(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 202210349514.2 (22)申请日 2022.04.02 (71)申请人 奇瑞万达贵州客车股份有限公司 地址 550009 贵州省贵阳市经济技 术开发 区开发大道8 88号 (72)发明人 江涛　李洪达　李建芳　 (74)专利代理 机构 贵阳中新专利商标事务所 52100 专利代理师 胡绪东 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/44(2022.01) G06V 10/30(2022.01) G06V 10/25(2022.01) G06T 7/277(2017.01)G06F 17/11(2006.01) (54)发明名称 一种用于车道偏离系统中的车道线识别系 统和方法 (57)摘要 本发明公开了一种用于车道偏离系统中的 车道线识别系统和方法， 包括特征图像提取模 块， 对相机捕获到的视频图像进行车道线特征图 像提取； 特征点提取与跟踪模块， 对得到的图像 进行特征点的提取， 获取相对可靠的特征点位置 后， 对特征点进行跟踪； 并获取曲线车道线方程； 车道中心线方程拟合计算模块， 通过两侧跟踪到 的特征点计算车道中心线特征点， 拟合出图像坐 标下车道中心线方程， 然后通过标定获得逆透视 图像与实际道路之间的横纵向坐标比例关系， 利 用车道中心线方程与此比例关系进行实际车道 中心线方程的计算。 本发明能够实时精确地进行 车道线识别并精确计算车道中心线方程， 减少由 于驾驶员疲劳驾驶或注意力分散引发的交通事 故， 提高行 车安全性。 权利要求书1页 说明书4页 附图2页 CN 114663860 A 2022.06.24 CN 114663860 A 1.一种用于车道偏离系统中的车道线识别系统， 其特 征在于： 包括 特征图像提取模块， 对相机捕获到的视频图像进行 车道线特 征图像提取； 特征点提取与跟踪模块， 对特征图像提取模块得到的图像进行特征点的提取， 获取相 对可靠的特征点位置后， 使用卡尔曼滤波器对特征点进行跟踪； 并获取图像坐标系 下车道 中心线方程； 车道中心线方程拟合计算模块， 通过两侧跟踪到的特征点计算车道中心线特征点， 拟 合出图像坐标下车道中心线方程， 然后通过标定获得逆透视图像与实际道路之 间的横纵向 坐标比例关系， 利用特征点提取与 跟踪模块所得图像坐标系下车道中心线方程与此比例关 系进行实际车道中心线方程的计算。 2.一种用于车道偏离系统中的车道线识别方法， 其特征在于： 该方法为： 在进行车道偏 离预警之前， 先进行 车道线识别并估计车道中心线方程； 具体步骤如下： 一、 在图像预处理 阶段， 对图像进行畸变校正， 再对校正后的图像进行逆透视变换获取 车前方道路的俯视图， 并对IPM图像进行双边滤波消除图像噪声； 二、 使用 Sobel 算子对IPM图像进行边缘检测， 并基于车道线宽度模型与边缘检测图 像进行车道线 特征图像的提取； 然后， 在得到车道线 特征图像后搜索并提取车道线 特征点， 并使用最小二乘法对特 征点进行拟合， 获取 车道线方程； 三、 采用卡尔曼滤波器对车道线特征点进行跟踪， 建立前后帧之间特征点的联系， 同时 使用获取的车道线方程建立动态感兴趣区域； 最后根据卡尔曼滤波器跟踪到的车道线 特征 点计算出 车道中心线特 征点并进行拟合， 获取像素坐标 下车道中心线方程； 四、 在得到像素坐标下车道中心线方程后， 确定逆透视 图像与实 际道路坐标空间之间 的比例关系， 计算 实际道路坐标下车前道路中心线方程、 曲率半径 等信息、 同时分析车道偏 离预警模型， 制定偏离预警决策算法， 设置预警触发条件。 3.