基于RGB彩色通道的结构化道路车道线检测

１乏ａ叶技２０１５年第２８卷第１期　ｄｏｉ：１０．１６１８０／ｊ．ｃｎｋｉ．ｉｓｓｎｌ００７—７８２０．２０１５．０１．０２６　Ｅｌｅｃｔｒｏｎｉｃ　Ｓｃｉ．＆Ｔｅｃｈ．／Ｊａｎ．１５．２０１５　基于ＲＧＢ彩色通道的结构化道路车道线检测　杨镨杰　（西安电子科技大学物理与光电工程学院，陕西西安摘要７１００７１）　车道线检测是车辆智能辅助系统的重要组成部分，为提高检测准确性，文中采用一种基于ＲＧＢ颜色特征　的车道线检测方法。根据车道线颜色特征设计转移函数标记图像中的车道线区域，并应用基于形态学的边缘检测算法　提取车道线边缘，最终检测出车道线。文中算法原理简单，在车道线边缘识别上，具有较高的准确度，对自动车辆车　道线检测有一定的意义。　关键词　车道线检测；颜色特征；交变顺序滤波器　中图分类号　ｒＰ２７７　文献标识码Ａ　文章编号１００７—７８２０（２０１５）０１—０９５—０４　Ｌａｎｅ　Ｄｅｔｅｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　ＲＧ　Ｃｈａｎｎｅｌｓ　ＹＡＮＧ　Ｚｈｉｊｉｅ　（Ｓｃｈｏｏｌ　ｏｆ　Ｐｈｙｓｉｃｓ　ａｎｄ　Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉｄｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７　１００７　１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ　Ｌａｎｅ　ｄｅｔｅｃｔｉｏｎ　ｉｓ　ａｎ　ｉｍｐｏ￣ａｎｔ　ｐａｒｔ　ｏｆ　ｉｎｔｅｌｌｉｇｅｎｔ　ｖｅｈｉｃｌｅ　ｖｉｓｉｏｎ　ｎａｖｉｇａｔｉｏｎ　ｓｙｓｔｅｍ．Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｉｍ－　ｐｒｏｖｅ　ｔｈｅ　ｄｅｔｅｃｔｉｏｎ　ａｃｃｕｒａｃｙ，ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ａ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｃｏｌｏｒ　ｆｅａｔｕｒｅ．Ｔｒａｎｓｆｅｒ　ｆｕｎｃｔｉｏｎ　ｉｓ　ｄｅｓｉｇｎｅｄ　ｔｏ　ｍａｒｋ　ｔｈｅ　ｌａｎｅ　ｒｅｇｉｏｎｓ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｃｏｌｏｒ　ｆｅａｔｕｒｅ　ｏｆ　ｔｈｅ　ｌａｎｅ　ｉｎ　ｔｈｅ　ｉｍａｇｅ．Ｔｈｅｎ　ｔｈｅ　ｅｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏ－　ｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｍｏｒｐｈｏｌｏｇｙ　ｉｓ　ｕｓｅｄ　ｔｏ　ｄｅｔｅｃｔ　ｔｈｅ　ｅｄｇｅ　ｏｆ　ｔｈｅ　ｌａｎｅ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｔｈｅ　ａｄｖａｎｔａｇｅｓ　ｏｆ　ｓｉｍｐｌｅ　ｐｒｉｎｃｉ－　ｐｌｅ　ａｎｄ　ｈｉｇｈ　ａｃｃｕｒａｃｙ　ｉｎ　ｔｈｅ　ｌａｎｅ　ｅｄｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ，ａｎｄ　ｈａｓ　ｃｅｒｔａｉｎ　ｓｉｇｎｉｆｉｃａｎｃｅ　ｔｏ　ｔｈｅ　ａｕｔｏｍａｔｉｃ　ｖｅｈｉｃｌｅ　ｌａｎｅ　ｄｅｔｅｃ—　ｔｉｏｎ．　