基于車輛軌跡的車道線自動提取方法
【技術領域】
[0001]本發(fā)明屬于圖像處理技術領域，涉及一種基于車輛軌跡自動提取車道線的方法，本發(fā)明旨在介紹一種普遍適用的車道線提取方法，對于道路標記不存在或模糊情況下的車道線提取問題都適用。
【背景技術】
[0002]車道線是構建道路條件的重要組成成分，對自動化的交通監(jiān)控系統(tǒng)來說車道線提取是重要的功能。車道線提取對交通研究，如駕駛行為檢測、分類(換道、車道偏離等)和單車道級的路網(wǎng)提取是重要也是必要的方法。
[0003]目前，基于視頻的車道線提取方法是通過識別道路標線完成車道線提取，該類方式具有幾點不足:1)對道路標線不存在或模糊的路段，無法提取車道線;2)由于攝像頭的視角問題造成提取的車道線在遠端具有較大誤差;3)對于沒有監(jiān)控攝像頭的區(qū)域，無法實現(xiàn)車道線提取。另一種車道線識別方法是基于GPS定位數(shù)據(jù)，其原理是攜帶GPS定位設備沿道路中心巡航，然后基于GPS數(shù)據(jù)提取車道線，該方法的不足之處在于GPS數(shù)據(jù)的定位誤差較大，因此車道線識別精度低。

【發(fā)明內容】

[0004]針對現(xiàn)有車道線提取方法的不足，本發(fā)明提出了基于車輛軌跡的車道線提取方法，采用車輛軌跡反向推導車道線。本發(fā)明為基于車輛軌跡的車道線提取方法，首先基于無人機低空航拍視頻提取車輛軌跡，然后基于車輛軌跡構建車輛軌跡圖像，應用形態(tài)學閉運算、腐蝕方法去除換道車輛軌跡造成的不同車道間的軌跡粘連，然后計算每條車道上車輛軌跡的最小外接矩形，該最小外接矩形的中心線即為車道的中心線，即實現(xiàn)了車道線提取。
[0005]本發(fā)明所述的車道線自動提取方法，基于無人機航拍視頻提取車輛軌跡，然后基于車輛運行軌跡反向推導車道線，不依賴于道路條件(有無道路標記或是否模糊)，具有普遍適用性。
[0006]本發(fā)明以全新的研究著入點，針對車道線提出了一種可以普遍適用的基于車輛軌跡的車道線自動提取方法，通過下述步驟實現(xiàn):
[0007]步驟1:車輛軌跡提取；
[0008]基于無人機的低空航拍圖像，進行車輛軌跡提取，為獲得最好的車道線提取結果，每條車道所提取的車輛軌跡數(shù)不少于20條，即該車道需要至少20輛車經(jīng)過。軌跡提取方法可以為手工提取，也可以基于粒子濾波、KLT特征點跟蹤或TLD等現(xiàn)有的自動軌跡提取方法，用于下一步中構建車輛軌跡圖像。
[0009]步驟2:車輛軌跡圖像創(chuàng)建；
[0010]用上步中基于無人機航拍圖像提取的車輛軌跡創(chuàng)建軌跡圖像，車輛軌跡原始數(shù)據(jù)為離散的點，這里在創(chuàng)建軌跡的過程中需要將車輛軌跡點根據(jù)提取的先后順序連接成曲線。軌跡圖像的圖像創(chuàng)建分如下三步:1)創(chuàng)建白色背景的空白圖像，圖像大小與提取軌跡的航拍圖像等大；2)將車輛軌跡曲線繪制到空白圖像。因為車輛軌跡為矢量，不存在寬度問題，但是繪制軌跡到圖像的過程需要考慮該線寬因素，這里車輛軌跡的線寬默認取車輛橫向寬度的1/6，車輛橫向寬度需要手工測量獲得；
[0011]步驟3:基于形態(tài)學閉運算與腐蝕消除不同車道間軌跡粘連；
[0012]多輛車的軌跡在重合后，會形成重合區(qū)，但軌跡間會存在縫隙，這里采用形態(tài)學閉運算方法填充軌跡空隙，以形成完整的連通區(qū)域。車輛換道會造成軌跡圖像中不同車道間軌跡粘連，影響后續(xù)的車道線提取的準確度，因此需消除這種粘連，這里采用形態(tài)學腐蝕方法對軌跡圖像進行處理，以消除軌跡粘連，其中腐蝕結構元素采用圓型，圓的半徑為車輛寬度的1/5。圖像腐蝕后，會有軌跡碎片存在，這里通過長度特征，將長度小于圖像水平寬度1/2的軌跡碎片進行篩除。
