一種基于紋理特征的車道線檢測方法研究

黨宏社，郭楚佳

(陜西科技大學 電氣與信息工程學院，陜西 西安 710021)

隨著經濟的發展，交通壓力日益增大，行車安全成為了矚目的焦點，安全駕駛輔助系統也成為研究的熱點。在車道偏離預警、防碰撞預警等預警系統中，車道線檢測具有十分重要的作用。只有準確檢測車道線，才能定位車輛實際相對位置，進而確保行車安全。

現階段檢測車道線的方法主要有以下幾種，歸于相同特點區域的域增長法[1]。這種方法需要不斷準確定義區域增長的起始點；對直線有很好的識別效果的Hough變換法[2-3]，但其識別結果過分依賴于圖像分割的結果；基于顏色突變的閾值分割法[4-5]，對于有強光照、陰影或路面有部分臟污等情況，魯棒性較弱。故而對于車道線的檢測需要尋求一種受外界干擾較小的特征量，針對這種特征進行車道線識別擬合。

在采集到的車道圖像信息中，近景處的信息相對于遠景處較為全面，識別準確率也會相對較高，但是車道線擬合過程中，需要整條車道線的離散點信息，才能準確擬合，對于遠景部分，往往會存在較大的偏差。由于車輛長期路過碾壓，路面上會形成一定的車轍印，在得到的圖像中十分明顯，而對于有強光照強陰影的路面，其局部紋理方向依舊為車輛行駛方向，故而，可以采用車轍印紋理特征實現車道線的檢測。

本方法在車道線識別過程中，通過對近景處的車轍印紋理特征，分5個尺度、8個方向進行Gabor變換，并對特征圖進行融合，分析其紋理方向，通過投票機制選取車道線消失點位置，進而利用消失點，建立扇形掃描區域，定位車道線，擬合車道線直線方程(圖1)。本方法利用近景處的紋理特征，可以彌補遠景處圖像分割不準確引起的車道線擬合失敗的不足。

圖1 圖像在5個尺度8個方向的Gabor變換結果Fig.1 Gabor transformation results at 5 scales in 8 directions

1 理論基礎

筆者主要按照Gabor變換、消失點檢測、及車道線直線方程確定幾個步驟說明基于紋理特征的車道線檢測方法的理論基礎。

1.1 基于Gabor變換的紋理識別

Gabor變換是D.Gabor 1946年提出的[6]。由于Gabor函數在頻率和方向上的表達方式與人類視覺系統很相似，所以被用來表達紋理的特征。近年來Gabor濾波已經被廣泛用于人臉識別[7]及指紋識別[8],利用Gabor核函數對紋理特征進行變換，可以最大程度的凸顯紋理方向特征。

對于方向Φ和尺度ω，Gabor濾波核函數如式(1)[9]：

(1)

式中：a=xcosΦ+ysinΦ；b=-xsinΦ+ycosΦ；c=2.2。

選取5個尺度、8個方向，一共40個模板進行濾波計算。不同尺度可以反映出不同強度的紋理特征，不會丟失與單一模板尺度不匹配的紋理信息。由于透視成像原理，車道中的車轍印方向分布在0～π之間，故而濾波器的方向選擇為8個，即在0～7/8π之間每間隔π/8取一點，分別在不同尺度使用8方向濾波器組來提取車轍印紋理的方向特征，其融合圖像見圖2。

圖2 8個方向上5個尺度的融合圖像Fig.2 Fusion image of 5 scales in 8 directions

設I(x，y)為一灰度圖像的(x，y)點，圖像I與方向Φ和尺度ω下的Gabor核的卷積，定義如式(2)：

Gω,Φ=I?ψω,Φ

{Gω,Φ:ω∈(1,…,4),Φ∈(1,…,7)}

(2)

在Z=(x，y)點的卷積結果也分為實部與虛部兩部分，為了更明顯的綜合細節紋理特征，在方向判別之前將響應的值取為實部與虛部的平方和，如式(3)：

Iω,Φ(z)=Re[Gω,Φ(z)]2+Im[Gω,Φ(z)]2

(3)

某一方向Φ下的響應值定義為該方向不同尺度ω的變換結果的融合，為均勻得到每個尺度的信息，取不同尺度結果的平均值，如式(4)：

RΦ(z)=AverageωIω,Φ(z)

(4)

得到的融合結果，對于8個不同方向的圖像響應各不相同，與圖像紋理方向相同的區域響應相對較強，而與圖像紋理方向相悖的區域響應相對較弱。

筆者采取最大值的方法，由8個方向的融合圖像得到原圖像中對應點的方向索引值，即局域紋理的方向由每個像素點的8個Gabor方向特征最大值的索引來評估，如式(5)：

(5)