Ｋｅｙｗｏｒｄｓ　ｌａｎｅ　ｄｅｔｅｃｔｉｏｎ；ｃｏｌｏｒ　ｆｅａｔｕｒｅ；ａｌｔｅｒｎａｔｉｎｇ　ｓｅｑｕｅｎｔｉａｌ　ｆｉｌｔｅｒ　随着公路设施的完善和个人车辆持有量迅速增　加，公路的安全隐患也越来越严重。车载车辆智能辅　助系统的研究已成为交通领域的热点…。基于机器视　文采用一种特征颜色的边缘检测算法，针对特征颜色　ＲＧＢ分量值的特征，采用设定的转移函数标记特征颜　色区域，在确定的车道线主要区域应用数学形态学方　法进行边缘检测，从而可剔除大量的无效边缘，检测出　车道线。该方法较为简单，且处理速度快。　觉的系统由于其价格低廉以及蕴含信息丰富，已被广　泛应用。其中车道线检测和预警技术则是车辆智能辅　助系统的重要组成部分之一¨　。　针对车道检测问题已提出多种不同算法，基本可　归纳为两类：一是利用车道线固定明显的颜色特征提　１　车道线颜色特征提取　１．１　ＲＧＢ颜色空间模型　取出具有某种特殊颜色的目标，然后通过对车道建模，　再根据其特殊的几何特征、尺寸特征、形状特征进行第　二次提取最终得到车道线；二是先将原图像转化为灰　度图像，进行图像预处理，然后进行边缘检测，再对车　道标识线建模，利用Ｈｏｕｇｈ变换检测到车道标识　线　Ｊ。通过对这两类算法的研究发现，前一类算法直　针对图像处理，ＲＧＢ是重要和常见的颜色模型，　其建立在笛卡尔坐标系中，以红、绿、蓝３种基本色为　基础，进行不同程度的叠加，从而产生丰富而广泛的颜　色，即三基色模式　Ｊ。　图１所示，ＲＧＢ颜色空间以一个单位长度的立方体　来表示颜色，黑、蓝、绿、青、红、紫（品红）、黄、白等８种　接对彩色图像进行处理，算法复杂性高、实时性差。而　后一类算法对灰度图像处理，在边缘检测时，车道线的　特征明显被弱化，使得提取车道线难度加大Ｈ　Ｊ。　对于第一类算法处理速度慢、实时性差的缺点，本　收稿日期：２０１４—０７—１８　常见颜色分别位于立方体的８个顶点　］。将黑色置于　三维直角坐标系的原点，红、绿、蓝分别在３个坐标轴　上，整个立方体在每一象限内。各颜色的取值范围：尺　是０～２５５；Ｇ是０—２５５；　是０—２５５，归一化到０—１之　间。红绿蓝分量全部组合共可表示２５６　＝１６　７７７　２１６　种不同的颜色。因此，用ＲＧＢ颜色空间来近似表达自　然界中的颜色是可以达到使用要求。　ｗｗｗ．ｄｌａｎｚｉｋＰｊ１．ｏｒｇ——　９５　作者简介：杨智杰（１９９０一），男，硕士研究生。研究方向：　数字图像处理。Ｅ—ｍａｉｌ：７２９３０６３２１＠ｑｑ．ｃｏｍ　杨智杰：基于ＲＧＢ彩色通道的结构化道路车道线检测　由实验结果可看出，根据设计的特征颜色转移函　数，道路图像中大部分背景基本被消除，而目标区域得　到保留，在应用形态学算法对图像处理后能有效地检　测出黄色车道线。其算法的原理简单，且对于特定颜　有较高的准确度，因此对自动车辆车道线检测有一定　的意义。　参考文献　［１］　胡彬，赵春霞．基于概率霍夫变换的快速车道线检测方法　［Ｊ］．微电子学与计算机，２０１１，２８（１０）：１７７—１８０．　　１２　Ｉ　Ｋｏｎｇ　Ｈ，Ａｕｄｉｂｅｒｔ　Ｊ　Ｙ，Ｐｏｎｃｅ　Ｊ．Ｇｅｎｅｒａｌ　ｒｏａｄ　ｄｅｔｅｃｔｉｏｎ　ｆｒｏｍ　ａ　ｓｉｎｇｌｅ　ｉｍａｇｅ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，　２０１０，１９（８）：２２１１—２２２０．　