一种对车前图像检测车道直线的方法

摘要

本发明一种对车前图像检测车道直线的方法，不需要边缘检测和二值化过程，利用Radon变换精确检测车道线，并利用Fourier理论降低使用Radon变换的算法复杂度，达到实时处理的效果，与其他方法相比，本发明算法复杂度低，实现简单，实时性强，能够精确提取车道线，抗噪能力强。

主权项

一种对车前图像检测车道直线的方法，其特征在于包括如下步骤：步骤1、接收车辆前方图像数据，提取感兴趣区域图像数据，根据Radon变换与傅里叶Fourier变换的关系建立分数阶Fourier算子：$F^{\alpha ,\beta }(u,v)=\underset{x=-M/2}{\overset{M/2-1}{\Sigma }}\underset{y=-N/2}{\overset{N/2-1}{\Sigma }}f\left(x,y\right)\exp \left[-2\pi i\left(\frac{\alpha xu}{M}+\frac{\beta yv}{N}\right)\right]$f(x,y)为输入图像，F(u,v)为分数阶Fourier域输出，α，β为不同坐标轴方向的尺度，(x,y)和(u,v)分别为空间域和频域坐标，M和N为图像尺寸，i表示虚数；步骤2、对分数阶Fourier算子进行高斯滤波，增强Radon变换域的局部最大值：${\tilde{F}}^{\alpha ,\beta }\left(u,v\right)=G_{\sigma }(u,v)*F^{\alpha ,\beta }(u,v)$其中，G_σ(u,v)为标准差为σ的标准二维高斯函数；步骤3、对滤波后的每一行数据进行1维反Fourier变换得到Radon域正弦图像：$R_{\theta }\left(\rho \right)=\underset{u}{\Sigma }{\tilde{F}}^{\alpha ,\beta }(u,v)\exp (2\pi ixu/M)$其中，ρ和θ为Radon域的坐标，分别代表极半径和角度；步骤4、检测Radon域正弦图像中的局部最大值，并通过设定一个阈值筛选出若干局部最大值点，这些局部最大值点对应于原图像车道直线的特征点；步骤5、根据步骤4检测出的特征点及其Radon域的坐标，通过极坐标转换求得直线，并在原图像上沿着该直线判断该直线的两个端点，连接两个端点即求得原图像车道直线。