[0013]步驟4:最小外接矩形法提取車道線
[0014]對上步中已打斷軌跡粘連的軌跡圖像，首先計算每條車道上車輛軌跡的最小外接矩形，然后計算最小外接矩形的中心線，即得到道路的車道線。
[0015]本發(fā)明的優(yōu)點在于:
[0016](1)本發(fā)明利用車輛一般沿車道中心線行駛的特性，反向推導車道線，具有方法創(chuàng)新；
[0017](2)無人機具有可移動的優(yōu)勢，因此可用于對無交通監(jiān)控設備的路段進行車道線提取；
[0018](3)本發(fā)明提取車道線不依賴于道路標線，因此對無標線或標線模糊的道路區(qū)域同樣適用；
[0019](4)本發(fā)明可同時提取多車道的車道線，效率高。
【附圖說明】
[0020]圖1為基于無人機航拍視頻提取的車輛軌跡疊加圖；
[0021 ]圖2為基于車輛軌跡構建的軌跡圖像(二值圖像)；
[0022]圖3為基于形態(tài)學閉運算、腐蝕消除不同車道間軌跡粘連圖；
[0023]圖4為基于軌跡連通區(qū)域長度篩除軌跡碎片；
[0024]圖5為計算軌跡連通區(qū)域的最小外接矩形圖；
[0025]圖6為計算最小外接矩形的中心線圖；
[0026]圖7為提取到的車道線(四車道)；
[0027]圖8為本發(fā)明的方法流程圖。
【具體實施方式】
[0028]下面將結合附圖和實施例對本發(fā)明作進一步的詳細說明。
[0029]本發(fā)明提供一種基于車輛軌跡的車道線提取方法，所用車輛軌跡基于航拍視頻提取。本發(fā)明為基于車輛軌跡的車道線提取方法，首先基于無人機的低空航拍視頻提取車輛軌跡，然后基于車輛軌跡構建車輛軌跡圖像;應用形態(tài)學閉運算、腐蝕方法去除換道車輛軌跡造成的不同車道間的軌跡粘連;基于軌跡區(qū)域長度特征，篩除非車輛軌跡區(qū)域;然后計算每條車道軌跡的最小外接矩形，該最小外接矩形的中心線即為車道的中心線，即實現(xiàn)了車道線提取。上述基于車輛軌跡的車道線提取方法，流程如圖8所示，具體處理步驟如下:
[0030]步驟1:車輛軌跡提??；
[0031]基于無人機的低空航拍圖像，提取車輛軌跡。軌跡提取方法可以為手工提取，也可以基于粒子濾波、KLT特征點跟蹤或TLD等現(xiàn)有的自動軌跡提取方法，用于下一步中構建車輛軌跡圖像。為獲得最好的車道線提取結果，每條車道所提取的車輛軌跡數(shù)應不少于20條，即每條車道需要至少20輛車經(jīng)過。將提取的車輛軌跡重疊繪制到航拍圖像上，圖1所示為車輛軌跡的疊加效果圖。
[0032]步驟2:車輛軌跡圖像構建；
[0033]用上步中基于無人機航拍圖像提取的車輛軌跡創(chuàng)建軌跡圖像，車輛軌跡原始數(shù)據(jù)為離散的點，這里在創(chuàng)建軌跡的過程中需要將車輛軌跡點根據(jù)提取的先后順序連接成曲線。軌跡圖像的圖像創(chuàng)建分如下三步:1)創(chuàng)建白色背景的空白圖像，圖像大小與提取軌跡的航拍圖像等大；2)將車輛軌跡曲線繪制到空白圖像。因為車輛軌跡為矢量，不存在寬度問題，但是繪制軌跡到圖像的過程需要考慮該線寬因素，這里車輛軌跡的線寬默認取車輛橫向寬度的1/6，車輛橫向寬度需要手工測量獲得。圖2所示為創(chuàng)建的軌跡圖像，該圖為二值圖像；
[0034]步驟3:基于形態(tài)學閉運算與腐蝕消除不同車道間軌跡粘連；
