基于环视的车位线检测

目录

  • 概述
    • 1、摄像头的安装
    • 2、车位线检测(PLD)

概述

目前,自动泊车是一很多ADAS企业研究的热门,由于是在低速情景下,避免了很多的技术难题,很多人认为这将会是自动驾驶沿途上的一颗金蛋,率先实现量产落地。通过使用超声波雷达和鱼眼摄像头来进行车位检测,超声波雷达只能检测出旁边停靠车辆的车位,而鱼眼摄像头能根据车位线来确定车位的坐标信息,通过,融合雷达与摄像头的检测信号来确定车位。

1、摄像头的安装

(1)摄像机安装位置:考虑到环视系统视野的局限性,不能看到整个车位信息,故利用环视系统中安装在左右后视镜下方的鱼眼相机进行车位线检测;

(2)摄像机安装角度:由于鱼眼相机焦距很短,且在环视系统中为了进行图像的拼接,需要将摄像头向下一定的角度安装,但是这势必会限制图像的视野,为了更好地检测整个车位信息,需要减小安装角度以使相机能 “看得更远”。因此,这个角度需要根据环视系统以及车位线检测功能进行调整,能同时保证两个功能较好的效果。

2、车位线检测(PLD)

车位线检测的处理流程图:

R
G
采集图像
水平翻转图像
顶视图
RGB颜色通道选择
PLD
ROI设置/更新
输出结果
  1. 图像采集
    将环视系统中左右两侧的鱼眼图像作为车位线检测的图像输入;
  2. 水平翻转图像
    将图像进行水平翻转;
  3. 生成顶视图
    利用LUT生成顶视图;
  4. RGB颜色通道选择
    计算各个颜色通道的直方图,并计算方差,选择对比度较好的颜色通道进行车位线检测(PLD);
  5. ROI设置及更新
    设置好初始化的ROI,一旦检测到车位,ROI将会自动更新:在车位线的两个下端点来作为ROI的下端点;
  6. PLD车位线检测
    (1)利用sobel_x模版计算出水平的梯度方向,根据梯度来检测出边缘点,并删除“远处”的边缘点;
    (2)通过洗牌算法随机选出几个边缘点的代表点,并利用最小二乘法来拟合代表点,得到直线方程;
    (3)以各个边缘点距离直线方程的距离作为评判边缘点的“分数”,当分数超过一定的阈值则表明该边缘点为车位线的边缘点,否则重新检测。
    (4)当边缘点的分数超过阈值时,去判断车位的“分数”,该“分数”由以下因素组成:直线上点的像素值、两条直线的平行度、是否为矩形和直线段的长度及距离。
    (5)如果判断车位成功,则进行ROI区域的更新。
  7. 结果输出

你可能感兴趣的:(车位线检测)