第26卷第5期
2006年10月杭州电子科技大学学报Journal of Hangzhou Dianzi UniversityVol.26,No.5 Oct.2006
基于改进概率霍夫变换算法的车道检测方法研究
戴渊明1,张 翔1,王再富2
(1.杭州电子科技大学计算机应用技术研究所,浙江杭州310018;
2.杭州电子科技大学科技处,浙江杭州310018)
摘要:为了提高车道检测的实时性,提出了一种基于改进的概率霍夫变换算法的车道检测方法。
改进的概率霍夫变换算法的特点是用设定累加器阈值的方法减少了检测直线的运算量,通过随机
取点映射到参数空间使最长直线被最早检测到的概率最大,比现有车道检测方法中普遍采用的标
准霍夫变换算法更具实时性。实际路面图像的对比处理结果证明了该检测方法的实时性、精确性
和鲁棒性。
关键词:车道检测;霍夫变换;实时
中图分类号:TN391.41 文献标识码:A 文章编号:1001-9146(2006)05-0091-05
0 引 言
车道检测是智能车辆计算机视觉系统中的关键技术之一,它提供了车辆与车道位置关系的信息,以此可确定车辆在道路上可行驶的区域。一种高性能的车道检测方法须同时满足实时性,精确性,鲁棒性3个要求,但3者又是相互矛盾的.为了得到精确的车道线位置信息并适应道路的各种情况以保证系统的鲁棒性,则检测算法的复杂度和运算时间将会增加,不能很好满足实时性的要求;相反,为满足系统的实时性,需要对检测算法进行简化,往往会牺牲检测的精确性和鲁棒性。现有的车道检测方法[1,2]普遍采用了标准霍夫变换算法(StandardHoughTransform,SHT),SHT算法中图像点向参数空间映射的计算复杂度很高,运算开销很大,影响了整个系统的实时性。本文提出了一种基于改进的概率霍夫变换算法[3](ProgressiveProbabilisticHoughTransform,PPHT)的车道检测方法,先对道路图像进行边缘检测,再对边缘检测结果应用PPHT算法提取直线模型的车道线。实际路面图像的对比处理结果证明了该车道检测方法的实时性、精确性和鲁棒性。
1 PPHT算法及特点
自SHT算法提出以来,研究人员为降低算法的复杂性、提高用SHT算法进行直线提取的效率做了大量研究,提出了许多改进算法,如概率霍夫变换算法,随机霍夫变换算法[4],改进的概率霍夫变换(PPHT)[5]算法等。其中PPHT算法有如下一些特点:首先,PPHT算法非常适用于响应时间一定的实时系统。PPHT算法中的映射和直线检测是交替进行的,由于采用了随机取点映射的方法,最明显的直线收稿日期:2006-09-30
基金项目:浙江省科技厅重点科研国际合作项目(2006C24002)
作者简介:戴渊明(1982-),男,浙江湖州人,在读研究生,计算机应用技术.
92 杭州电子科技大学学报 2006年特征有望被最早检测到,算法在运行一定时间后可停止运行并仍然输出有效的结果;其次,PPHT算法的运算过程也可在所有待处理点完成向参数空间的映射或被归类到某一直线中后停止。这种情况下,只有一小部分待处理点完成了映射,其余的点作为被检测到的直线上的点从待处理点集中去除而不必进行向参数空间的映射,减少了算法的运算开销。因为PPHT算法具有的这些优点,在车道检测中,可以应用PPHT算法来进行直线的提取。
PPHT算法的具体步骤如下:
(1)将参数空间均分为多个小区间,每个区间对应一个累加器acc(Q,H),其初始值为零;将检测到的所有边缘点放到待处理边缘点集;
(2)检测待处理边缘点集是否为空,是则算法结束;否则随机从待处理边缘点集中取一象素点,投射到参数空间,在各个Q值下计算相应的H值,对应的累加器acc(Q,H)加1;
(3)从待处理边缘点集中删除所取的点;
(4)判断更新后的累加器值是否有大于阈值thr,否则回到第二步;
(5)由上一步得到的值大于thr的累加器对应的参数确定一条直线,删除待处理点集中位于该直线上的点,此累加器清零;
(6)回第2步。
2 基于PPHT的车道检测
