(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 202211056543.6 (22)申请日 2022.08.31 (71)申请人 南通大学 地址 226019 江苏省南 通市崇川区啬园路9 号 (72)发明人 杜超楠　顾翔　程邓阳　钱聪　 张一迪　王镇　仲光玲　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 专利代理师 张俊俊 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/762(2022.01) G06V 10/30(2022.01) G06V 10/25(2022.01)G06T 7/13(2017.01) G06T 5/50(2006.01) G06T 5/00(2006.01) (54)发明名称 基于改进Canny算法的弱光照环 境下机动车 车道线检测方法 (57)摘要 本发明提供了一种基于改进Canny算法的弱 光照环境下机动车车道线检测方法， 属于图像处 理和机动车道路安全行驶技术领域。 解决了在弱 光照环境下机动车车道线检测时， Canny边缘检 测忽略重要的边缘信息、 固定的感兴趣区域的不 够灵活以及拟合车道线时存在噪声线段的问题。 其技术方案为： 包括以下步骤： S1： 从视频中获取 固定帧频的图像， 进行图像变换； S2： 对图像做非 局部均值去噪； S3： 将图像灰度化； S4： 设计多感 兴趣区域最优筛选算法； S5： 使用霍夫变换直线 检测算法进行车道线检测； S6： 依照直线 斜率， 统 计出左右车道线的直线， 绘制出车道线。 本发明 的有益效果为： 可有效提高弱光照环 境下车道线 识别效果。 权利要求书3页 说明书6页 附图2页 CN 115471802 A 2022.12.13 CN 115471802 A 1.一种基于改进Canny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 包括 以下步骤： S1： 从视频中获取固定帧频的图像， 进行图像 变换， 得到图像Img； S2： 对图像做非局部均值去噪， 限制对比度自适应直方图均衡化， 得到去噪增强后的图 像， 并对增强结果进行第一次K ‑means聚类； S3： 将图像灰度化， 采用改进的Can ny边缘检测算法检测边 缘信息； S4： 设计多感兴趣区域最优筛选算法， 确定四个顶点， 设置多个感兴趣区域， 选出最佳 感兴趣区域； S5： 使用霍夫变换直线检测算法进行车道线检测， 对检测结果进行第二次K ‑means聚 类； S6： 依照直线斜率， 统计出左右车道线的直线， 计算出平均 斜率， 进行离群值过滤， 过滤 掉斜率差异大的直线， 对保留下来的线段做最小二乘拟合， 绘制出 车道线。 2.根据权利要求1所述的基于改进C anny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 所述步骤S2中， 对去噪增强后的图像进行第一次K ‑means聚类， 具体包括以下 步骤： S21、 非局部均值去噪 对原始图像使用非局部均 值去噪Non ‑LocalMeans算法进行图像去噪， 去除所采集图像 中的高斯噪声， 通过调用Open  CV函数库中的cv2.fastNlMeansDenoisingColored(Img)实 现； S22： 限制对比度自适应直方图均衡增强图像 计算去噪之后图像的局部直方图， 通过重新分布亮度 改变图像对比度， 需要对彩色图 像的三个通道分别进行均衡化， 调用Open  CV函数库中的cv2.createCLAHE(clipLimit＝ 2.0,tileGridSiz e＝(8,8))函数， 切分图像的三个通道(B,G,R)＝cv2.split(i mg)， 分别对 三个通道使用CLA HE算法R,G,B＝clah e.apply(R),clahe.appl y(G),clah e.apply(B)， 从而 得到三通道直方图均衡化的增强图像； S23： 对增强图像进行第一次图像相似像素点的K ‑Means聚类， 聚类的类别数设置为64。 3.根据权利要求1所述的基于改进C anny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 所述步骤S3中， 改进Canny边缘检测算法， 在Canny边缘检测算法第一步的高斯 模糊中， 采用两个核函数结合的形式进 行滤波， 一个核函数负责计算空间邻近度的权值， 另 一个核函数负责计算像素值相似度的权值， 其目的在于考虑空间临近信息与颜色相似信 息、 去除图像噪声、 平 滑图像的同时， 兼顾图像边 缘信息的保存， 所使用的卷积核为： 其中， Can ny边缘检测算法的核函数中使用两个函数分别为： 所采用的卷积核的大小是3 ×3， 使用的卷积核为：权　利　要　求　书 1/3 页 2 CN 115471802 A 24.根据权利要求1所述的基于改进C anny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 所述步骤S4中， 设计多感兴趣区域最优筛选算法， 将对感兴趣区域与 原图像进 行布尔与运算， 得到包含车道线一致轮廓的图像； 通过对每个感兴趣区域进行一次霍夫变 换， 得到含有 车道线的不同的线段数， 选择得到线段数最多的感兴趣区域， 作为最佳感兴趣 区域。 5.根据权利要求4所述的基于改进C anny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 所述 步骤S4具体包括以下步骤： S41： 设置多个梯形以及矩形感兴趣区域， 将感兴趣区域与原图像做布尔与运算， 得到 包含车道线轮廓的图像； S42： 对得到的图像通过实施霍夫变换直线检测， 在 具体实现中， 可调用Op en CV函数库 中的HoughLineP函数， 得到包含有不同感兴趣 区域对应车道线的线段坐标， 统计各个感兴 趣区域线段坐标个数， 筛 选得到线段个数最多的感兴趣区域作为 最优感兴趣区域。 6.根据权利要求1所述的基于改进C anny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 所述步骤S 5中， 使用霍夫变换直线检测算法进 行车道线检测， 对检测结果进 行 第二次K‑means聚类， 使用霍夫变换直线检测算法检测由步骤S4得到的最佳感兴趣 区域图 像， 得到相应车道线轮廓的直线坐标组， 每组坐标代表一条直线， 对直线组进行第二次K ‑ means聚类， 聚类的种类数设置为2， 用于剔除边 缘线段和噪声 线段， 初步得到左右车道线； 具体包括以下步骤： S51： 对图像使用霍夫变换直线检测来获取包含车道线轮廓的直线坐标， 同时统计出得 到的直线数， 在霍夫变换下 的直线的表达形式是通过记坐标的形式来表达， 其检测原理是 对于在二维平面 上的一个 点(xi， yi))， 经过它的直线有无数条， 且对 于不同的a,b值， 满足方 程yi＝axi+b， 将等式写为b＝yi‑axi， 并考虑ab平面， 得到固定点(ai， yi)的单条直线方程， 该 直线是唯—确定的， 通过调用HoughL ineP实现霍夫变换直线检测； S52： 采用K ‑means聚类算法对Hou ghLineP()得到的直线进行聚类， 聚类的类别数设置 为2类， 在改进的霍夫变换里， 检测一条直线所需最少的曲线交点设置为15， 组成一条直线 的最少点的数量设置为 40， 被认为在一条直线上的亮点的最大距离为20 。 7.根据权利要求1所述的基于改进C anny算法的弱光照环境下机动车车道线检测方法， 其特征在于， 所述 步骤S6中， S61： 利用左右车道线 斜率的正负不同， 左车道线 斜率为正， 记为kl， 右车道斜率为负， 记 为kr， 设定斜率差异的阈值为threshold＝0.2， 计算属于左右车道线的线段的平均斜率， 记 为km， 左右车道的直线的斜 率满足的斜 率条件约束为： 通过不断地迭代剔除与平均斜 率差异超过阈值的线段， 剩下斜 率大致相同的线段； S62： 通过最小二乘拟合一次函数， 设拟合直线的公式为： y＝kx+b， 其中拟合直线的斜 率为：权　利　要　求　书 2/3 页 3 CN 115471802 A 3