基于车辆轨迹的车道线自动提取方法
基于车辆轨迹的车道线自动提取方法
【技术领域】
[0001]本发明属于图像处理技术领域，涉及一种基于车辆轨迹自动提取车道线的方法，本发明旨在介绍一种普遍适用的车道线提取方法，对于道路标记不存在或模糊情况下的车道线提取问题都适用。
【背景技术】
[0002]车道线是构建道路条件的重要组成成分，对自动化的交通监控系统来说车道线提取是重要的功能。车道线提取对交通研究，如驾驶行为检测、分类(换道、车道偏离等)和单车道级的路网提取是重要也是必要的方法。
[0003]目前，基于视频的车道线提取方法是通过识别道路标线完成车道线提取，该类方式具有几点不足:1)对道路标线不存在或模糊的路段，无法提取车道线;2)由于摄像头的视角问题造成提取的车道线在远端具有较大误差;3)对于没有监控摄像头的区域，无法实现车道线提取。另一种车道线识别方法是基于GPS定位数据，其原理是携带GPS定位设备沿道路中心巡航，然后基于GPS数据提取车道线，该方法的不足之处在于GPS数据的定位误差较大，因此车道线识别精度低。
【发明内容】
[0004]针对现有车道线提取方法的不足，本发明提出了基于车辆轨迹的车道线提取方法，采用车辆轨迹反向推导车道线。本发明为基于车辆轨迹的车道线提取方法，首先基于无人机低空航拍视频提取车辆轨迹，然后基于车辆轨迹构建车辆轨迹图像，应用形态学闭运算、腐蚀方法去除换道车辆轨迹造成的不同车道间的轨迹粘连，然后计算每条车道上车辆轨迹的最小外接矩形，该最小外接矩形的中心线即为车道的中心线，即实现了车道线提取。
[0005]本发明所述的车道线自动提取方法，基于无人机航拍视频提取车辆轨迹，然后基于车辆运行轨迹反向推导车道线，不依赖于道路条件(有无道路标记或是否模糊)，具有普遍适用性。
[0006]本发明以全新的研究着入点，针对车道线提出了一种可以普遍适用的基于车辆轨迹的车道线自动提取方法，通过下述步骤实现:
[0007]步骤1:车辆轨迹提取；
[0008]基于无人机的低空航拍图像，进行车辆轨迹提取，为获得最好的车道线提取结果，每条车道所提取的车辆轨迹数不少于20条，即该车道需要至少20辆车经过。轨迹提取方法可以为手工提取，也可以基于粒子滤波、KLT特征点跟踪或TLD等现有的自动轨迹提取方法，用于下一步中构建车辆轨迹图像。
[0009]步骤2:车辆轨迹图像创建；
[0010]用上步中基于无人机航拍图像提取的车辆轨迹创建轨迹图像，车辆轨迹原始数据为离散的点，这里在创建轨迹的过程中需要将车辆轨迹点根据提取的先后顺序连接成曲线。轨迹图像的图像创建分如下三步:1)创建白色背景的空白图像，图像大小与提取轨迹的航拍图像等大；2)将车辆轨迹曲线绘制到空白图像。因为车辆轨迹为矢量，不存在宽度问题，但是绘制轨迹到图像的过程需要考虑该线宽因素，这里车辆轨迹的线宽默认取车辆横向宽度的1/6，车辆横向宽度需要手工测量获得；
[0011]步骤3:基于形态学闭运算与腐蚀消除不同车道间轨迹粘连；
[0012]多辆车的轨迹在重合后，会形成重合区，但轨迹间会存在缝隙，这里采用形态学闭运算方法填充轨迹空隙，以形成完整的连通区域。车辆换道会造成轨迹图像中不同车道间轨迹粘连，影响后续的车道线提取的准确度，因此需消除这种粘连，这里采用形态学腐蚀方法对轨迹图像进行处理，以消除轨迹粘连，其中腐蚀结构元素采用圆型，圆的半径为车辆宽度的1/5。图像腐蚀后，会有轨迹碎片存在，这里通过长度特征，将长度小于图像水平宽度1/2的轨迹碎片进行筛除。
[0013]步骤4:最小外接矩形法提取车道线
[0014]对上步中已打断轨迹粘连的轨迹图像，首先计算每条车道上车辆轨迹的最小外接矩形，然后计算最小外接矩形的中心线，即得到道路的车道线。
[0015]本发明的优点在于:
[0016](1)本发明利用车辆一般沿车道中心线行驶的特性，反向推导车道线，具有方法创新；