在对获得的图像进行车道检测时,假定满足如下条件:
(1)路面是平坦的;
(2)车道线是直线,且在大地坐标中相互平行;
(3)车道线方向与行驶方向不垂直;
(4)车道线比道路亮,即道路图像中车道线灰度值比车道路面的灰度值大。
在上述假设前提下,可通过检测图像中道路区域部分车道线与车道路面间的边缘点并提取特征直线来检测车道线。道路区域位于道路图像的下面部分,如图1所示,图1(a)是原图,图1(b)虚线所示是相应的道路区域高度xh。xh可由摄像头倾斜角度C求得:
@HA
式中,2A是摄像头孔径张角,H是图像总高度。 xh=
基于PPHT算法的车道检测流程如图2所示:
2.1 边缘点检测
边缘点即邻近象素灰度值差异较大的点,可通过求图像中各象素的梯度值并对其进行二值化来获得。
2.1.1 梯度计算
对一幅灰度图I(x,y),其梯度的大小和方向可由下列公式来估算:
|ýI(x,y)|U|Dx|+|Dy|
H(x,y)=tan-1(1)(2)(3)Dy
Dx
,xy()
第5期 戴渊明等:基于改进概率霍夫变换算法的车道检测方法研究 93
图1
道路区域高度
图2 基于PPHT算法的车道检测流程
2.1.2 二值化
二值化处理就是确定一个阈值z,将图像中各象素点的梯度值与z作比较,大于z的置为1,小于z的置为零,由此可以得到一幅由白色的边缘点和黑色的背景点组成的二值图像。二值化不仅可以增强道路边界,而且可以减少图像信息量和增强算法的实时性。
二值化处理的关键是阈值z的选取,它会影响车道的检测结果。本文检测方法中采用基于全局图像的最优化阈值。
对图3(a)所示道路区域图像求取各象素梯度,并用全局最优阈值进行二值化处理,可以得到如图3(b)所示的二值图像
:
图3 边缘点检测结果
2.2 PPHT算法车道线提取
应用PPHT算法对完成边缘点检测的二值化道路图像进行车道线提取。提取过程中,车道线选用了直线模型,它简单、鲁棒性好。车道线提取步骤如下:
(1)将二值化图像从中间处分为左右半图;(
94 杭州电子科技大学学报 2006年由第一部分介绍的PPHT算法处理步骤可知,阈值thr的选择对直线提取的结果有很大影响。当thr取值太小,PPHT算法将从二值图中提取出多条直线,其中既包括要提取得车道线,同时也包括由噪声点构成的非车道线;当thr取值过大,PPHT算法处理结果可能不包括任何直线,会导致检测无效的情况。
应用PPHT对图3(b)所示二值化图像进行直线提取,得到的结果如图4所示,其中左半图阈值thrl=42,右半图阈值thrr=41
。
图4 PPHT车道线提取结果
3 实验结果及结论
在静态图像车道检测实验中,采集了100幅左右杭宁高速公路、杭州绕城高速公路的道路图像,每幅图像大小为240@240(象素点),并从中选取4幅包括含有阴影、水迹、光照变化等情况的道路图像按照本文提出方法进行道路检测。实验的硬件平台为PentiumIV,256M内存,处理一幅图像平均速度为45ms;采用SHT算法检测方法需要63ms。实验结果如图5所示,其中图5(a)是道路源图,图5(b)为对应的车道检测结果,图中的白色细线表示检测提取出的车道线。实验结果表明,本文提出的基于PPHT算法的车道检测方法比SHT
算法检测方法效率高。图5 仿真原图及车道检测结果
第5期 戴渊明等:基于改进概率霍夫变换算法的车道检测方法研究 95 PPHT算法中阈值thr的动态确定是一个需要解决的难点,而且阈值的确定可能需要额外的运算开销,为进一步提高PPHT算法的效率,在采用PPHT算法进行直线特征提取时,还可以根据先验知识缩小映射空间的范围及利用边缘点检测时得到的梯度方向信息。
参考文献
[1] JungCR,KelberCR.Arobustlinear-parabolicmodelforlanefollowing[C].In:17thBrazilianSymposiumontheComputer
GraphicsandImageProcessing2004:72-79.