式中：RΦ(z),Φ∈(0,…,7)對應像素點z=(x,y)在8個方向上的Gabor特征(RΦ(z)為融合后特征圖，包含Gabor特征的實部、虛部)，在此將k作為融合編碼，T(z)=k,k∈(1,…,8)，T(z)∈[1,8]，每個編碼值表征一種局部方向，對應模板的8個不同方向，最終每個車道圖片轉化為多方向特征的融合圖像。其對應融合編碼索引值如表1。

表1 融合編碼索引值

1.2 消失點的選取

由透視原理可知，凡是平行的直線都消失于無窮遠處的同一個點，則以道路方向為視覺方向，兩條平行的車道線會交于遠處的某一點，這點在透視圖中就叫做消失點。由于消失點是車道線以及與其平行所有紋理直線的視覺相交點，檢測消失點對于準確的估計車道線位置有著重要意義。

由于路面近景處的路面車轍信息較為豐富且明顯，故而選擇圖中近景處中心全景3/4的區域作為參與投票點。假設V1，V2，V3為圖像I(x，y)中的3個消失點的待選點，其融合編碼索引值分別為T1(z)，T2(z)，T3(z)，圖像為m×n維。

設P為其中的任意一點，根據對應融合編碼索引值T1(z)，T2(z)，T3(z)，查找其紋理方向，P點與候選消失點的連線方向設為(PV1)，(PV2)，(PV3)。若3點的連線方向與紋理方向的夾角均大于π/6則判定投票點失效，繼續選取下一投票點進行投票，直至分析完成所有投票點，統計V1，V2，V3這3點的投票結果，若某一點的投票結果明顯高于另兩點，則可以判定這一點為標準消失點，如圖3。

圖3 候選消失點及其投票結果Fig.3 Candidate vanishing points and their voting results

1.3 確定車道線方程

消失點蘊含了直線的方向信息，從一個消失點出發，可以找到經過該點的所有直線，每條車道線均經過消失點，并且道路邊緣檢測所得的兩條車道線對應直線是以不同斜率通過消失點的，故而可以據其準確檢測車道線位置。

假設經過投票所得的消失點為V(xv,yv)，在其下方π/6～5π/6的扇形區域建立扇形掃描區域，每間隔π/180設置一條定標線，編號為li,i∈[1,120]，建立120項數組C，當li覆蓋的點值為1，則設置Ci加一，累計完成可得統計數組C，假設：

(6)

(7)

則兩條車道線表示如式(8)及式(9)：

(8)

(9)

2 算法設計

其具體算法設計如下：

20世紀70年代，Wilkins(1972)對詞匯知識在語言使用中的重要性有過精辟的論述：“沒有語法，很多東西無法表達；沒有詞匯，什么東西也無法表達。”對于母語學習者和外語學習者以及教師來講，詞匯是相當重要的學習和講授的內容（Gass&Selinker,2001）。詞匯量大小對學習者很重要，但是要求學生每時每刻都拿著單詞本來背記，或者老師上課時主要講單詞的用法，都是不現實的。教師應鼓勵學生進行廣泛的閱讀，比起任何孤立的外顯教學課程，這樣的閱讀更能大大增加詞匯量（Coady&Huckin,1997）。

輸入：一幅彩色圖像Im×n×3

輸出：標記車道線位置的彩色圖像

1)對原圖Im×n×3進行均值濾波，并將其轉化為灰度圖像；

2)根據式(1)生成Gabor濾波核函數，通過Gabor核函數和式(2)、式(3)對圖像Im×n×3進行卷積，方向Φ和尺度ω下的卷積圖像記為Iω，Φ(z)，并計算融合紋理特征圖像，根據式(4)分別將8個方向上、不同5個尺度的Gabor變換結果進行融合，將Φ方向上的融合圖記為RΦ(z)；

3)根據式(5)和表1對每一候選投票點的方向進行標記，記其方向編碼為T(z)；

4)對候選消失點進行投票，利用索引值T(z)對應的方向信息與候選消失點進行匹配投票，得票明顯高于另兩點的點即為標準消失點：V(xv，yv)；

5)根據式(6)～式(9)推導實際車道線直線方程，y1與y2；

6)在圖像Im×n×3中繪制y1與y2兩條車道線。

3 實驗結果與分析

為驗證文中算法對各種情況下車道線的檢測效果，選取了多類圖片進行實驗，如強光照、強陰影、路面顏色干擾等，在利用OTSU自動閾值分割法對圖像進行二值化分割，圖像中存在較多的干擾，包括天空及路邊人行道，由于色彩相近，都得不到很好的分割。

