/ 導讀 /

車道線檢測算法分為傳統(tǒng)圖像處理方法和深度學習方法。本文詳細介紹用傳統(tǒng)圖像處理方法來解決車道線檢測問題,后文的算法源于Udacity無人駕駛課程的項目,僅做參考。

計算機視覺基礎

在正式開始算法之前,我們先簡單補充些計算機視覺的基礎知識。已有基礎的童鞋,可以略過直接看算法。

像素

像素Pixel,是picture和element的合成詞,表示圖像元素的意思,可以理解為構成圖像的最小單位。像素的大小與圖像的分辨率有關,分辨率越高,像素就越小,圖像就越清晰。

灰度圖像度化,即對彩色圖像進行灰度化處理。由于很多算法對顏色的依賴性不高,通常會對彩色圖像進行灰度化預處理,去除彩色信息,不僅能提高魯棒性,還可以提高處理速度。

灰度圖像的每個像素信息是由一個量化的灰度級來描述的,沒有彩色信息;而彩色圖像(例如RGB)的每個像素信息由RGB三原色構成的,RGB分別通過三個不同的灰度級來描述。

二值圖像

二值化就是將彩色圖像變成二值圖像。由于二值圖像的數(shù)據(jù)足夠簡單,只有兩個值,所以算法都依賴二值圖像。

二值圖像,即黑白圖像。二值圖像的每個像素只能是黑或白,沒有中間的灰度級過渡,像素值為0、1。最常用的就是采用閾值的方法進行二值化。最常用的二值化處理簡單來說,就是選取一個閾值,大于它的像素就視為白,小于它就視為黑。

色彩空間

不同色彩空間對顏色采用不同的表示方式,我們最常用的是RGB色彩空間,除此之外還有HLS、HSV、YUV、Lab色彩空間等。我們可以針對個人需求,轉換到適合的彩色空間中處理。

例如,RGB色彩空間中的R表示紅色Red,G表示綠色Green,B表示藍色Blue,這三種顏色以不同的量進行疊加,就可以顯示出所有顏色。HSL色彩空間即色相Hue、飽和度Saturation、亮度Lightness;HSV色彩空間則是由色相Hue、飽和度Saturation、明度Value組成。YUV色彩空間是由一個亮度Y和兩個色度UV決定的。而在Lab色彩空間中,L表示亮度Lightness,A表示從綠色到紅色的漸變;B表示從藍色到黃色的漸變。

顏色閾值過濾

閾值過濾需要設定一個數(shù)值,像素值高于此值的像素點變?yōu)榘咨?低于此值則變?yōu)楹谏�。具體來說,例如在RGB色彩空間中,R紅色是表示在一個區(qū)間內的連續(xù)數(shù)值;我們通過設置[min, max]值區(qū)間,將大小位于該區(qū)間內的數(shù)值保留,不在該區(qū)間的數(shù)值統(tǒng)一設置為0。通過這種操作,實現(xiàn)對圖像顏色特征的過濾。

邊緣檢測

這里要介紹的是使用圖像濾波的方式實現(xiàn)邊緣檢測。濾波,其實就是通過放大圖像中的某些頻段,同時濾掉或減弱某些頻段的方法。例如,低通濾波器的作用是消除圖像中的高頻部分,高通濾波器的作用是消除圖像中的低頻部分。

Sobel算法

Sobel算法是通過放大圖像中高頻部分,再對圖像進行二值化,可以實現(xiàn)邊緣檢測。雖然它只對垂直或水平方向的圖像頻率起作用,能夠分別得出x和y方向上的亮度函數(shù)的梯度近似值。x方向(水平方向)的Sobel濾波傾向于檢測垂直方向的邊緣,y方向(垂直方向)的Sobel濾波則傾向于檢測水平方向的邊緣。而在車道線檢測中,車道線是傾向于垂直方向的線,所以采用x方向的Sobel算法較為有效。

Canny算法

Canny算法通常是基于梯度算法,用兩個不同的閾值(高閾值和低閾值)來判斷那個點屬于邊緣,雙閾值可以有效降低邊緣的漏檢率。雖然Canny算法能夠精度高,能清晰檢測出所有邊緣,但在車道線檢測中,除了車道線還會檢測出各種陰影。因此相比之下Sobel單方向的檢測也許效果更好。

霍夫變換

霍夫變換是一種一般用于檢測直線(也可檢測圓形)的經典算法�？梢越Y合上文的Canny算法檢測直線車道線。經過Canny算法得到邊緣分布圖像后,構建一個霍夫參數(shù)空間,利用點與線的對偶性,將原始圖像空間的直線變換為參數(shù)空間的一個點。這樣就把原始圖像中直線檢測問題轉變?yōu)閷ふ覅��?shù)空間中的峰值問題。

簡單解釋下,元空間的點都對應霍夫參數(shù)空間的線,原空間的直線都對應參數(shù)空間中曲線的交點。即可以通過參數(shù)空間曲線的交點個數(shù)來尋找原空間中在一條直線上的點。

圖片來自Udacity無人駕駛課程

感興趣區(qū)域

感興趣區(qū)域,即ROI。在圖像處理過程中,我們可能會對圖像的某一個特定區(qū)域感興趣,只對該區(qū)域實施操作。對于車道線檢測來說,由于相機是固定安裝,可以選取一個區(qū)域以排除其他噪聲干擾。感興趣區(qū)域可以是任意圖形,例如四邊形或其他任意多邊形。