[2] IshikawaK,KobayashiK,WantanabeK.Alanedetectionmethodforintelligentgroundvehiclecompetition[C].In:SICE2003
AnnualConference,2003:1086-1089.
[3] BergenJR,ShvaytserH.AprobabilisticalgorithmforcomputingHoughTransforms[J].JournalofAlgorithms,1991,12(4):
639-656.
[4] LXu,EOja,PKultanen.Anewcurvedetectionmethod:RandomizedHoughTransform(RHT)[J].PatternRecognitionLet-
ters,1990,(11):331-338.
[5] GalamhosC,MatasJ,KittlerJ.ProgressiveProbablisticHoughTransformforlinedetection[C].In:ProceedingsofComputerV-i
sionandPatternRecognition1999:23-25.
[6] PrattWK.DigitalImageProcessing[M].NewYork:JohnWisleyandSons,1991:299-318.
[7] WuBing,QinZhiyuan.NewApproachesfortheAutomaticSelectionoftheOptimalThresholdinImageBinarization[J].Journal
ofInstituteofSurveyingandMapping,2001,18(4):62-65.
ResearchofLaneDetectionBased
onProgressiveProbabilisticHoughTransform
DAIYuan-ming,ZHANGXiang,WANGZa-ifu112
(1.InstituteofComputerApplicationTechnology,HangZhouDianziUniversity,HangzhouZhejiang310018,China;
2.TechnologyDepartment,HangZhouDianziUniversity,HangzhouZhejiang310018,China)
Abstract:Toimprovethereal-timeabilityoflanedetection,thispaperpresentsalanedetectionmethodbasedonprogressiveprobabilityHoughtransform.TheprogressiveprobabilityHoughtransformsetsanaccumulatorthresh-oldtoreducethecalculationquantityoflineexaction,selectsedge-pointrandomlysothatthemostobviouslinewouldbedetectedfirstusually.Ithasbetterreal-timeabilitythanstandardHoughtransform,whichisusedcom-monlyinexistinglanedetectionmethods.Theexperimentresultsoflanedetectionfromimagesofrealroadscenesshowtheaccuracy,robustnessandreal-timeabilityoftheproposedmethod.
Keywords:lanedetection;Houghtransform;real-time
第26卷第5期
2006年10月杭州电子科技大学学报Journal of Hangzhou Dianzi UniversityVol.26,No.5 Oct.2006
基于改进概率霍夫变换算法的车道检测方法研究
戴渊明1,张 翔1,王再富2
(1.杭州电子科技大学计算机应用技术研究所,浙江杭州310018;
2.杭州电子科技大学科技处,浙江杭州310018)
摘要:为了提高车道检测的实时性,提出了一种基于改进的概率霍夫变换算法的车道检测方法。
改进的概率霍夫变换算法的特点是用设定累加器阈值的方法减少了检测直线的运算量,通过随机
取点映射到参数空间使最长直线被最早检测到的概率最大,比现有车道检测方法中普遍采用的标
准霍夫变换算法更具实时性。实际路面图像的对比处理结果证明了该检测方法的实时性、精确性
和鲁棒性。
关键词:车道检测;霍夫变换;实时
中图分类号:TN391.41 文献标识码:A 文章编号:1001-9146(2006)05-0091-05
0 引 言
车道检测是智能车辆计算机视觉系统中的关键技术之一,它提供了车辆与车道位置关系的信息,以此可确定车辆在道路上可行驶的区域。一种高性能的车道检测方法须同时满足实时性,精确性,鲁棒性3个要求,但3者又是相互矛盾的.为了得到精确的车道线位置信息并适应道路的各种情况以保证系统的鲁棒性,则检测算法的复杂度和运算时间将会增加,不能很好满足实时性的要求;相反,为满足系统的实时性,需要对检测算法进行简化,往往会牺牲检测的精确性和鲁棒性。现有的车道检测方法[1,2]普遍采用了标准霍夫变换算法(StandardHoughTransform,SHT),SHT算法中图像点向参数空间映射的计算复杂度很高,运算开销很大,影响了整个系统的实时性。本文提出了一种基于改进的概率霍夫变换算法[3](ProgressiveProbabilisticHoughTransform,PPHT)的车道检测方法,先对道路图像进行边缘检测,再对边缘检测结果应用PPHT算法提取直线模型的车道线。实际路面图像的对比处理结果证明了该车道检测方法的实时性、精确性和鲁棒性。
1 PPHT算法及特点
自SHT算法提出以来,研究人员为降低算法的复杂性、提高用SHT算法进行直线提取的效率做了大量研究,提出了许多改进算法,如概率霍夫变换算法,随机霍夫变换算法[4],改进的概率霍夫变换(PPHT)[5]算法等。其中PPHT算法有如下一些特点:首先,PPHT算法非常适用于响应时间一定的实时系统。PPHT算法中的映射和直线检测是交替进行的,由于采用了随机取点映射的方法,最明显的直线收稿日期:2006-09-30
基金项目:浙江省科技厅重点科研国际合作项目(2006C24002)
作者简介:戴渊明(1982-),男,浙江湖州人,在读研究生,计算机应用技术.