[0017](2)无人机具有可移动的优势，因此可用于对无交通监控设备的路段进行车道线提取；
[0018](3)本发明提取车道线不依赖于道路标线，因此对无标线或标线模糊的道路区域同样适用；
[0019](4)本发明可同时提取多车道的车道线，效率高。
【附图说明】
[0020]图1为基于无人机航拍视频提取的车辆轨迹叠加图；
[0021 ]图2为基于车辆轨迹构建的轨迹图像(二值图像)；
[0022]图3为基于形态学闭运算、腐蚀消除不同车道间轨迹粘连图；
[0023]图4为基于轨迹连通区域长度筛除轨迹碎片；
[0024]图5为计算轨迹连通区域的最小外接矩形图；
[0025]图6为计算最小外接矩形的中心线图；
[0026]图7为提取到的车道线(四车道)；
[0027]图8为本发明的方法流程图。
【具体实施方式】
[0028]下面将结合附图和实施例对本发明作进一步的详细说明。
[0029]本发明提供一种基于车辆轨迹的车道线提取方法，所用车辆轨迹基于航拍视频提取。本发明为基于车辆轨迹的车道线提取方法，首先基于无人机的低空航拍视频提取车辆轨迹，然后基于车辆轨迹构建车辆轨迹图像;应用形态学闭运算、腐蚀方法去除换道车辆轨迹造成的不同车道间的轨迹粘连;基于轨迹区域长度特征，筛除非车辆轨迹区域;然后计算每条车道轨迹的最小外接矩形，该最小外接矩形的中心线即为车道的中心线，即实现了车道线提取。上述基于车辆轨迹的车道线提取方法，流程如图8所示，具体处理步骤如下:
[0030]步骤1:车辆轨迹提取；
[0031]基于无人机的低空航拍图像，提取车辆轨迹。轨迹提取方法可以为手工提取，也可以基于粒子滤波、KLT特征点跟踪或TLD等现有的自动轨迹提取方法，用于下一步中构建车辆轨迹图像。为获得最好的车道线提取结果，每条车道所提取的车辆轨迹数应不少于20条，即每条车道需要至少20辆车经过。将提取的车辆轨迹重叠绘制到航拍图像上，图1所示为车辆轨迹的叠加效果图。
[0032]步骤2:车辆轨迹图像构建；
[0033]用上步中基于无人机航拍图像提取的车辆轨迹创建轨迹图像，车辆轨迹原始数据为离散的点，这里在创建轨迹的过程中需要将车辆轨迹点根据提取的先后顺序连接成曲线。轨迹图像的图像创建分如下三步:1)创建白色背景的空白图像，图像大小与提取轨迹的航拍图像等大；2)将车辆轨迹曲线绘制到空白图像。因为车辆轨迹为矢量，不存在宽度问题，但是绘制轨迹到图像的过程需要考虑该线宽因素，这里车辆轨迹的线宽默认取车辆横向宽度的1/6，车辆横向宽度需要手工测量获得。图2所示为创建的轨迹图像，该图为二值图像；
[0034]步骤3:基于形态学闭运算与腐蚀消除不同车道间轨迹粘连；
[0035]多辆车的轨迹在重合后，会形成重合区，但轨迹间会存在缝隙，这里采用形态学闭运算方法填充轨迹空隙，以形成完整的连通区域。车辆换道会造成轨迹图像中不同车道间的车辆轨迹粘连，如图2所示，四条车道间存在着轨迹的粘连现象，这会影响后续车道线提取的准确度，因此需消除这种粘连，这里采用形态学腐蚀方法对轨迹图像进行处理，以消除轨迹粘连，其中腐蚀结构元素采用圆，圆的半径为车辆宽度的1/5。图3所示的轨迹图中，图2中换道车辆的轨迹被筛除，即消除了轨迹粘连部分。如图3右下角所示，部分非轨迹区域未被消除，需要进行筛除，这里基于车辆轨迹的长度特征，将长度小于图像长度1/2的轨迹连通区域进行筛除，图4中显示筛除了图3中右下角较短的非车辆轨迹部分。
[0036]步骤4:最小外接矩形法提取车道线
[0037]对步骤3中已打断轨迹粘连的轨迹图像，计算每条车道上车辆轨迹的最小外接矩形，如图5所示每个车道上的车辆轨迹被一个长矩形外包，然后计算最小外接矩形的中心线，如图6所示，该中心线即为道路的车道线，即实现了车道线提取，如图7所示，显示提取到四个车道的车道线。
【主权项】