色车道线的检测效果良好。　但该算法也存在不足，当背景物体颜色与车道线　颜色相近时，在检测出车道线的同时，背景区域也会被　标记出来。针对这一不足，正在寻求改进的方法，主要　思想是根据人的视觉特点，由图像的底部开始，设定一　［３］刘献如，蔡自兴．结构化道路车道线的鲁棒检测与跟踪　个梯形的感兴趣区域，只对在感兴趣区域内的车道线　进行检测，由此便可剔除道路以外其他背景的干扰。　［Ｊ］．光电子・激光，２０１０（１２）：１８３４—１８３８．　［４］　周磊，任国全，肖浩，等．结构化道路车道线快速检测的一　种改进算法［Ｊ］．计算机仿真，２０１２，２９（４）：３６２—３６６．　［５］　赵景秀，王菁，赵昭．基于ＲＧＢ空间剖分的彩色图像边缘　检测［Ｊ］．光电子技术，２００９，２９（３）：１７１—１７４．　４结束语　智能车辆视觉导航系统中，车道线检测是一个重　要环节。本文采用基于ＲＧＢ通道和数学形态学的检　测算法，根据道路图像中车道线颜色特征设计转移函　数来标记原图像中的车道线区域，应用数学形态学算　法对选取的区域进行边缘检测得到检测结果。该算法　［６］　杨璩，朱雷．基于ＲＧＢ颜色空间的彩色图像分割方法　［Ｊ］．计算机与现代化，２０１０（８）：１４７—１４９．　［７］　雷涛，樊养余，王小鹏，等．基于形态学结构元素建模的车　道线检测算法［Ｊ］．计算机应用，２００９，２９（２）：４４０—４４３．　［８］　徐岩，雷涛．基于形态学方法的车道线检测算法研究［Ｊ］．　铁道学报，２００９，３１（１）：１０７—１１０．　的原理简单，运算速度快，且在车道线边缘识别上，具　（上接第９４页）　ｒｅｃｖｄａｔａ　ｓｏｃｋ＝ｓｏｃｋｅｔ（ＡＦ—ＩＮＥＴ，ＳＯＣＫ—　命预测的功能，并可及时通知维护人员保养与维护　设备。　ＤＧＲＡＭ，０）；／／其中，ｒｅｃｖｄａｔａ是文中构造的一个结构　体，形式为：　ｓｔｒｕｃｔ　ＲｅｃｖＰａｒａｍ　参考文献　［１］彭宇，刘大同，彭喜元．故障预测与健康管理技术综述　［Ｊ］．电子测量与仪器学报，２０１０　２４（１）：１—９．　［２］赵兵，夏良华，满强，等．设备健康管理系统的设计与实现　［Ｊ］．计算机测量与控制，２０１０，１８（５）：１０２４—１０２６．　［３］　罗莉琴，詹祖桥．Ｗｉｎｄｏｗｓ网络编程［Ｍ］．北京：人民邮电　出版社，２０１１．　［４］　张宝珍．预测与健康管理技术的发展及应用［Ｊ］．测控技　术，２００８，２３（２）：５—７．　｛　ＳＯＣＫＥＴ　ｓｏｃｋ；　ＭｅｍｏｒｙＰｒｏｃｅｓｓｏｒ｝ｍｅｍｏ；／／开辟内存　｝。　（３）调用ｂｉｎｄ函数将套接字绑定到本地的某个地　址和端口上。　（４）调用ｒｅｃｖｆｒｏｍ函数接收数据包。当接收到数　据包后对数据包进行解析处理。　［５］孙鑫．ＶＣ＋＋深入详解［Ｍ］．北京：电子工业出版社，２０１２．　［６］姜旭．基于Ｓｉｌｖｅｒｌｉｇｈｔ教学ＣＡＤ机房管理系统［Ｊ］．电子　科技，２０１１，２４（７）：１６５—１６６．　［７］　牛永洁．改进的ＲＢＡＣ在设备管理系统中的应用［Ｊ］．电　子设计工程，２０１１，１９（５）：９８—１００．　４结束语　基于ＵＤＰ协议的设备健康管理系统采用Ｖｉｓｕａｌ　Ｓｔｕｄｉｏ　２００５开发工具及ＭｙＳＱＬ设计，能较好地对实时　状态数据进行存储及分析，实现了故障告警机制和寿　ＷＷＷ．ｄｉａｎｚｉｋｅｊｉ．ｏｒｇ