基于改進Hough變換的車道線檢測*

李后隆，馬驪溟，鐘林偉

基于改進Hough變換的車道線檢測*

李后隆，馬驪溟，鐘林偉

（長安大學 汽車學院，陜西 西安 710064）

針對車道線檢測中存在的諸多問題，在道路圖像預處理的基礎上，對Canny算子中的雙閾值選取進行改進，能夠自適應精確提取車道線邊緣特征，并利用帶極角約束的Hough變換完成直線檢測。算法能夠在不同道路環境中準確檢測車道線標識，降低光照等因素對車道線檢測結果的影響。

車道線檢測；圖像預處理；Canny算子；改進Hough變換

前言

車道線標志是約束車輛行駛的最基本因素，因此準確快速地進行車道線檢測是智能車輛的核心目標。目前已有多種車道線檢測技術應用于智能車輛上，且算法仍在不斷優化。但是在實際應用中車道線檢測技術仍存在一定的難點，在光照條件不佳等環境中存在漏檢、誤檢的狀況，同時在圖像光照低時，算法的穩定性不佳。針對以上情況，本文提出了改進Hough變換的車道線檢測算法。該算法首先利用同態濾波對道路圖像進行增強消除照度不均問題，降低光照條件對車道線檢測的影響；然后根據Canny算子特性，通過改進雙閾值選取對目標區域內的邊緣特征進行提取；最后通過極角約束Hough變換完成直線檢測，獲得車道線檢測結果，并根據車道線參數得到車輛當前可行駛區域信息。

1 圖像預處理

針對原始圖像（圖1（a））分辨率較高，通過采用雙線性插值[1]兩倍降采樣（圖1（b）），根據人眼視覺特點對彩色圖像進行灰度化[2]（圖1（c）），降低數字圖像處理計算量。采用同態濾波[3]對圖像進行增強處理（圖1（d）），可以解決不同道路環境中道路圖像光照不均問題，降低不同光照條件對道路信息的影響。并運用高斯濾波[4]去除圖像中的噪聲干擾（圖1（e）），得到預處理結果。

2 車道線邊緣檢測

以上的圖像預處理，只檢測出了車道線的主體特征，還需要邊緣檢測算法來對車道線的邊緣輪廓信息進行提取。

圖1 預處理過程

在數字圖像處理中可以通過計算灰度函數的微分特性提取邊緣特征。根據邊緣特征灰度函數的微分特性，常用的一階算子有Roberts算子、Sobel算子、Prewitt算子等，常用的二階算子有Laplacian算子、Log算子、Canny算子等[3][7]。

本文對比常用邊緣算子檢測效果，并對Canny算子中的雙閾值選取進行改進，自適應提取車道線邊緣特征。改進Canny算子的邊緣檢測結果如圖2所示。可以看到，改進雙閾值選取后的Canny算子檢測效果較好，能夠自適應提取道路圖像中的邊緣特征，對車道線邊緣特征檢測精度較高，檢測結果中噪聲較少。

圖2 改進Canny算子檢測結果

3 車道線檢測

3.1 極角約束Hough變換直線檢測

圖3 改進Canny算子極角約束Hough直線檢測結果

3.2 可行使區域判斷

3.2.1直線聚合

在圖4中可以看到，Hough變換對Canny算子邊緣圖像中的每一條車道線都檢測得到一對直線，正常情況下每對直線的參數應該相近。將每條車道線的直線對的極角分別視為1、2，極徑分別視為1、2，聚合條件見式（1），當滿足該式時進行直線聚合，否則去除這對直線。圖3為正常狀況下直線聚合后的結果。可以看出經過直線聚合后，車道線檢測結果精度更高。

圖4 直線聚合

然而當車道線丟失或存在其他特征干擾時，Hough變換檢測結果中可能存在誤檢測，此時通過直線聚合可以去除部分誤檢測結果，如圖5所示。圖5（a）中車輛特征對車道線檢測產生干擾，圖5（b）中右側車道線丟失，此時車道線直線對參數相差較大。通過直線聚合后可以去除誤檢測，降低檢測結果中的誤檢率。