1.基于车辆轨迹的车道线自动提取方法，包括以下几个步骤: 步骤1:车辆轨迹提取； 基于无人机的低空航拍图像，进行车辆轨迹提取； 步骤2:车辆轨迹图像创建； 创建与航拍图像大小相等的空白图像，车辆轨迹原始数据为离散点，将车辆轨迹的离散点根据提取的先后顺序绘制到空白图像，离散点连接成曲线，形成车辆轨迹图像，设置车辆轨迹的线宽； 步骤3:基于形态学膨胀腐蚀消除不同车道间轨迹粘连； 多辆车的轨迹重合后，形成重合区，轨迹间存在缝隙，采用形态学闭运算填充轨迹空隙，形成完整的连通区域;车辆换道造成轨迹图像中不同车道间轨迹粘连，采用形态学腐蚀方法对轨迹图像进行处理，消除轨迹粘连； 步骤4:最小外接矩形法提取车道线； 对步骤3中得到的轨迹图像，获取每条车道上车辆轨迹的最小外接矩形，计算最小外接矩形的中心线，中心线即为道路的车道线。2.根据权利要求1所述的基于车辆轨迹的车道线自动提取方法，所述的步骤1中，每条车道提取的车辆轨迹数不少于20条。3.根据权利要求1所述的基于车辆轨迹的车道线自动提取方法，所述的步骤2中，车辆轨迹的线宽为车辆横向宽度的1 /6。4.根据权利要求1所述的基于车辆轨迹的车道线自动提取方法，所述的步骤3中，形态学腐蚀方法中腐蚀结构元素采用圆型，圆的半径为车辆宽度的1/5;图像腐蚀后，将长度小于图像长度1/2的轨迹连通区域进行筛除。
【专利摘要】本发明公开了一种基于车辆轨迹的车道线自动提取方法，包括步骤1：车辆轨迹提取；步骤2：车辆轨迹图像创建；步骤3：基于形态学闭运算与腐蚀消除不同车道间轨迹粘连；步骤4：最小外接矩形法提取车道线；本发明提取车道线不依赖于道路标线，因此对无标线或标线模糊的道路区域同样适用；本发明可同时提取多车道的车道线，效率高，无人机具有可移动的优势，因此可用于对无交通监控设备的路段进行车道线提取。
【IPC分类】G06K9/00
【公开号】CN105488485
【申请号】CN201510890424
【发明人】王云鹏, 徐永正, 余贵珍, 吴新开, 李欣旭
【申请人】北京航空航天大学
【公开日】2016年4月13日
【申请日】2015年12月7日
【技术领域】
[0001]本发明属于图像处理技术领域，涉及一种基于车辆轨迹自动提取车道线的方法，本发明旨在介绍一种普遍适用的车道线提取方法，对于道路标记不存在或模糊情况下的车道线提取问题都适用。
【背景技术】
[0002]车道线是构建道路条件的重要组成成分，对自动化的交通监控系统来说车道线提取是重要的功能。车道线提取对交通研究，如驾驶行为检测、分类(换道、车道偏离等)和单车道级的路网提取是重要也是必要的方法。
[0003]目前，基于视频的车道线提取方法是通过识别道路标线完成车道线提取，该类方式具有几点不足:1)对道路标线不存在或模糊的路段，无法提取车道线;2)由于摄像头的视角问题造成提取的车道线在远端具有较大误差;3)对于没有监控摄像头的区域，无法实现车道线提取。另一种车道线识别方法是基于GPS定位数据，其原理是携带GPS定位设备沿道路中心巡航，然后基于GPS数据提取车道线，该方法的不足之处在于GPS数据的定位误差较大，因此车道线识别精度低。
【发明内容】
[0004]针对现有车道线提取方法的不足，本发明提出了基于车辆轨迹的车道线提取方法，采用车辆轨迹反向推导车道线。本发明为基于车辆轨迹的车道线提取方法，首先基于无人机低空航拍视频提取车辆轨迹，然后基于车辆轨迹构建车辆轨迹图像，应用形态学闭运算、腐蚀方法去除换道车辆轨迹造成的不同车道间的轨迹粘连，然后计算每条车道上车辆轨迹的最小外接矩形，该最小外接矩形的中心线即为车道的中心线，即实现了车道线提取。
[0005]本发明所述的车道线自动提取方法，基于无人机航拍视频提取车辆轨迹，然后基于车辆运行轨迹反向推导车道线，不依赖于道路条件(有无道路标记或是否模糊)，具有普遍适用性。
[0006]本发明以全新的研究着入点，针对车道线提出了一种可以普遍适用的基于车辆轨迹的车道线自动提取方法，通过下述步骤实现:
[0007]步骤1:车辆轨迹提取；
