基于Hough變換的智能車輛車道線檢測

楊全琪 黃晉英

（中北大學 信息與通信工程學院，山西 太原 030051）

0 引言

到目前為止，國內外的智能車輛研究都把機器視覺作為其識別道路的重要感知方式，機器視覺是感知外部環境最有效的方式之一。道路識別是智能車輛視覺導航的最為關鍵技術的部分，由于其復雜性和困難度而備受廣大智能愛好者和研究者關注。

1 車道線檢測

1.1 Hough變換原理

Hough變換的原理是利用圖像空間和參數空間的點與線的對偶性，把圖像空間中的檢測問題轉換到參數空間。在圖像空間X-Y中，所有共線的點的集合和可以用一個表達式描述：

其中，m為直線的斜率，n為截距。同時上式又可以寫成：

上式可以看成是參數空間M-N中的一條直線方程，其中直線的斜率為x，截距為y。

比較式（1）和式（2），可以看出，圖像空間中的一點（x，y）對應參數空間中的一條直線，而圖像空間中的一條直線又是由參數空間中的一個點（m，n）來決定的。然后通過在參數空間里進行簡單的累加統計，在參數空間尋找累加器峰值的方法檢測直線。

如果參數空間中使用直線方程,當圖像空間直線斜率為無窮大時,會使累加器變的很大,從而使計算復雜度過大。為解決這一問題,采用極坐標方程,：

其中ρ為直線到原點的距離,θ為ρ與x軸的夾角。

圖 1 （x，y）參數空間

圖 2 （ρ，θ）參數空間

1.2 Hough檢測算法

Hough變換需要建立一個累加數組，數組的維數與所檢測的曲線方程中未知參數的個數相同。對于直線，它有兩個未知參數，因而需要建立一個二維數組。具體計算時，需要對未知參數的可能取值進行量化。如果將參數(k,b)分別量化為m和n個數，則定義一個累加數組A(m，n)并初始化為零。

假 設 (k，b)量 化 之 后 的 可 能 取 值 分 別 為，k1，}和，b1，...bn-1}。對于圖空間中的每個目標點(x，y)，讓a取遍所有可能的值，根據 計算出相應的b，并將結果取為最接近的可能取值。根據每一對計算結果，對數組進行累加。通過查找累加數組中的峰值，可以得知圖像中最優可能的直線參數。

所以提取直線的Hough變換算法可以概括如下：

（1）在（ρ，θ）范圍區間，建立一個二位參數空間，并網格化；

（2）設置一個累加數組 A（ρ，θ），并把每個元素置 0；

（3）對圖像空間的每個點（x，y），做 Hough 變換，其對應參數空間的（ρ、θ）經過每個網格，則累加數組加1；

（4）找出累加數組中的局部極大值，這個值（ρ，θ）得共線點所在直線就是要檢測的直線。

Hough變換檢測圖像中直線的一般步驟總結為：對色彩圖像進行灰度處理；其次對灰度圖像進行邊緣檢測,然后對邊緣檢測的結果作Hough變換,最后得到直線檢測結果。

1.3 實驗分析

提取高速路上視頻圖像的一幀，如圖3。首先對圖像進行灰度處理，為了抑制隨機噪聲又能很好的保護邊緣信息，給圖像做中值濾波平滑，如圖4。其數學表達式為：

式（4）中：f（x,y）、g（x,y）分別為原始圖像和濾波后圖像。 其次利用sobel算子對濾波后圖像邊緣檢測，如圖5。其數學表達式為：

最后我們對圖像做Hough變換，提取出車道線，如圖6。

圖3 高速路上的原圖

圖4 中值濾波平滑結果

圖5 Sobel邊緣檢測結果

圖6 Hough變換車道線提取結果

基于先驗知識和直線道路模型，高速路上的車道線是平行線，經過透視投影后，在圖像平面中會交于一點。如圖7，點P為兩條車道線的匯交點，O點為車體中心部位，則OP為導航中心線。

圖7 道路模型與導航線

2 結束語

視覺導航是智能車輛研究中的關鍵之一，而道路識別又是視覺導航中最重要的一塊。本文利用Hough變換對道路圖像進行分析處理，獲取圖像中道路邊緣范圍，計算出導航中心線。為智能車輛的定位與控制提供實時、可靠的信息。

［1］趙保佑．基于視覺的車輛檢測與跟蹤技術研究[D]．武漢理工大學，2009：23-25．

［2］王武宏，沈中杰．智能車輛[M]．人民交通出版社，2002：54-56．

［3］馬曉璐．MATLAB圖像處理從入門到精通[M]．中國鐵道出版社，2013：201-210．