道路标线检测与标线信息地图叠加研究

安胜彪，李晓为，远松灵，郭杰华

(1.河北科技大学 信息科学与工程学院；2.石家庄市京华电子实业有限公司，河北 石家庄 050000)

由于我国领土面积广阔，人口众多，交通发展自然一直都是我们国家最关注的领域之一。近年来，大量学者都投身于交通领域的研究，成果颇丰，也就诞生了智能交通、影像地图、车辆导航等多分支领域，不管哪一种分支都依赖、包含大量的交通信息。交通信息是众领域的“地基”，良好的交通信息采集技术是目前研究的重中之重。其中路面信息的采集前人做出了良好的铺垫，但依然有着无法提供清晰、准确的车道级别的道路信息的缺点，笔者研究的采集技术能提取优质、有效的路面数据，给影像地图提供较为精确的路面信息。

1 技术流程

图1 主流程

2 相机标定部分

2.1 畸变校正

相机标定目前采用张正友标定法来标定相机内参数，且可以通过Python Opencv封装的畸变矫正函数来校正畸变。

2.2 鸟瞰图转换

利用相机标定求出的内参数、实际测量的相机俯仰角和相机高度等外部参数(因为车载摄像头位置固定不变，所以参数固定)，通过逆透视变换求出来如图2所示。

图2 鸟瞰图

3 路面标线、路面标志的检测识别部分

3.1 路面标线

3.1.1 预处理

图3 预处理流程

由于路面标线为直线，所以利用直线检测方法能够有效检测出路面标线，预处理的步骤如图2所示。其中，主方向的校正使标线与图像的y方向基本保持平行，便于之后的路面标线和路面标志的类型识别。

3.1.2 路面标线检测

完成预处理的主方向校正后，标线主方向和图像垂直方向一致。此时，在二值化后图像上建立x方向的像素直方图，会形成多个波，其中单个波峰像素sum大于20 000，且对应波的范围roi在(10，35)之间，即为我们所需要的车道线，可表示为：

(20 000

(1)

I=1，2，n，n为直方图像素不为0的区域数。

3.1.3 标线识别

在二值化图像中遍历每个标线之间区域(即roi区域)，此种做法大大去除噪声干扰，对每个区域做y方向像素直方图，如图4、图5所示。

图4 兴趣特征

图5 兴趣特征对应直方图

虽然图片存在毛刺但是不难看出单位平均像素总量基本一致，所以每个矩形块的长度就是其对应标线的长度，判断标线类型(虚线、实线)即可通过矩形块长度之和与检测区域长度的比值判断，公式表示为：

(2)

其中：m为直方图矩形块数量，rl为每个矩形块的长度，sl为标线图片总长度，当λ<0.6为虚线，反之则为实线。

3.1.4 颜色识别

RGB颜色空间是一种不均匀的颜色空间，不适合彩色图像的分割。HSV 颜色空间将色彩分为色度、饱和度和亮度，分割的效果相对于 RGB 的要好很多。目前，道路上的车道线颜色主要有黄色和白色两种，笔者将上述的兴趣区域变换为HSV 颜色空间，按阈值将每个像素划分为白色、黄色和其他，将白色和黄色两种像素统计值占优的即为当前的车道线颜色。

3.2 路面箭头

3.2.1 导向箭头检测

路面交通标志通常位于相邻两条车道线之间，在车道线被成功提取以后，检测区域得到有效限制。本设计通过在相邻车道线间建立滑动窗口，对窗口内图像采用 Ostu 算法二值化并进行像素总量滤波，提取箭头等标志。

3.2.1.1 建立滑动窗口。 自动提取包含车道线部分为感兴趣区域，设置与感兴趣区域宽度相等，高度为宽度2倍的窗口，先对整体的感兴趣区域做Ostu二值化，其目的主要是为了减少阴影，曝光等因素对检测结果的影响，在从感兴趣区域一端至另一端进行扫描。

3.2.1.2 箭头检测提取。对每个窗口中求像素总和，当其值大于阈值T时，即为提取到的导向箭头。

3.2.2 导向箭头识别

3.2.2.1 Hu矩。 采用Hu矩方法在感兴趣区域的灰度图像中提取导线箭头的几何特征。

3.2.2.2 SVM识别。 将提取出来的Hu矩作为特征放入SVM中训练。SVM 核函数选择最为常用的高斯核函数，采用5重交叉验证实现参数的优化选择，并用最优化参数进行训练。最终识别出路面标志类型，识别结果如图6所示。

图6 检测结果

4 坐标求取部分

因为笔者求取的最后结果为需要叠加到平面地图的二维坐标，所以可假设“地面平坦”即不考虑Z轴方向，为简化计算步骤同时减少误差，我们将采集车摄像头、GPS、陀螺仪3种设备固定在一条垂线上，即3种设备为二维车体坐标系原点。图像坐标最终转化为世界坐标流程，如图7所示。

图7 坐标求取流程

具体步骤：①将图像坐标转换为车体坐标，可由逆透视变换公式求解。②车体坐标转换为以陀螺仪和GPS为原点的正北坐标系，可由简单的角度转换公式求解。车体坐标系与正北坐标系对应关系，如图8所示。

图8 坐标关系

其中：θ为陀螺仪所测车体与正北坐标系夹角。最后，将得出的正北坐标系下坐标与GPS所测世界坐标相加即为待求点的世界坐标。

5 地图标线叠加部分

图9 标线叠加流程

①将道路标线信息导入数据库，把库内的数据转换为GeoJson图层文件。②加载GeoJson格式的图层文件，设置好文件路径及标线样式，OpenLayers解析标线对象类型和坐标。③将道路标线信息叠加到地图上。

6 结束语

标线采集一直是影像地图研究领域的基础，而目前技术所采集的数据维度较为单一。为优化这一问题，本设计在相机标定，道路标线、路面标志的检测与识别、标志坐标求取、地图标线叠加等方面进行阐述研究。目前能够较为准确地采集多种标线数据(类型、颜色、世界坐标)，为影像地图提供更加丰富的道路信息。