一种实时多车道识别及跟踪方法

摘要

本发明涉及一种实时多车道识别及跟踪系统。包括坐标转换、图像预处理以及车道线的预测与跟踪三个系统模块。由安装在汽车上的CMOS图像传感器识别车辆前方的道路环境，把图像信息传递给图像预处理模块。坐标转换模块通过标定来实现COMS图像传感器的世界坐标系转换。图像预处理模块负责处理图像数据，进行插值、滤波、梯度计算以及最后生成车道线簇的连线。本发明对采集的图像进行分区域、分策略处理，识别多种类型的车道标志线，提高算法的计算效率。本发明在满足实时性的条件下，对车辆本车道以及左右邻近车道共四条车道线进行识别与跟踪，可以为智能驾驶辅助系统中的车道偏离预警策略以及车道保持控制策略提供更加详细，全面的信息。

主权项

一种实时多车道识别及跟踪方法，其特征在于包括基于所获取的图像的坐标转换、图像预处理及车道线预测跟踪三部分步骤，其中坐标转换指将摄像机所采集的图像坐标系基于旋转矩阵R与平移向量t转换至具物理意义的世界坐标系；图像预处理为将红像素插值，Sobel算子以及Gauss算子合成一个边缘检测模板，$F_{\mathrm{Interpoliert},\mathrm{Sobel}+\mathrm{Gauss},x}=\frac{1}{16}\left[\begin{array}{ccccccc}0.5& 0& 2.5& 0& -2.5& 0& -0.5\\ 0& 4& 8& 0& -8& -4& 0\\ 3& 0& 15& 0& -15& 0& -3\\ 0& 4& 8& 0& -8& -4& 0\\ 0.5& 0& 2.5& 0& -2.5& 0& -0.5\end{array}\right],$并使用该模板对图像计算，检测得到车道线线簇；车道线预测跟踪指基于图像预处理的结果对车道线的两侧边缘进行识别并进行匹配，分别对应每条车道线建立回旋曲线模型$y\left(x\right)==y_0+\tan (\in )x+\frac{C_0}{2}{x}^2+\frac{C_1}{6}{x}^3,$对车道线的侧向距离、纵向距离、道路曲率和道路曲率变化率进行跟踪，通过卡尔曼滤波计算，输出车道线滤波后的状态向量。