3.2.2消失點約束

由車道線模型可知得到，實際道路中平行的兩條直線在圖像中延伸相交，相交點可以視為道路的消失點，因此引入道路消失點概念。將直線聚合得到的結果延伸相交，計算其交點坐標視為消失點坐標。消失點檢測結果如圖6所示。

圖6 消失點檢測結果

消失點的位置對于道路分割的最終結果影響非常大，同時對車輛可行駛區域有著重要的約束作用[7]。消失點與左右車道線共同構成了車輛當前可行駛區域，同時消失點坐標反應車道線區域與天空區域的分界線。

4 車道線檢測結果

根據直線聚合后得到的直線參數在獲取的原始圖像中對車道線進行擬合，并將得到的消失點坐標在原始圖像中標記出來。根據消失點坐標以及左右車道線坐標，在圖像中標記當前車輛可行駛區域信息。

利用采集的不同道路環境的實際道路圖像對提出的車道線檢測算法進行驗證，實驗結果如圖7所示。可以看到本文車道線算法能夠在不同道路環境中準確完成車道線檢測，對道路圖像中的實線、虛線、雙實線等均具有良好的檢測效果。對道路邊緣、路面交通標志等特征的干擾不敏感，能夠去除這些特征對車道線檢測的干擾。

圖7 不同工況下車道線檢測結果

5 結論

利用帶極角約束的Hough變換完成直線檢測，將參數相近的直線進行聚合，提高檢測精度并去除誤檢測。改進后的Canny算子能夠獨立自適應的提取車道線標識邊緣特征，帶極角約束的Hough變換直線檢測及直線聚合可以得到精確的車道線坐標。本文車道線算法具有較好的抗干擾能力與穩定性，能夠在不同道路環境中精確檢測車道線。

[1] 王平,全吉成,趙柏宇.基于雙線性插值的圖像縮放在GPU上的實現[J].微電子學與計算機,2016,33(11):129-132.

[2] 李愛娟.智能車輛運動軌跡規劃方法的研究[D].南京:南京航空航天大學,2013.

[3] 田小平,程新,吳成茂,等.基于同態濾波的彩色圖像增強[J].西安郵電大學學報,2015,20(06):51-55.

[4] 姒紹輝,胡伏原,顧亞軍,等.一種基于不規則區域的高斯濾波去噪算法[J].計算機科學,2014,41(11):313-316.

[5] 胡敏,李梅,汪榮貴.改進的Otsu算法在圖像分割中的應用[J].電子測量與儀器學報,2010,24(05):443-449.

[6] 吳桐.基于改進霍夫變換線段檢測算法的實現和應用[D].濟南:山東大學.2018.

[7] 田崢,徐成,米超,等.基于消失點和主方向估計的道路分割算法[J].計算機研究與發展,2014,51(04):762-772.

Lane Detection Based on improved Hough Transform*

Li Houlong, Ma Liming, Zhong Linwei

( School of Automobile, Chang'an University, Shaanxi Xi'an 710064）

Aiming at many problems existing in lane detection. Fristly based on image preprocessing; Then extract the edge features of lane line by improving the double threshold selection of Canny operator; Finally, complete straight line detection by use the Hough transform with polar angle constraint and get the lane line detection result.The algorithm can accurately detect lane markings in different road environments and reduce the influence of illumination and other factors on lane detection results.

Lane detection; Image preprocessing; Canny operator; Improved hough transform

10.16638/j.cnki.1671-7988.2021.07.006

U491.2+23

A

1671-7988(2021)07-16-03

U491.2+23

A

1671-7988(2021)07-16-03

李后隆，碩士研究生，就讀于長安大學汽車學院。

本文受國家自然基金（或項目）（51878066）資助。