[0008]基于无人机的低空航拍图像，进行车辆轨迹提取，为获得最好的车道线提取结果，每条车道所提取的车辆轨迹数不少于20条，即该车道需要至少20辆车经过。轨迹提取方法可以为手工提取，也可以基于粒子滤波、KLT特征点跟踪或TLD等现有的自动轨迹提取方法，用于下一步中构建车辆轨迹图像。
[0009]步骤2:车辆轨迹图像创建；
[0010]用上步中基于无人机航拍图像提取的车辆轨迹创建轨迹图像，车辆轨迹原始数据为离散的点，这里在创建轨迹的过程中需要将车辆轨迹点根据提取的先后顺序连接成曲线。轨迹图像的图像创建分如下三步:1)创建白色背景的空白图像，图像大小与提取轨迹的航拍图像等大；2)将车辆轨迹曲线绘制到空白图像。因为车辆轨迹为矢量，不存在宽度问题，但是绘制轨迹到图像的过程需要考虑该线宽因素，这里车辆轨迹的线宽默认取车辆横向宽度的1/6，车辆横向宽度需要手工测量获得；
[0011]步骤3:基于形态学闭运算与腐蚀消除不同车道间轨迹粘连；
[0012]多辆车的轨迹在重合后，会形成重合区，但轨迹间会存在缝隙，这里采用形态学闭运算方法填充轨迹空隙，以形成完整的连通区域。车辆换道会造成轨迹图像中不同车道间轨迹粘连，影响后续的车道线提取的准确度，因此需消除这种粘连，这里采用形态学腐蚀方法对轨迹图像进行处理，以消除轨迹粘连，其中腐蚀结构元素采用圆型，圆的半径为车辆宽度的1/5。图像腐蚀后，会有轨迹碎片存在，这里通过长度特征，将长度小于图像水平宽度1/2的轨迹碎片进行筛除。
[0013]步骤4:最小外接矩形法提取车道线
[0014]对上步中已打断轨迹粘连的轨迹图像，首先计算每条车道上车辆轨迹的最小外接矩形，然后计算最小外接矩形的中心线，即得到道路的车道线。
[0015]本发明的优点在于:
[0016](1)本发明利用车辆一般沿车道中心线行驶的特性，反向推导车道线，具有方法创新；
[0017](2)无人机具有可移动的优势，因此可用于对无交通监控设备的路段进行车道线提取；
[0018](3)本发明提取车道线不依赖于道路标线，因此对无标线或标线模糊的道路区域同样适用；
[0019](4)本发明可同时提取多车道的车道线，效率高。
【附图说明】
[0020]图1为基于无人机航拍视频提取的车辆轨迹叠加图；
[0021 ]图2为基于车辆轨迹构建的轨迹图像(二值图像)；
[0022]图3为基于形态学闭运算、腐蚀消除不同车道间轨迹粘连图；
[0023]图4为基于轨迹连通区域长度筛除轨迹碎片；
[0024]图5为计算轨迹连通区域的最小外接矩形图；
[0025]图6为计算最小外接矩形的中心线图；
[0026]图7为提取到的车道线(四车道)；
[0027]图8为本发明的方法流程图。
【具体实施方式】
[0028]下面将结合附图和实施例对本发明作进一步的详细说明。
[0029]本发明提供一种基于车辆轨迹的车道线提取方法，所用车辆轨迹基于航拍视频提取。本发明为基于车辆轨迹的车道线提取方法，首先基于无人机的低空航拍视频提取车辆轨迹，然后基于车辆轨迹构建车辆轨迹图像;应用形态学闭运算、腐蚀方法去除换道车辆轨迹造成的不同车道间的轨迹粘连;基于轨迹区域长度特征，筛除非车辆轨迹区域;然后计算每条车道轨迹的最小外接矩形，该最小外接矩形的中心线即为车道的中心线，即实现了车道线提取。上述基于车辆轨迹的车道线提取方法，流程如图8所示，具体处理步骤如下:
[0030]步骤1:车辆轨迹提取；
[0031]基于无人机的低空航拍图像，提取车辆轨迹。轨迹提取方法可以为手工提取，也可以基于粒子滤波、KLT特征点跟踪或TLD等现有的自动轨迹提取方法，用于下一步中构建车辆轨迹图像。为获得最好的车道线提取结果，每条车道所提取的车辆轨迹数应不少于20条，即每条车道需要至少20辆车经过。将提取的车辆轨迹重叠绘制到航拍图像上，图1所示为车辆轨迹的叠加效果图。
[0032]步骤2:车辆轨迹图像构建；