92 杭州电子科技大学学报 2006年特征有望被最早检测到,算法在运行一定时间后可停止运行并仍然输出有效的结果;其次,PPHT算法的运算过程也可在所有待处理点完成向参数空间的映射或被归类到某一直线中后停止。这种情况下,只有一小部分待处理点完成了映射,其余的点作为被检测到的直线上的点从待处理点集中去除而不必进行向参数空间的映射,减少了算法的运算开销。因为PPHT算法具有的这些优点,在车道检测中,可以应用PPHT算法来进行直线的提取。
PPHT算法的具体步骤如下:
(1)将参数空间均分为多个小区间,每个区间对应一个累加器acc(Q,H),其初始值为零;将检测到的所有边缘点放到待处理边缘点集;
(2)检测待处理边缘点集是否为空,是则算法结束;否则随机从待处理边缘点集中取一象素点,投射到参数空间,在各个Q值下计算相应的H值,对应的累加器acc(Q,H)加1;
(3)从待处理边缘点集中删除所取的点;
(4)判断更新后的累加器值是否有大于阈值thr,否则回到第二步;
(5)由上一步得到的值大于thr的累加器对应的参数确定一条直线,删除待处理点集中位于该直线上的点,此累加器清零;
(6)回第2步。
2 基于PPHT的车道检测
在对获得的图像进行车道检测时,假定满足如下条件:
(1)路面是平坦的;
(2)车道线是直线,且在大地坐标中相互平行;
(3)车道线方向与行驶方向不垂直;
(4)车道线比道路亮,即道路图像中车道线灰度值比车道路面的灰度值大。
在上述假设前提下,可通过检测图像中道路区域部分车道线与车道路面间的边缘点并提取特征直线来检测车道线。道路区域位于道路图像的下面部分,如图1所示,图1(a)是原图,图1(b)虚线所示是相应的道路区域高度xh。xh可由摄像头倾斜角度C求得:
@HA
式中,2A是摄像头孔径张角,H是图像总高度。 xh=
基于PPHT算法的车道检测流程如图2所示:
2.1 边缘点检测
边缘点即邻近象素灰度值差异较大的点,可通过求图像中各象素的梯度值并对其进行二值化来获得。
2.1.1 梯度计算
对一幅灰度图I(x,y),其梯度的大小和方向可由下列公式来估算:
|ýI(x,y)|U|Dx|+|Dy|
H(x,y)=tan-1(1)(2)(3)Dy
Dx
,xy()
第5期 戴渊明等:基于改进概率霍夫变换算法的车道检测方法研究 93
图1
道路区域高度
图2 基于PPHT算法的车道检测流程
2.1.2 二值化
二值化处理就是确定一个阈值z,将图像中各象素点的梯度值与z作比较,大于z的置为1,小于z的置为零,由此可以得到一幅由白色的边缘点和黑色的背景点组成的二值图像。二值化不仅可以增强道路边界,而且可以减少图像信息量和增强算法的实时性。
二值化处理的关键是阈值z的选取,它会影响车道的检测结果。本文检测方法中采用基于全局图像的最优化阈值。
对图3(a)所示道路区域图像求取各象素梯度,并用全局最优阈值进行二值化处理,可以得到如图3(b)所示的二值图像
:
图3 边缘点检测结果
2.2 PPHT算法车道线提取
应用PPHT算法对完成边缘点检测的二值化道路图像进行车道线提取。提取过程中,车道线选用了直线模型,它简单、鲁棒性好。车道线提取步骤如下:
(1)将二值化图像从中间处分为左右半图;(
94 杭州电子科技大学学报 2006年由第一部分介绍的PPHT算法处理步骤可知,阈值thr的选择对直线提取的结果有很大影响。当thr取值太小,PPHT算法将从二值图中提取出多条直线,其中既包括要提取得车道线,同时也包括由噪声点构成的非车道线;当thr取值过大,PPHT算法处理结果可能不包括任何直线,会导致检测无效的情况。
应用PPHT对图3(b)所示二值化图像进行直线提取,得到的结果如图4所示,其中左半图阈值thrl=42,右半图阈值thrr=41
。
图4 PPHT车道线提取结果
3 实验结果及结论
在静态图像车道检测实验中,采集了100幅左右杭宁高速公路、杭州绕城高速公路的道路图像,每幅图像大小为240@240(象素点),并从中选取4幅包括含有阴影、水迹、光照变化等情况的道路图像按照本文提出方法进行道路检测。实验的硬件平台为PentiumIV,256M内存,处理一幅图像平均速度为45ms;采用SHT算法检测方法需要63ms。实验结果如图5所示,其中图5(a)是道路源图,图5(b)为对应的车道检测结果,图中的白色细线表示检测提取出的车道线。实验结果表明,本文提出的基于PPHT算法的车道检测方法比SHT
算法检测方法效率高。图5 仿真原图及车道检测结果