根据权利要求2所述的一种用于车道偏离系统中的车道线识别方法， 其特征在于： 步 骤一中先进行图像的灰度化， 再对图像进行逆透 视变换。 4.根据权利要求2所述的一种用于车道偏离系统中的车道线识别方法， 其特征在于： 步 骤二中车道特征图像提取方法为： 设g(x， y)为边缘检测图像的梯度值， T为梯度阈值， L为车 道线宽度； 当某点梯度g  (x， y)大于阈值  T且与其水平相隔距离  L处的像素点  g(x+L， y)的 梯度值也大于阈值  T， 则此处为可能的车道线边缘点， 将这两点间的像素值全部置为255， 不符合条件的像素点像素值置为  0， 至此即完成从  Sobel 边缘检测图像到车道特征图像 的提取。权　利　要　求　书 1/1 页 2 CN 114663860 A 2一种用于车道偏离系统中的车道线识别系统和方 法 技术领域 [0001]本发明涉及 一种用于车道偏离系统中的车道线识别系统和方法， 属于车道线识别 技术领域。 背景技术 [0002]随着机动车数量的不断增加， 由驾驶员误操作引发的交通安全问题日益严峻， 以 安全辅助驾驶系统为代 表的智能汽车技 术可有效减少因驾驶员操作失误 导致的交通事故。 [0003]当然， 在室外自然环境下的汽车安全驾驶预警系统中， 环境光照以及视野角 度变 化会严重影响车道线识别。 如果车道线的识别率略低以及  ACC （自适应巡航） 对于前方压线 行驶车辆的识别率很低， 就会有发生碰撞的隐患。 近年来许多学者一直采用各种办法来消 除这些因素 的影响。 比如有些学者采用直方图法来增强识别目标域值， 同时采用具有修正 值的各种边缘检测方法来提高边缘检测精度。 这些方法能在较稳定光照环境下提高识别精 度， 减少了背 景噪声。 但是没有根本解决实际动态变化自然光照对车道线识别的影响。 比如 光线强弱变化， 以及视野角度改变都会影响识别精度。 另外一些学者通过采用改变摄像机 物理属性来提高识别精度， 比如采用红外摄像机替换普通摄像机。 这种方法虽然可以直接 消除环境 光照影响， 但造价较高， 还无法推广到当今的汽车安全驾驶辅助系统中。 发明内容 [0004]本发明要解决的技术问题是： 提供一种用于车道偏离系统中的车道线识别系统和 方法， 以解决现有技 术中存在的技 术问题。 [0005]本发明采取的技 术方案为： 一种用于车道偏离系统中的车道线识别系统， 包括 特征图像提取模块， 对相机捕获到的视频图像进行 车道线特 征图像提取； 特征点提取与跟踪模块， 对特征 图像提取模块得到 的图像进行特征点的提取， 获 取相对可靠的特征点位置后， 使用卡尔曼滤波器对特征点进行跟踪； 并获取图像坐标系 下 车道中心线方程； 车道中心线方程拟合计算模块， 通过两侧跟踪到的特征点计算车道中心线特征 点， 拟合出图像坐标下车道中心线方程， 然后通过标定获得逆透视图像与实际道路之间的 横纵向坐标比例关系， 利用特征点提取与跟踪模块所得图像坐标系下车道中心线方程与此 比例关系进行实际车道中心线方程的计算。 [0006]一种用于车道偏离系统中的车道线识别方法， 该方法为： 在进行车道偏离预警之 前， 先进行 车道线识别并估计车道中心线方程； 具体步骤如下： 一、 在图像预处理阶段， 对图像进行畸变校正， 再对校正后的图像进行逆透视变换 （IPM） 获取 车前方道路的俯视图， 并对IPM图像进行双边滤波消除图像噪声； 二、 使用 Sobel 算子对IPM图像进行边缘检测， 并基于车道线宽度模型与边缘检 测图像进 行车道线 特征图像的提取， 消除非车道线信息的干扰； 然后， 在得到车道线 特征图 像后搜索并提取 车道线特 征点， 并使用最小二乘法对特 征点进行拟合， 获取 车道线方程；说　明　书 1/4 页 3 CN 114663860 A 3