一种基于特征点投票统计的车道线快速检测算法

收稿日期：2017-09-12 改稿日期：2017-10-18 基金项目：国家自然科学基金（51375131）
参考文献引用格式： 时利，谈东奎，王乃汉，等 . 一种基于特征点投票统计的车道线快速检测算法 [J]. 汽车工程学报，2018，8(3)：189-195. SHI Li，TAN Dongkui，WANG Naihan，et al. A Fast Lane Detection Algorithm Based on Feature Points Voting Statistics [J]. Chinese Journal of Automotive Engineering，2018，8(3)：189-195. (in Chinese)
Abstract：A fast lane detection algorithm based on feature points voting statistics is proposed. Firstly， the collected images were preprocessed and the edge points of lane line were selected in the region of interest. The projection calculation was performed on the edge points，the correlation based voting space was established，the vanishing point was then determined on the vanishing line，and the lanes were quickly detected by the vanishing point. The experiment adopts the DSP platform to test the algorithm and the results show that the algorithm can detect the lanes effectively with good real-time performance under hostile driving conditions，such as driving in the fog or at night. Keywords：edge point screening；correlation voting space；lane recognition；real-time
SHI Li1，TAN Dongkui2，WANG Naihan2，YUAN Ning1，ZHANG Yiying1
（1. JAC Technology Center，Hefei 230091，China； 2. School of Mechanical and Automotive Engineering，Hefei University of Technology，Hefei 230009，China）
第8卷 第3期 第230期18 年 5 月
汽车工程学报 时利 等C：hin一e种se 基Jo于ur特na征l o点f 投Au票to统m计oti的ve车 E道ng线in快ee速rin检g测算法
Vol.8 No.3 May 2018 189
一种基于特征点投票统计的车道线快速检测算法
时 利 1，谈东奎 2，王乃汉 2，袁 宁 1，张一营 1
Байду номын сангаас
关键词：边缘点筛选；关联性投票空间；车道识别；实时性
中图分类号：TP391.4
文献标识码：A
DOI：10.3969/j.issn.2095-1469.2018.03.05
A fast lane detection algorithm based on feature points voting statistics
190
汽车工程学报
第8卷
车道线识别常采用视觉传感器，经典的 Hough 变换算法 [1] 及其变体 [2-4] 被广泛应用于该任务， 这类方法一般先利用诸如 Sobel 算子 [5]、canny 算 子 [6] 和方向可调滤波器 [7] 等边缘检测算法来处理 图像，再结合自适应阈值生成候选点，但这类方法 通常易受噪声干扰且较为耗时 [8]。高德芝等 [9] 利 用非均匀 B 样条曲线拟合车道线，并将其转化为 多阶动态规划问题，根据定义的代价函数来优化 曲线控制点，但其算法需要不断迭代优化，难以实 时处理图像。王宝锋等 [10] 提出了基于动态区域划 分的车道线识别方法，并将直线和 B 样条曲线用 于车道线重构。为了更好地提取车道线几何特征， MCCALL 等 [11] 利用逆透视变换将原始图像全部转 化为鸟瞰图，并利用平行特性对车道线进行提取。 逆透视变换的引入降低了车道线识别的难度，但其 运算量巨大。通过将车道识别问题转变为车道模型 参数优化问题，王科等 [12] 利用不定 Bezier 变形模 板开发出了能够适应复杂城市道路环境的车道线检 测算法。BORKAR 等 [13] 提出一种按时间平均图像 的方法，将图像中间断的车道虚线转变为连续的车 道实线，再利用随机抽样一致算法排除离群点继而 拟合车道线。CHOI 等 [14] 提出将车道线检测与前向 汽车检测融合的方法，确保当车道线被汽车遮挡时 检测结果具有鲁棒性。现有的车道线检测方法大都 由多个精心设计的算法组成，不仅处理步骤较为繁 琐，而且计算量大，难以实现能够应用于嵌入式运 算平台的快速、准确且可靠的车道线识别。
车道识别技术作为驾驶员高级辅助驾驶系统 （Advanced Driver Assistant System，ADAS） 中 的 关键技术之一，能为各种辅助系统提供车路相对位 置和道路几何尺寸信息。由于道路场景易受天气、
光照以及道路交通环境等众多因素影响，且辅助控 制系统对车道线识别的速度也提出要求，因而快速、 准确而且鲁棒的车道线识别技术是智能汽车技术研 究的一项难点。
（1. 安徽江淮汽车股份有限公司 技术中心，合肥 230091；2. 合肥工业大学 机械与汽车工程学院，合肥 230009）
摘 要 ：提出一种基于特征点投票统计的车道线快速检测算法。对采集的图像进行预处理，在感兴趣区域内基于车道线 宽度完成车道线有效边缘点筛选；对筛选的边缘点进行相应的投影计算，并建立关联性的投票空间，在消失线上检测出 消失点位置，并由消失点快速检测出车道线。试验采用 DSP 为开发平台测试程序，结果表明，该算法在系统中运行具 有较好的车道线检测效果，在雨雾天气，夜晚等复杂情况下均能正常运行，实时性能较好。