基于三目摄像机的车道线识别方法研究

发布时间：2020-06-04 15:30

【摘要】：现今,由于信息和计算机技术的高速发展,在对待道路交通问题上,人们越来越倾向于依靠高科技来寻求解决之路,世界各国都竞相开展智能车自动驾驶系统的研发。车辆视觉导航子系统最为关键的技术就是计算机视觉,计算机视觉的主要任务是道路的识别和跟踪。国内外许多的学者对于视觉导航也都进行了研究,有基于单目视觉技术的研究,也有基于双目或多目的多维度视觉导航技术研究。首先,本文对试验汽车上的三目摄像机采集的道路图像进行预处理,根据左、中、右摄像机设置的位置与方向,使用ROI区域提取对图像进行区域选择;使用图像灰度加权法,对ROI区域图像进行灰度化;同时采用直方图均衡化对有效信息突出,无效信息剔除,减少图像信息的复杂性;采用高斯滤波,将图像中噪声进行抑制,在一定程度上降低噪声对图像的干扰。运用Sobel算法检测出图像车道线边缘,降低图像边缘模糊程度,在一定程度上提高车道线边缘的准确性。其次,本文进行车道线检测与车道线跟踪。采用基于直线道路模型匹配方法对道路进行匹配,将带弯曲的道路模拟成直线道路进行匹配。霍夫变换算法将图像空间的直角坐标转换成参数空间的极坐标系中的坐标,并对多帧图像的车道线进行跟踪,加入投票机制检测虚假车道线,并将检测到的结果进行坐标转换发送给上层模块。最后,本文采用基于三目摄像机四车道线融合算法拟合出新的车道参考线。车道线的融合是对三目车道线的二次判断的过程,即第一次判断是在霍夫变换车道线检测后,判断是否找到车道线,以排除非车道的干扰线;第二次判断是在图像中车道线转换成世界坐标下的车道线是否符合实际情况,以防止因为摄像机摆放或是图像采集错误的问题而造成车道线检测丢失;将二次判断后的车道线与16种组合可能出现的参考线进行匹配,融合成车道参考线。
【图文】：

流程图,预处理,流程图,图像数据

智能车辆视觉系统通过摄像机、行车记录仪等视频设备，对车辆行驶的道路进行路面信息的图像采集，并将获取到的图像数据（图像帧）进行数据处理以及数据分析[13]。由于在图像的采集生成、数据传输以及数据转化的过程中，图像数据容易产生噪音或者失真等情况。因此，为了提高图像数据的质量，消除或减少受到外界因素的影响，将图像中与道路数据相关的信息进行突显。所以在对图像数据进行操作前，须对原始的图像数据进行预处理。图像预处理[14](Image Preprocessing)是指为了减少或消除环境等外界因素的影响，根据实际应用需要对图像的某些信息特征进行突显，同时将与实际应用需要不相关的信息进行削弱或者清除的处理过程与处理方法。对图像进行预处理的目的在于，图像进行预处理后，图像的信息针对实际应用某种特定需要，与原始图像的数据信息相比，更便于人和机器对图像的理解和分析。针对于本研究课题，道路图像预处理流程如图 2-1 的红色虚线框区域：

ROI区域,摄像机,图像数据,区域选择

图 2-3 中间摄像机 ROI 区域选择像机采集到的图像数据进行 ROI 区域选择。设置 ROI ROI 区域的上界线一致，即红色线与图像顶部距离为线水平中心点 ( )0x 0, 0为起点，与红色线的左侧线夹角接线，，此连接线即为 ROI 左侧界线；原图像右侧边界为线以下与左侧蓝色线往右区域组合建立成的阴影部分为图 2-4 所示。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TN948.41;U495

【参考文献】