[0035]多輛車的軌跡在重合后，會形成重合區(qū)，但軌跡間會存在縫隙，這里采用形態(tài)學閉運算方法填充軌跡空隙，以形成完整的連通區(qū)域。車輛換道會造成軌跡圖像中不同車道間的車輛軌跡粘連，如圖2所示，四條車道間存在著軌跡的粘連現(xiàn)象，這會影響后續(xù)車道線提取的準確度，因此需消除這種粘連，這里采用形態(tài)學腐蝕方法對軌跡圖像進行處理，以消除軌跡粘連，其中腐蝕結構元素采用圓，圓的半徑為車輛寬度的1/5。圖3所示的軌跡圖中，圖2中換道車輛的軌跡被篩除，即消除了軌跡粘連部分。如圖3右下角所示，部分非軌跡區(qū)域未被消除，需要進行篩除，這里基于車輛軌跡的長度特征，將長度小于圖像長度1/2的軌跡連通區(qū)域進行篩除，圖4中顯示篩除了圖3中右下角較短的非車輛軌跡部分。
[0036]步驟4:最小外接矩形法提取車道線
[0037]對步驟3中已打斷軌跡粘連的軌跡圖像，計算每條車道上車輛軌跡的最小外接矩形，如圖5所示每個車道上的車輛軌跡被一個長矩形外包，然后計算最小外接矩形的中心線，如圖6所示，該中心線即為道路的車道線，即實現(xiàn)了車道線提取，如圖7所示，顯示提取到四個車道的車道線。
【主權項】
1.基于車輛軌跡的車道線自動提取方法，包括以下幾個步驟: 步驟1:車輛軌跡提??； 基于無人機的低空航拍圖像，進行車輛軌跡提??； 步驟2:車輛軌跡圖像創(chuàng)建； 創(chuàng)建與航拍圖像大小相等的空白圖像，車輛軌跡原始數(shù)據(jù)為離散點，將車輛軌跡的離散點根據(jù)提取的先后順序繪制到空白圖像，離散點連接成曲線，形成車輛軌跡圖像，設置車輛軌跡的線寬； 步驟3:基于形態(tài)學膨脹腐蝕消除不同車道間軌跡粘連； 多輛車的軌跡重合后，形成重合區(qū)，軌跡間存在縫隙，采用形態(tài)學閉運算填充軌跡空隙，形成完整的連通區(qū)域;車輛換道造成軌跡圖像中不同車道間軌跡粘連，采用形態(tài)學腐蝕方法對軌跡圖像進行處理，消除軌跡粘連； 步驟4:最小外接矩形法提取車道線； 對步驟3中得到的軌跡圖像，獲取每條車道上車輛軌跡的最小外接矩形，計算最小外接矩形的中心線，中心線即為道路的車道線。2.根據(jù)權利要求1所述的基于車輛軌跡的車道線自動提取方法，所述的步驟1中，每條車道提取的車輛軌跡數(shù)不少于20條。3.根據(jù)權利要求1所述的基于車輛軌跡的車道線自動提取方法，所述的步驟2中，車輛軌跡的線寬為車輛橫向寬度的1 /6。4.根據(jù)權利要求1所述的基于車輛軌跡的車道線自動提取方法，所述的步驟3中，形態(tài)學腐蝕方法中腐蝕結構元素采用圓型，圓的半徑為車輛寬度的1/5;圖像腐蝕后，將長度小于圖像長度1/2的軌跡連通區(qū)域進行篩除。
【專利摘要】本發(fā)明公開了一種基于車輛軌跡的車道線自動提取方法，包括步驟1：車輛軌跡提??；步驟2：車輛軌跡圖像創(chuàng)建；步驟3：基于形態(tài)學閉運算與腐蝕消除不同車道間軌跡粘連；步驟4：最小外接矩形法提取車道線；本發(fā)明提取車道線不依賴于道路標線，因此對無標線或標線模糊的道路區(qū)域同樣適用；本發(fā)明可同時提取多車道的車道線，效率高，無人機具有可移動的優(yōu)勢，因此可用于對無交通監(jiān)控設備的路段進行車道線提取。
【IPC分類】G06K9/00
【公開號】CN105488485
【申請?zhí)枴緾N201510890424
【發(fā)明人】王云鵬, 徐永正, 余貴珍, 吳新開, 李欣旭
【申請人】北京航空航天大學
【公開日】2016年4月13日
【申請日】2015年12月7日