引导智能汽车行驶的公路交通标识线识别与提取

王宝梁 宋延东

0 引言

驾驶员信息来源的最主要部分是视觉信息[1-2]，包括道路中障碍物的位置、各种交通参与者的位置及道路的几何形状等。人类驾驶车辆85%以上的信息来自视觉信息[3-4]。交通标识线有效可靠的识别对于汽车智能化行驶具有重要的意义[5]。对获取的图像应用垂直投影法进行处理，最终能够有效可靠地识别交通标识线，获取汽车行驶所需的交通标识线信息。

1 系统设计

本研究以交通标识线作为引导车辆行驶的依据。车辆沿着交通标识线行驶，当车辆与交通标识线发生角度偏差时，会进行自动转向调整。本文提出一种图像处理方法，能够可靠地获取公路标识线的信息，作为智能汽车行驶的依据。系统设计如图1 所示。

2 图像获取

选用CCD 摄像头摄取的图像作为处理对象，分辨率为3096×3096。本文中以带有白色中心线的沥青路作为研究对象（如图2 所示），主要目的是通过处理摄像头获取的图像，识别白色中心线的方向和位置。

图1 系统设计

图2 交通标识线原图

3 图像处理

通过图像转换、图像除噪、二值图像、图像形态学、图像分割和最小二乘法等操作实现道路标识线的识别。

在图像处理过程中，将图像划分为图像条。为了缩短图像处理时间只取前6 个图像条进行处理。通过对比分析可看出，所获取的作物行中心线效果与图像条全部处理的效果几乎一样。在获取最终的峰值点之后，用robustfit 函数[6]对这些点进行拟合，robustfit 函数能够将目标点中与其他点差异大的点自动去除，这在获取公路标识线中心线的图像处理过程中非常重要。图3 是公路标识线中心线定位过程。

3.1 灰度图像转换

白色标识线图像通过摄像头获取，所获取的图像为RGB 图像。由于原始图像信息量较大，处理起来速度很慢，影响车辆智能化的响应灵敏度，因此先将图像按照公式（1）转换为灰度图像，得到灰度图像如图4 所示。

图3 公路标识线中心线定位过程

3.2 图像除噪

图像采集过程会受到外界干扰，产生图像噪声，从而影响后续的图像处理。因此，必须对图像进行噪声抑制处理。为了在图像处理前期获得较好的图像效果，以利于下一步的图像处理，采用一种动态中值滤波算法对图像中的白色标识线图像进行去噪处理。处理结果如图5 所示。

3.3 二值图像

通过取得合适的阈值，得到需要的二值（黑白）图像，如图6 所示。

图4 灰度图像

图5 除噪图像

图6 二值图像

3.4 图像形态学运算

二值图像中会存在一定的噪声点，图像中的白色标识线边缘也不平滑。为此，通过腐蚀、膨胀方法消除图像中的细小噪声点，使图像的白色标识线的边缘得到有效改善，这将有利于下一步车辆引导线的提取。图7 为处理后的图像。

3.5 中心线提取

对图7 进行图像条处理，得到若干图像条（见图8），获取每个图像条的中心点，并对这些点采用最小二乘法得到白色标识线的位置，即车辆引导线，如图9 所示。

图7 形态学处理后图像

图8 图像条

图9 车辆引导线

4 结语

多次实验结果表明，应用基于垂直投影法进行公路标识线的处理能有效可靠地获取公路标识线信息，为汽车智能化识别交通标识线提供可靠的行驶信息。