圖像石家莊鐵道學院畢業(yè)設計39編程時將參數(shù) p 和 the ta 量化成許多小格，對任一個 點代入thea ),(0yxtheta 的量化值，算出各個 p，所得值(經(jīng)量化)落在某個小格內(nèi)，便使該小格的thea計數(shù)器加 1。當全部點 變換后，對小格進行檢驗有大的計數(shù)值的小格對應于共,(yx線，其( p， theta)值可用作直線的擬合參數(shù)。有小的計數(shù)值的各小格一般反映非共線點，丟棄不用。由于直線長度閾值的選取，與道路圖像的大小和真實的車道邊界有關，可以經(jīng)過實驗得到，實驗中取 36。應用傳統(tǒng) hough 變換提取特征直線的仿真如圖 47:設定直線長度閾值，得到直線變換的極坐標參數(shù)根據(jù)參數(shù)在圖像標出直線結(jié) 束預處理后圖像前像素點做 hough 變換在對應數(shù)組的 p 行,theta列加一圖 46 hough 變換流程圖圖 46 hough 變換流程圖石家莊鐵道學院畢業(yè)設計40圖 47 7 傳統(tǒng) hough 變換提取直線本課題只對左車道線進行了檢測，對右車道線同樣適用，但也可以根據(jù)已經(jīng)檢測出來的左車道線根據(jù)一定的約束條件，如距離、連續(xù)性等檢測出臨近的車道線。從 hough 變換檢測直線的原理可以看出，算法中計算量大。在邊緣點眾多的情況下，這樣的計算量是非?？膳碌摹Ｄ壳坝泻芏喔倪M算法，本設計研究了改進的隨機hough 變換法。 隨機霍夫變換提取直線本設計提出一種改進的hough變換——隨機hough變換 [153]，傳統(tǒng)的hough變換是一種一到多的映射，即每個邊緣點映射成參數(shù)空間的一條曲線。而隨機hough變換采取的是多到一的映射方式，即隨機選取n個像素來決定n個曲線參數(shù)。核心算法是：(1)建立二值化邊緣圖像；(2)從中隨機選取一對像素點；(3)如果這兩個點不滿足預定義的距離約束，回到 Step2,否則繼續(xù) Step4；(4)將這兩點的坐標代入直線方程解得參數(shù)( ) ；??,??(5)在參數(shù)空間中對參數(shù)點( ) 累加；??,??(6)繼續(xù)第二步?；谒惴ǖ睦斫?，本設計提出一種新的算法，流程圖如圖 48：石家莊鐵道學院畢業(yè)設計41 圖 48 改進 hough 變換流程圖用 MATLAB 對比隨機 hough 變換法和傳統(tǒng) hough 變換提取特征直線的實驗仿真結(jié)果如圖 49：預處理后圖像 圖 48 8 改進 hough 變換流程圖結(jié) 束找到圖像在下方的第一個左車道線像素點 ),(iyx 取該點與距離約束內(nèi)的前景像素點為一對像素點將兩點坐標帶入直線方程，解得參數(shù) ),(??對參數(shù)值 累加),(找到最大值，標記該參數(shù)對應的直線預處理后圖像結(jié) 束結(jié) 束找到圖像在下方的第一個左車道線像素點 ),(iyx 取該點與距離約束內(nèi)的前景像素點為一對像素點將兩點坐標帶入直線方程，解得參數(shù) ),(??對參數(shù)值 累加),(找到最大值，標記該參數(shù)對應的直線預處理后圖像結(jié) 束石家莊鐵道學院畢業(yè)設計42 用 MATLAB 對比隨機 hough 變換法和傳統(tǒng) hough 變換提取特征直線的實驗仿真結(jié)果如圖 49：圖 49 9 傳統(tǒng) hough 變換及其改進算法的比較在本例可以看出改進的 hough 變換與傳統(tǒng)的 hough 變換檢測直線型左車道線時精度相當，但改進算法的實時性提高了 35 倍，更利于車輛的高速行駛。本設計在改進的 hough 變換后研究另一種算法——中值截距法 [16]。 “中值截距”法提取車道線由透視投影的基本原理可知，路面投影圖像基本位于整個圖像象的下半平面，車道線大多分為左右兩部分，以左車道線為例，遍歷圖片的左半部分得到 N 個點，定義圖像的左上角為坐標原點，由于任何一條直線都Niyxi ?3,21),(?可由截距表示，因此設定左車道線方程如下如式(42)： 1:??bYaXL其中 分別是直線 在 軸上的截距。 為該直線的斜率。ba, yx,k/? (42)石家莊鐵道學院畢業(yè)設計43基本原理是：任意選取圖像上 2 個點 ，過這兩點做一條直線，),(),(jiyxp并分別計算出在 軸上的截距 如式(43)：yx, jijiijjiij xxyxba???)/()(對于 個點，相應的可以做作出 條直線，由于有些點處于同一條直N21N線上，因此最多只能做 條，從而可得到兩組截距值 。分別取截距2/)1(???ijijba,的中值如式(44) ，并令 ????ijbmedan因此最多只能做 條，從而可得到兩組截距值 。分別取截距值，并2/)1(?Nijijb,令所得的 就是對整個集合 的中值估計。而得到的直線方程就是對該組數(shù)據(jù)ba,??ijijba,的擬和直線。在取值時，如果集合個數(shù)為奇數(shù)，那么就可以直接取集合的中間元素作為中值截距；而集合個數(shù)為偶數(shù)時，取中間兩數(shù)值和的平均值作為中值截距。基于算法的理解，本設計不從新定義坐標原點(基于點與點之間的坐標關系只是相對關系) ） ，但是將圖像的左上角理解為坐標原點，圖像上的直線可以寫成截距的形式，同樣先找到圖像下方的第一個左(或右）)車道線像素點，計算與其它前景像素點的斜率，取其中值作為中值截距。本設計的算法流程圖如下如圖 410 所示：?????ijijmedn (43) (44)圖 410 0 中值截距算法流程圖結(jié) 束記圖像下方第一個左車道線像素點 p),(iyx計算與其距離約束內(nèi)的前景像素點的截距點取截距的中值根據(jù)中值計算斜率在圖像上標記該直線預處理后圖像石家莊鐵道學院畢業(yè)設計44用 MATLAB 仿真中值截距法提取特征直線如圖 411:從圖 411 中可以看出中值截距可以對檢測出的左車道線進行延長，但是從算法可以看出非車道線像素點對其影響較大，下面對三種算法比較，提出最優(yōu)算法。圖 410 0 中值截距算法流程圖結(jié) 束記圖像下方第一個左車道線像素點 p),(iyx計算與其距離約束內(nèi)的