结构化道路车道线检测方法研究
发布时间：2021-05-26 12:54
随着社会上汽车保有量的增长,交通安全日益成为一个严峻的问题。目前,通过传感器技术、模式识别、图像处理、深度学习等方法进行行车安全辅助系统的开发和研究,已然成为一个热门的课题。通过对驾驶辅助技术的研究,使得人们有望实现智能驾驶甚至全自动驾驶,达到提高行车安全和增加驾驶舒适度的目的。车道线检测是先进驾驶辅助系统一个关键的研究课题。正确地识别出车道线,可以对行车安全提供一个强有力的保障,减少安全隐患。本文围绕结构化道路图像,提出本文的结构化车道线识别方法。本文的研究内容主要围绕两个方面:一是道路图像感兴趣区域的提取;二是车道线的提取方法研究。为了提高车道线识别的成功率,研究者常常采用多种方法进行车道感兴趣区域的识别。本文采用基于Gabor滤波器检测图像纹理方向的方法对道路的结构化路面区域进行识别。其中包含两个子问题:道路消失点的检测和道路边界线的搜索。针对检测消失点时占用大量时间资源的投票算法,本文提出一种改进的投票方法,该方法明显降低了投票算法所需的时间,提高了系统的实时性。针对道路边界线的搜索问题,本文首先根据投票点的统计信息大致确定道路边界线的位置和方向,并采用一种迭代更新的方法,有效...
【文章来源】：海南大学海南省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景及其意义
1.2 先进驾驶辅助系统研究进展
1.2.1 国外发展研究及现状
1.2.2 国内发展研究及现状
1.3 车道线检测研究现状
1.3.1 基于特征的方法
1.3.2 基于模型的方法
1.4 主要研究内容及论文结构
1.5 本章小结
2 图像预处理方法
2.1 道路图像滤波
2.1.1 滤波平滑算法
2.1.2 滤波效果分析
2.2 边缘检测
2.3 本章小结
3 基于纹理的道路区域检测
3.1 道路消失点检测
3.1.1 基于Gabor滤波器提取纹理特征
3.1.2 基于Gabor滤波器的道路消失点检测
3.1.3 消失点检测实验结果及分析
3.2 基于消失点的道路区域识别
3.2.1 道路边界搜索
3.2.2 改进的道路边界搜索算法
3.2.3 道路边界搜索实验结果与分析
3.3 本章小结
4 车道线特征提取与拟合
4.1 车道线特征提取
4.1.1 逆透视变换
4.1.2 车道线边缘检测
4.1.3 寻找感兴趣区域
4.2 车道线模型拟合
4.2.1 常用拟合模型
4.2.2 基于RANSAC算法的线性拟合
4.2.3 本文模型拟合方法
4.3 本章小结
5 实验结果与分析
5.1 实验平台与测试数据集
5.2 本文算法流程
5.3 车道检测实验结果
5.3.1 检测效果的评价标准
5.3.2 车道线识别效果
5.4 本章小结
6 总结与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]换道辅助系统中基于可调向滤波器的车道线分类检测[J]. 程文冬,沈云波,王丽君. 科学技术与工程. 2018(01)
[2]基于主方向加权投票的非结构化道路消失点检测[J]. 潘奎刚,石朝侠. 计算机工程. 2017(12)
[3]基于几何矩采样的车道检测算法[J]. 宋锐,陈辉,肖志光,许岩岩,Reinhard KLETTE. 中国科学:信息科学. 2017(04)
[4]基于光照不变图像的阴影图像道路及导航线提取算法[J]. 段志刚,李勇,王恩德,田建东,唐延东. 光学学报. 2016(12)
[5]基于车道线识别和多特征的前车检测算法[J]. 陈戈珩,潘晓旭,侯作辉. 科学技术与工程. 2016(15)
[6]基于Catmull-Rom样条曲线的弯曲车道线检测研究[J]. 何鹏,高峰,魏厚敏. 汽车工程学报. 2015(04)
[7]基于消失点迭代重估的道路边缘检测[J]. 刘鹏辉,李岁劳,何颖. 电子与信息学报. 2014(07)
[8]基于消失点和主方向估计的道路分割算法[J]. 田峥,徐成,米超,李仁发,王晓栋. 计算机研究与发展. 2014(04)
[9]一种基于双曲线模型的车道线检测算法[J]. 高嵩,张博峰,陈超波,全昱,田姗姗. 西安工业大学学报. 2013(10)
[10]基于Haar纹理的非结构化道路消失点检测[J]. 王永忠,文成林. 中国图象图形学报. 2013(04)
博士论文
