關于泊車輔助系統中車位線自動檢測與識別的探討

摘 要：文章面向自動泊車輔助系統中識別車位線的問題，利用Canny邊緣檢測方法，采用Hough變換，并基于車位線特征的先驗知識對變換結果進行優化與限制，從而完成了泊車輔助系統中的車位線自動檢測與識別。通過實際統計，準確識別概率高達94.6%。

關鍵詞：泊車輔助系統；車位線；識別

隨著我國交通發展迅猛，對輔助泊車系統的需求與日俱增。常見的泊車系統中車輛定位方法有：基于車位線、基于設施、面向用戶界面以及考慮空閑位置四類。其中，基于車位線的車輛定位方法相較于其他三種方法具有降低駕駛員重復操作、定位精準、適用于傾斜車位情況、最大限度縮短定位時間等顯著優點。然后，基于車位線的方法在進行圖像處理時，存在閾值設定問題，即過低的閾值會導致無法屏蔽干擾信息，過高的閾值會存在漏掉有用信息的可能。鑒于這一問題，文章利用自適應方法，提出了建立全景圖像、圖像預處理與直方圖均衡化、自適應的二值化、Canny邊緣檢測的車位線檢測與識別方法。

1 圖像預處理

在車輛的左右、前后安裝攝像頭，魚眼矯正、俯瞰變換與拼接等技術方法后，可獲得車輛全景圖。此時得到全景圖像，必然會受到實際環境中噪聲與光線的干擾，因此需要進行預處理工作。

1.1 自適應直方圖均衡化

圖像的直方圖均衡化是通過對圖像灰度進行變化，使其呈現灰度概率密度均勻分布，從而達到提高圖像對比度的作用，將采集到的彩色全景圖變換為灰度圖像后，采用直方圖均衡化進行預處理。直方圖均衡化方法容易使局部特征被忽視，給圖像的邊緣檢測造成損失。文章為解決這一局限性，引入了自適應的直方圖均衡化方法，通過對局部直方圖進行限制間接限制局部對比度，從而避免了局部對比度過強和噪聲過大問題。

1.2 自適應二值化

為方便后期對圖像進行處理，在完成圖像直方圖均衡化后需要進一步對圖像主體和背景進行分離，即圖像分割操作。在圖像分割的過程中，閾值的選取至關重要，合適的閾值直接影響到有用信息的獲取，文章采用自適應二值化方法來實現圖像分割處理操作。自適應二值化方法可使圖像不同像素處的閾值不同，像素位置周圍的像素分布情況決定了其閾值情況，亮度越低閾值越小。

1.3 形態學處理

完成圖像的分割操作后會造成一些二值噪聲點，需要繼續進行形態學處理，即利用已經設定的簡單結構元素向圖像內進行填放，并判斷該元素是否可以放在圖像內，同時檢驗填放方法的正確性。膨脹和腐蝕方法是傳統形態學處理方法，采用膨脹方法能夠達到邊界擴展的目的，而腐蝕方法則是收縮圖像邊界。文章對分割后二值圖像進行膨脹、腐蝕方法的形態學處理，一方面去除了輸入圖像二值噪聲點，另一方面達到了平滑圖像主體，凸顯細節的效果。

2 Hough變換檢測車位線

2.1 基于中值的自適應Canny邊緣檢測

在圖像處理中，邊緣檢測技術因其良好的描述特性可以有效地勾勒出目標物體的相關信息而得到了廣泛的應用。在邊緣檢測技術之中，通常采用的邊緣檢測方法主要是Canny邊緣檢測法。下面文章將介紹基于中值的自適應Canny邊緣檢測方法的一般步驟：

（1）去除圖像噪點

未經去噪處理的原始圖像在Canny邊緣檢測中會對檢測結果產生較大的影響。因為Canny邊緣檢測中算子對于圖像中的噪點信息十分敏感。因此采用Canny邊緣檢測就要利用高斯模板對原始圖像進行卷積處理。

（2）分析圖像的亮度梯度信息

一幅圖像的邊緣指向并不總是指向同一方向，因此，在Canny邊緣檢測方法中，我們利用四個模板對圖像進行分析檢測。在得到圖像的垂直、水平以及對角線的邊緣信息后，再利用算子計算圖像邊緣的梯度和方向。

（3）對圖像邊緣信息的跟蹤

通常情況下，對于一副圖像而言，圖像邊緣往往具有較大的亮度梯度。但是在圖像檢測中，通過指定某一閾值來判斷某梯度是否為邊緣是無法確定的。因此通常情況，Canny邊緣檢測選擇的是滯后閾值來判斷邊緣信息。

2.2 Hough變換

Hough變換通常用于直線以及解析曲線的檢測之中。其算法原理是將二值圖像通過算法轉換到其特定的Hough參數空間，再通過對該參數空間內的極值點完成對圖像的檢測。在文章所述的實驗方法中，是將Hough變換應用于邊緣檢測圖之中。

由此我們可以看出，在該結果中每一條車位線顯示出的均為雙邊緣，這為后期的計算帶來極大的不便，因此在此基礎上，我們還需要對該初始結果進行條件限制并優化。

3 實驗結果分析

采用文章提出的車位線自動檢測方法，選取了500張不同情況下的車位圖作為實驗樣本，經過檢測識別（在PC端完成圖像處理，開發環境為 VS 2010，調用OpenCV實現算法），正確識別數為473，錯誤識別數為27，識別準確率為94.6%。

4 結束語

當前機動車保有量逐年增加，城市停車難的問題日益顯現。因此，人們對泊車輔助系統的需求也逐漸增加。文章正是基于這樣的社會需求，為了泊車時可自動識別車位線而提出了一種可綜合利用自適應邊緣檢測與Hough變化等算法的圖像識別方法。此外，通過實驗驗證，文章所提出的方法的精度與魯棒性均能達到優秀水平。

參考文獻

[1]劉有明，馬兆敏.平行泊車中停車位邊線視覺檢測的研究[J].科學時代， 2014.

[2]陸桂明，楊利濤，李俊霞.泊車輔助系統中的車位線自動檢測與識別[J].電子科技，2014（4）：146-150.

[3]王旭東.基于環視的自動泊車方法研究與系統設計[D].上海交通大學，2013.