第5期 戴渊明等:基于改进概率霍夫变换算法的车道检测方法研究 95 PPHT算法中阈值thr的动态确定是一个需要解决的难点,而且阈值的确定可能需要额外的运算开销,为进一步提高PPHT算法的效率,在采用PPHT算法进行直线特征提取时,还可以根据先验知识缩小映射空间的范围及利用边缘点检测时得到的梯度方向信息。
参考文献
[1] JungCR,KelberCR.Arobustlinear-parabolicmodelforlanefollowing[C].In:17thBrazilianSymposiumontheComputer
GraphicsandImageProcessing2004:72-79.
[2] IshikawaK,KobayashiK,WantanabeK.Alanedetectionmethodforintelligentgroundvehiclecompetition[C].In:SICE2003
AnnualConference,2003:1086-1089.
[3] BergenJR,ShvaytserH.AprobabilisticalgorithmforcomputingHoughTransforms[J].JournalofAlgorithms,1991,12(4):
639-656.
[4] LXu,EOja,PKultanen.Anewcurvedetectionmethod:RandomizedHoughTransform(RHT)[J].PatternRecognitionLet-
ters,1990,(11):331-338.
[5] GalamhosC,MatasJ,KittlerJ.ProgressiveProbablisticHoughTransformforlinedetection[C].In:ProceedingsofComputerV-i
sionandPatternRecognition1999:23-25.
[6] PrattWK.DigitalImageProcessing[M].NewYork:JohnWisleyandSons,1991:299-318.
[7] WuBing,QinZhiyuan.NewApproachesfortheAutomaticSelectionoftheOptimalThresholdinImageBinarization[J].Journal
ofInstituteofSurveyingandMapping,2001,18(4):62-65.
ResearchofLaneDetectionBased
onProgressiveProbabilisticHoughTransform
DAIYuan-ming,ZHANGXiang,WANGZa-ifu112
(1.InstituteofComputerApplicationTechnology,HangZhouDianziUniversity,HangzhouZhejiang310018,China;
2.TechnologyDepartment,HangZhouDianziUniversity,HangzhouZhejiang310018,China)
Abstract:Toimprovethereal-timeabilityoflanedetection,thispaperpresentsalanedetectionmethodbasedonprogressiveprobabilityHoughtransform.TheprogressiveprobabilityHoughtransformsetsanaccumulatorthresh-oldtoreducethecalculationquantityoflineexaction,selectsedge-pointrandomlysothatthemostobviouslinewouldbedetectedfirstusually.Ithasbetterreal-timeabilitythanstandardHoughtransform,whichisusedcom-monlyinexistinglanedetectionmethods.Theexperimentresultsoflanedetectionfromimagesofrealroadscenesshowtheaccuracy,robustnessandreal-timeabilityoftheproposedmethod.
Keywords:lanedetection;Houghtransform;real-time