[1]基于视觉的结构化道路及障碍物检测技术研究[D]. 曲峰.吉林大学 2019
[2]智能车行车环境视觉感知关键技术研究[D]. 梁敏健.长安大学 2017
[3]基于机器视觉的先进辅助驾驶系统关键技术研究[D]. 范延军.东南大学 2016
硕士论文
[1]结构化道路车道线的鲁棒检测与跟踪[D]. 王吉通.吉林大学 2019
[2]一种基于双曲线模型的车道线跟踪检测算法设计与实现[D]. 王雷.吉林大学 2014
[3]基于车道线的路面标志检测识别研究[D]. 许媛媛.中国科学技术大学 2014
本文编号：3206410
【文章来源】：海南大学海南省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 课题研究背景及其意义
1.2 先进驾驶辅助系统研究进展
1.2.1 国外发展研究及现状
1.2.2 国内发展研究及现状
1.3 车道线检测研究现状
1.3.1 基于特征的方法
1.3.2 基于模型的方法
1.4 主要研究内容及论文结构
1.5 本章小结
2 图像预处理方法
2.1 道路图像滤波
2.1.1 滤波平滑算法
2.1.2 滤波效果分析
2.2 边缘检测
2.3 本章小结
3 基于纹理的道路区域检测
3.1 道路消失点检测
3.1.1 基于Gabor滤波器提取纹理特征
3.1.2 基于Gabor滤波器的道路消失点检测
3.1.3 消失点检测实验结果及分析
3.2 基于消失点的道路区域识别
3.2.1 道路边界搜索
3.2.2 改进的道路边界搜索算法
3.2.3 道路边界搜索实验结果与分析
3.3 本章小结
4 车道线特征提取与拟合
4.1 车道线特征提取
4.1.1 逆透视变换
4.1.2 车道线边缘检测
4.1.3 寻找感兴趣区域
4.2 车道线模型拟合
4.2.1 常用拟合模型
4.2.2 基于RANSAC算法的线性拟合
4.2.3 本文模型拟合方法
4.3 本章小结
5 实验结果与分析
5.1 实验平台与测试数据集
5.2 本文算法流程
5.3 车道检测实验结果
5.3.1 检测效果的评价标准
5.3.2 车道线识别效果
5.4 本章小结
6 总结与展望
参考文献
致谢
【参考文献】：
期刊论文
[1]换道辅助系统中基于可调向滤波器的车道线分类检测[J]. 程文冬,沈云波,王丽君. 科学技术与工程. 2018(01)
[2]基于主方向加权投票的非结构化道路消失点检测[J]. 潘奎刚,石朝侠. 计算机工程. 2017(12)
[3]基于几何矩采样的车道检测算法[J]. 宋锐,陈辉,肖志光,许岩岩,Reinhard KLETTE. 中国科学:信息科学. 2017(04)
[4]基于光照不变图像的阴影图像道路及导航线提取算法[J]. 段志刚,李勇,王恩德,田建东,唐延东. 光学学报. 2016(12)
[5]基于车道线识别和多特征的前车检测算法[J]. 陈戈珩,潘晓旭,侯作辉. 科学技术与工程. 2016(15)
[6]基于Catmull-Rom样条曲线的弯曲车道线检测研究[J]. 何鹏,高峰,魏厚敏. 汽车工程学报. 2015(04)
[7]基于消失点迭代重估的道路边缘检测[J]. 刘鹏辉,李岁劳,何颖. 电子与信息学报. 2014(07)
[8]基于消失点和主方向估计的道路分割算法[J]. 田峥,徐成,米超,李仁发,王晓栋. 计算机研究与发展. 2014(04)
[9]一种基于双曲线模型的车道线检测算法[J]. 高嵩,张博峰,陈超波,全昱,田姗姗. 西安工业大学学报. 2013(10)
[10]基于Haar纹理的非结构化道路消失点检测[J]. 王永忠,文成林. 中国图象图形学报. 2013(04)
博士论文
[1]基于视觉的结构化道路及障碍物检测技术研究[D]. 曲峰.吉林大学 2019
[2]智能车行车环境视觉感知关键技术研究[D]. 梁敏健.长安大学 2017
[3]基于机器视觉的先进辅助驾驶系统关键技术研究[D]. 范延军.东南大学 2016
硕士论文
[1]结构化道路车道线的鲁棒检测与跟踪[D]. 王吉通.吉林大学 2019
[2]一种基于双曲线模型的车道线跟踪检测算法设计与实现[D]. 王雷.吉林大学 2014
[3]基于车道线的路面标志检测识别研究[D]. 许媛媛.中国科学技术大学 2014
本文编号：3206410
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3206410.html
