| 主权项 |
基于梯度约束的统计霍夫变换车道检测方法，其特征在于：包括以下步骤：步骤一、对原始图像<img file="dest_path_image001.GIF" wi="46" he="16" />进行灰度化处理，得到灰度图像<img file="dest_path_image002.GIF" wi="51" he="16" />，对灰度图象采用IPM变换得到车道检测的初始图像；步骤二、统计霍夫变换：灰度图像<img file="682461dest_path_image002.GIF" wi="51" he="19" />其一阶导数分别为<img file="dest_path_image003.GIF" wi="56" he="17" />、<img file="dest_path_image004.GIF" wi="55" he="19" />，则每个像素<img file="dest_path_image005.GIF" wi="67" he="21" />,N为像素总数，对应的梯度值<img file="dest_path_image006.GIF" wi="45" he="23" />与梯度方向<img file="dest_path_image007.GIF" wi="19" he="18" />为：<img file="dest_path_image008.GIF" wi="220" he="31" />（2）<img file="dest_path_image009.GIF" wi="157" he="43" />（3）通过式(2)、(3)计算得到每一个像素的梯度大小和梯度方向； 步骤三、统计霍夫变换针对每一个像素i进行高斯建模，计算得到的梯度值进行阈值化处理，首先去除掉梯度为零的像素，令阈值为T ，大于阈值的像素参与统计霍夫变换的运算， 阈值采用下式计算：<img file="dest_path_image010.GIF" wi="164" he="42" />（１０）式中<img file="dest_path_image011.GIF" wi="34" he="17" />为像素梯度幅值的最小值，<img file="dest_path_image012.GIF" wi="35" he="16" />为像素幅值的最大值,对于大于阈值的像素代入式<img file="dest_path_image013.GIF" wi="222" he="36" />(6)其中，<img file="dest_path_image014.GIF" wi="434" he="52" />,计算车道参数对应的概率密度，并构建立体直方图；直方图峰值对应的参数即为即为所求的车道模型参数,其中，<img file="dest_path_image015.GIF" wi="22" he="16" />是高斯核函数，<img file="dest_path_image016.GIF" wi="99" he="24" />，<img file="dest_path_image017.GIF" wi="42" he="16" />为车道模型参数，其中横纵坐标分别为<img file="412651dest_path_image017.GIF" wi="42" he="16" />的取值范围，z轴代表参数的概率密度。 |