[0033]用上步中基于无人机航拍图像提取的车辆轨迹创建轨迹图像，车辆轨迹原始数据为离散的点，这里在创建轨迹的过程中需要将车辆轨迹点根据提取的先后顺序连接成曲线。轨迹图像的图像创建分如下三步:1)创建白色背景的空白图像，图像大小与提取轨迹的航拍图像等大；2)将车辆轨迹曲线绘制到空白图像。因为车辆轨迹为矢量，不存在宽度问题，但是绘制轨迹到图像的过程需要考虑该线宽因素，这里车辆轨迹的线宽默认取车辆横向宽度的1/6，车辆横向宽度需要手工测量获得。图2所示为创建的轨迹图像，该图为二值图像；
[0034]步骤3:基于形态学闭运算与腐蚀消除不同车道间轨迹粘连；
[0035]多辆车的轨迹在重合后，会形成重合区，但轨迹间会存在缝隙，这里采用形态学闭运算方法填充轨迹空隙，以形成完整的连通区域。车辆换道会造成轨迹图像中不同车道间的车辆轨迹粘连，如图2所示，四条车道间存在着轨迹的粘连现象，这会影响后续车道线提取的准确度，因此需消除这种粘连，这里采用形态学腐蚀方法对轨迹图像进行处理，以消除轨迹粘连，其中腐蚀结构元素采用圆，圆的半径为车辆宽度的1/5。图3所示的轨迹图中，图2中换道车辆的轨迹被筛除，即消除了轨迹粘连部分。如图3右下角所示，部分非轨迹区域未被消除，需要进行筛除，这里基于车辆轨迹的长度特征，将长度小于图像长度1/2的轨迹连通区域进行筛除，图4中显示筛除了图3中右下角较短的非车辆轨迹部分。
[0036]步骤4:最小外接矩形法提取车道线
[0037]对步骤3中已打断轨迹粘连的轨迹图像，计算每条车道上车辆轨迹的最小外接矩形，如图5所示每个车道上的车辆轨迹被一个长矩形外包，然后计算最小外接矩形的中心线，如图6所示，该中心线即为道路的车道线，即实现了车道线提取，如图7所示，显示提取到四个车道的车道线。
【主权项】
1.基于车辆轨迹的车道线自动提取方法，包括以下几个步骤: 步骤1:车辆轨迹提取； 基于无人机的低空航拍图像，进行车辆轨迹提取； 步骤2:车辆轨迹图像创建； 创建与航拍图像大小相等的空白图像，车辆轨迹原始数据为离散点，将车辆轨迹的离散点根据提取的先后顺序绘制到空白图像，离散点连接成曲线，形成车辆轨迹图像，设置车辆轨迹的线宽； 步骤3:基于形态学膨胀腐蚀消除不同车道间轨迹粘连； 多辆车的轨迹重合后，形成重合区，轨迹间存在缝隙，采用形态学闭运算填充轨迹空隙，形成完整的连通区域;车辆换道造成轨迹图像中不同车道间轨迹粘连，采用形态学腐蚀方法对轨迹图像进行处理，消除轨迹粘连； 步骤4:最小外接矩形法提取车道线； 对步骤3中得到的轨迹图像，获取每条车道上车辆轨迹的最小外接矩形，计算最小外接矩形的中心线，中心线即为道路的车道线。2.根据权利要求1所述的基于车辆轨迹的车道线自动提取方法，所述的步骤1中，每条车道提取的车辆轨迹数不少于20条。3.根据权利要求1所述的基于车辆轨迹的车道线自动提取方法，所述的步骤2中，车辆轨迹的线宽为车辆横向宽度的1 /6。4.根据权利要求1所述的基于车辆轨迹的车道线自动提取方法，所述的步骤3中，形态学腐蚀方法中腐蚀结构元素采用圆型，圆的半径为车辆宽度的1/5;图像腐蚀后，将长度小于图像长度1/2的轨迹连通区域进行筛除。
【专利摘要】本发明公开了一种基于车辆轨迹的车道线自动提取方法，包括步骤1：车辆轨迹提取；步骤2：车辆轨迹图像创建；步骤3：基于形态学闭运算与腐蚀消除不同车道间轨迹粘连；步骤4：最小外接矩形法提取车道线；本发明提取车道线不依赖于道路标线，因此对无标线或标线模糊的道路区域同样适用；本发明可同时提取多车道的车道线，效率高，无人机具有可移动的优势，因此可用于对无交通监控设备的路段进行车道线提取。
【IPC分类】G06K9/00
【公开号】CN105488485
【申请号】CN201510890424
【发明人】王云鹏, 徐永正, 余贵珍, 吴新开, 李欣旭
【申请人】北京航空航天大学
【公开日】2016年4月13日
【申请日】2015年12月7日
最新回复(0)