在MATLAB 2008b環境下，用直接Hough直線檢測方法[10]以及上述算法對多幅道路圖像進行了識別和驗證。實驗結果如圖4。

圖4 仿真結果Fig.4 Simulation results

Hough直線檢測方法對于亮度較高的、連續的直線有較好的擬合效果，但是Hough變換法受天空及路面陰影影響較大，對于有強光照、強陰影、路面干擾的情況，并不能很好的檢測出車道線位置，并且，其車道線檢測結果過分依賴于圖像二值化結果，而對于復雜路面環境，二值化的結果本身就無法完全表示路面車道線及道路邊沿的實際情況，故而引起Hough直線檢測的誤判斷。相比，本方法利用圖像近景處點的方向紋理特征進行消失點的檢測，通過消失點進行車道線的定位，對于強光照、強陰影和路面顏色干擾都具有較好的檢測效果。

4 結 論

在車道線檢測方法中，最需要考慮車道線的實際情況，積水、淤泥和破損等情況都會影響車道線的連續性，公路上其它標示如斑馬線都會影響車道線的檢測。分析與計算機仿真實驗表明，筆者所提出的基于道路紋理特征提取道路消失點的方法是有效的。此方法對復雜背景下的車道線檢測有較好的效果，對強光照、陰影等因素不敏感，可以不依賴于圖像分割的結果，準確識別車道線。

[1] 陳勇,黃席樾,唐高友,等．基于機器視覺的車道檢測與二維重建方法[J]．儀器儀表學報,2007,28(7):1205-1210.

Chen Yong,Huang Xiyue,Tang Gaoyou,et al.Lane detection and two dimensional rebuilding based on machine vision [J].Chinese Journal of Scientific Instrument,2007,28(7):1205-1210.

[2] Ghazali K,Xiao Rui,Ma Jie.Road Lane Detection Using H-Maxima and Improved Hough Transform[C]// Proceedings of 4thInternational Conference on Computational Intelligence,Modeling and Simulation.Kuantan,Malaysia:CIMSim,2012:205-208.

[3] Chen Long,Li Qingquan,Mao Qingzhou,et al.Block-Constraint Line Scanning Method for Lane Detection[C]//Intelligent Vehicles Symposium (IV).San Diego,CA:IEEE,2010:89-94.

[4] 孫波成,秋延峻.基于圖像處理的路面裂縫識別研究[J].重慶交通大學學報:自然科學版,2008,27(1):61-64.

Sun Bocheng,Qiu Yanjun.Pavement cracks identification using image technology [J].Jourmal of Chongqing Jiaotong University:Natural Science,2008,27(1):61-64.

[5] 沈瑜,羅維薇,王小鵬,等.一種新的車道線快速識別算法[J].計算機應用研究,2011,28(4):1544-1550.

Shen Yu,Luo Weiwei,Wang Xiaopeng,et al.Novel algorithm of fast lane identification [J].Application Research of Computers,2011,28(4):1544-1550.

[6] Gabor D.Theory of communication (Part 1:The analysis of information) [J].Electrical Engineers III,1946,93(26):429-441.

[7] Arindam K,Bhattacharjee D,Dipak K B,et al.High performance human face recognition using independent high intensity Gabor wavelet responses:a statistical approach [J].International Journal of Computer Science & Emerging Technologies,2011,2(1):178-187.

[8] 侯洪麗,張宵霞,王福明.基于Gabor函數能量特征的指紋增強[J].電子測試,2011,5(5):19-22.

Hou Hongli,Zhang Xiaoxia,Wang Fuming.Fingerprint enhancement based on Gabor functional energy features [J].Electronic Test,2011,5(5):19-22.

[9] 趙英男,孟凡斌,金忠.Gabor核函數的設置研究[J].計算機科學,2009,36(1):111-113.

Zhao Yingnan,Meng Fanbin,Jin Zhong.Research on design of Gabor kernels’ windows [J].Computer Science,2009,36(1):111-113.

[10] 段汝嬌,趙偉,黃松嶺,等.一種基于改進Hough變換的直線快速檢測算法[J].儀器儀表學報,2010,31(12):19-22.

Duan Rujiao,Zhao Wei,Huang Songling,et al.Fast line detection algorithm based on improved Hough transformation [J].Chinese Journal of Scientific Instrument,2010,31(12):19-22.