(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210531266.3 (22)申请日 2022.05.16 (71)申请人 南通顺沃供应链管理有限公司 地址 226001 江苏省南 通市海门区三星镇 林西村17组 (72)发明人 刘旭萍　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 夏开松 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/48(2022.01) G06V 10/56(2022.01) (54)发明名称 基于霍夫变换的车道线识别方法及系统 (57)摘要 本发明涉及图像处理技术领域， 具体涉及基 于霍夫变换的车道线识别方法及系统。 该方法包 括： 采集路面图像， 对路面图像进行边缘检测， 得 到边缘图像以及该边缘图像内的多条边缘线； 根 据每条边缘线上白色像素点的数量获取边缘线 的颜色特征指标； 选取最长的两条边缘线， 根据 其中心点坐标 获取对称中心点， 根据所有边缘线 的中心点到对称中心点的距离获取多对对称边 缘， 基于每对对称边缘上的像素点到对称中心点 的距离获取每条边缘线的对称性指标； 根据颜色 特征指标和对称性指标获取每条边缘线为车道 线的概率， 进而获取该边缘线进行霍夫变换的必 要性； 对必要性大于预设阈值的边缘线进行霍夫 变换， 得到车道线直线。 本发明实施例能够降低 霍夫变换的计算 量。 权利要求书1页 说明书6页 附图2页 CN 114898335 A 2022.08.12 CN 114898335 A 1.基于霍夫变换的车道线识别方法， 其特 征在于， 该 方法包括以下步骤： 采集路面图像， 对所述路面图像进行边缘检测， 得到边缘图像以及该边缘图像内的多 条边缘线； 根据每条 所述边缘线上白色像素点的数量获取 所述边缘线的颜色特 征指标； 选取最长的两条边缘线， 根据其中心点坐标获取对称中心点， 根据所有所述边缘线的 中心点到所述对称中心 点的距离获取多对对称边缘， 基于每对对称边缘上的像素点到所述 对称中心点的距离获取每条 所述边缘线的对称性指标； 根据所述颜色特征指标和所述对称性指标获取每条边缘线为车道线的概率， 进而获取 该边缘线进行霍夫变换 的必要性； 对所述必要性大于预设阈值的边缘线进行霍夫变换， 得 到车道线直线。 2.根据权利要求1所述的方法， 其特 征在于， 所述 边缘线的获取 过程为： 获取所述边缘图像中的多个连通域， 在每个所述连通域中， 选取连通域边缘上任意一 个边缘像素点作为起点， 根据所述起点的邻域像素点的像素值与所述起点的像素值的差异 搜索其他边缘像素点， 得到每 个所述连通 域中的所述 边缘线。 3.根据权利要求1所述的方法， 其特 征在于， 所述颜色特 征指标的获取 过程为： 将所述边缘线上每个像素点的像素值与颜色阈值相比较， 大于所述颜色阈值的像素点 为白色像素点， 获取每条所述边缘线上 的白色像素点的数量， 以其在所述边缘线上 的数量 占比作为所述颜色特 征指标。 4.根据权利要求1所述的方法， 其特征在于， 所述对称中心点的获取过程为： 将最长的 两条边缘线的中心点相连， 以连接线的中点作为所述对称中心点。 5.根据权利要求1所述的方法， 其特 征在于， 所述对称边 缘的获取 过程为： 获取每条所述边缘线中心点到所述对称中心点的距离， 将每两条边缘线对应的距离做 差， 将差值小于距离阈值的两条边 缘线组成一对 对称边缘。 6.根据权利要求1所述的方法， 其特 征在于， 所述对称性指标的获取 过程为： 对于每对所述对称边缘， 计算该对称边缘中每条边缘线上每个像素点到所述对称中心 点的距离并求和得到两个边缘距离， 根据两个边缘距离之和与最大的边缘距离获取所述对 称性指标。 7.根据权利要求1所述的方法， 其特征在于， 所述概率的获取过程为： 以所述颜色特征 指标和所述对称性指标的乘积作为该边 缘线为车道线的所述 概率。 8.根据权利要求1所述的方法， 其特征在于， 所述必要性的获取过程为： 获取必要性系 数， 利用所述必要性系数对所述 概率进行差异扩大， 获取 所述必要性。 9.根据权利要求1所述的方法， 其特 征在于， 所述车道线直线的获取 过程为： 筛选出所述必要性大于预设阈值的边缘线， 利用向量表示这些边缘线来进行直线的霍 夫变换再逆映射至图像空间， 得到所述车道线直线。 10.基于霍夫变换的车道线识别系统， 包括存储器、 处理器以及存储在所述存储器中并 可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实 现如权利要求1～ 9任意一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114898335 A 2基于霍夫变换的车道线识别方 法及系统 技术领域 [0001]本发明涉及图像处理技术领域， 具体涉及基于霍夫变换的车道线识别方法及系 统。 背景技术 [0002]随着城市机动车数量的增加， 城市交通压力不断增加， 随之而来的智 慧交通系统 迅速发展， 其中车道线识别技术广泛应用于无人驾驶领域， 用户利用车道线识别技术来使 车辆一直在道路区域中运行。 [0003]传统的识别车道线的方法为霍夫变换， 但是对图像中车道线的识别时， 由于道路 中干扰量较多， 直接使用霍夫变换往往需要 大量的计算， 然后再进 行车道线的筛选， 对车道 线识别的速度较慢， 耗费很多时间做无用计算， 浪费资源。 发明内容 [0004]为了解决上述技术问题， 本发明的目的在于提供一种基于霍夫变换的车道线识别 方法及系统， 所采用的技 术方案具体如下： [0005]第一方面， 本发明一个实施例提供了一种基于霍夫变换的车道线识别方法， 该方 法包括以下步骤： [0006]采集路面图像， 对所述路面图像进行边缘检测， 得到边缘图像以及该边缘图像内 的多条边 缘线； [0007]根据每条 所述边缘线上白色像素点的数量获取 所述边缘线的颜色特 征指标； [0008]选取最长 的两条边缘线， 根据其中心点坐标获取对称中心点， 根据所有所述边缘 线的中心点到所述对称中心 点的距离获取多对对称边缘， 基于每对对称边缘上的像素点到 所述对称中心点的距离获取每条 所述边缘线的对称性指标； [0009]根据所述颜色特征指 标和所述对称性指标获取每条边缘线为车道线的概率， 进而 获取该边缘线进行霍夫变换的必要性； 对所述必要性大于预设阈值的边缘线进行霍夫变 换， 得到车道线直线。 [0010]优选的， 所述 边缘线的获取 过程为： [0011]获取所述边缘图像中的多个连通域， 在每个所述连通域中， 选取连通域边缘上任 意一个边缘像素点作为起点， 根据所述起点的邻域像素点的像素值与所述起点的像素值的 差异搜索其 他边缘像素点， 得到每 个所述连通 域中的所述 边缘线。 [0012]优选的， 所述颜色特 征指标的获取 过程为： [0013]将所述边缘线上每个像素点的像素值与 颜色阈值相比较， 大于所述颜色阈值的像 素点为白色像素点， 获取每条所述边缘线上 的白色像素点的数量， 以其在所述边缘线上 的 数量占比作为所述颜色特 征指标。 [0014]优选的， 所述对称中心点的获取过程为： 将最长的两条边缘线的中心点相连， 以连 接线的中点作为所述对称中心点。说　明　书 1/6 页 3 CN 114898335 A 3