基于机器视觉的车道线识别的算法研究

发布时间：2017-08-28 18:43

  本文关键词：基于机器视觉的车道线识别的算法研究

  更多相关文章： 车道线识别 Retinex算法 阈值分割 Hough变换

【摘要】：当今社会,随着科技的发展与人们生活水平的提高,汽车数量直线上升,随之造成交通拥堵以及交通事故等一系列问题。智能交通的研究由此应运而生,其中车辆辅助驾驶系统是其研究的主要内容之一,而车道偏离预警系统是辅助驾驶系统研究的关键。车道线快速有效的识别能够保证车道偏离预警系统的实时性与稳定性。本文在研究正常道路环境的车道线识别算法的基础上,同时针对雾霾、弱光照、阴影遮挡等道路情况,提出道路预处理相对应的算法,对多种工况的车道线识别中的算法进行了深入的分析与研究。本文以拍摄到的结构化道路的车道线图像为研究对象,首先对采集到的正常光照下的道路图像进行预处理:灰度化、滤波增强以及边缘特征检测。其次,对于雾霾天气的道路图像,针对传统的灰度直方图均衡的方法,本文采用Retinex算法进行图像增强;弱光照或者阴影遮挡情况下车道标志线与路面对比度低,采用改进系数翻倍±45?Sobel算子进行边缘提取;若道路被雨水覆盖,道路亮暗不均匀,采用方向可调滤波器处理可对车道线进行增强。当多种工况预处理完成以后,接着对图像进行阈值分割,提取车道线特征,本文主要研究四种阈值分割算法,通过实验对比分割效果,最后利用Hough变换识别拟合多种工况下的车道标志线,并且利用序列图像之间的相关连续性对道路图像实现跟踪检测,缩小了扫描范围,提高跟踪检测的实时性。实验结果表明,本文算法解决了多工况道路图像的预处理问题,在图像阈值分割过程中,OTSU算法和局部阈值分割算法也取得了很好的实验效果,在车道线检测识别阶段,Hough变换能够准确拟合多种工况下的车道标志线,有很强的鲁棒性,最终设定动态感兴趣区域进行车道标志线的跟踪,即对车道偏离预警系统研究做了十分重要的前期处理工作。
【关键词】：车道线识别 Retinex算法 阈值分割 Hough变换
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 中文摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 课题的研究背景9-10
• 1.2 车道线检测识别研究的重要意义10-11
• 1.3 基于机器视觉的车道线识别研究状况11-13
• 1.4 论文的主要工作和章节安排13-15
• 第二章 正常光照下的道路图像预处理算法15-24
• 2.1 道路图像灰度化15-17
• 2.1.1 加权平均法16
• 2.1.2 平均值法16
• 2.1.3 最大值法16-17
• 2.2 道路图像滤波增强17-20
• 2.2.1 均值滤波18-19
• 2.2.2 高斯平滑滤波19
• 2.2.3 中值滤波19-20
• 2.3 道路图像边缘检测20-23
• 2.3.1 Sobel边缘检测算子21-22
• 2.3.2 改进的±45°Sobel算法22-23
• 2.4 本章小结23-24
• 第三章 复杂环境下的道路图像预处理24-35
• 3.1 雾霾天气车道图像预处理算法24-28
• 3.1.1 雾霾天气图像预处理传统算法24-26
• 3.1.2 改进的雾霾天气图像预处理—Retinex算法26-28
• 3.2 弱光照和阴影遮挡下道路图像预处理算法28-30
• 3.3 雨天道路图像预处理算法30-34
• 3.3.1 方向可调滤波器31-32
• 3.3.2 方向可调滤波器的设计32-34
• 3.4 本章小结34-35
• 第四章 道路图像分割35-41
• 4.1 道路图像二值化（阈值分割）35-36
• 4.2 人工选择法（双峰法）36
• 4.3 自动阈值法36-38
• 4.3.1 全局阈值分割37-38
• 4.3.2 局部阈值分割38
• 4.4 实验与结果分析38-40
• 4.5 本章小结40-41
• 第五章 车道线特征检测识别41-54
• 5.1 最小二乘法42-43
• 5.2 霍夫变换43-47
• 5.2.1 直角坐标参数空间43-45
• 5.2.2 极坐标参数空间45-47
• 5.3 正常光照且道路环境良好情况下Hough变换拟合车道线实验与结果分析47-48
• 5.4 复杂环境下Hough变换拟合车道线实验与结果分析48-50
• 5.5 车道线跟踪检测实验与结果分析50-52
• 5.6 本章小结52-54
• 第六章 总结与展望54-55
• 6.1 工作总结54
• 6.2 展望54-55
• 参考文献55-58
• 致谢58-59
• 申请学位期间的研究成果及发表的学术论文59

【相似文献】

中国期刊全文数据库 前10条

1 田炳香;郑榜贵;吴晴;;高速公路车道线检测与跟踪算法研究[J];现代电子技术;2008年09期

2 郭磊;李克强;王建强;连小珉;;应用方向可调滤波器的车道线识别方法[J];机械工程学报;2008年08期

3 余厚云;张为公;;直线模型下的车道线跟踪与车道偏离检测[J];自动化仪表;2009年11期

4 余厚云;张为公;;基于动态感兴趣区域的车道线识别与跟踪[J];工业仪表与自动化装置;2009年05期

5 刘富强;张姗姗;朱文红;李志鹏;;一种基于视觉的车道线检测与跟踪算法[J];同济大学学报(自然科学版);2010年02期

6 高德芝;段建民;杨磊;杨喜宁;;应用多阶动态规划的车道线识别方法[J];机械工程学报;2011年08期

7 徐后杰;李会方;缪国锋;;基于单目视觉的车道线分离警告算法研究[J];微处理机;2011年03期

8 刘振超;孔斌;王俊;黄俊杰;;水平亮度微分在车道线检测中的使用[J];仪表技术;2012年07期

9 高志峰;汪渤;周志强;徐方芳;;一种鲁棒的非平坦路面车道线检测算法[J];北京理工大学学报;2013年01期

10 柴灿;郎朗;;嵌入式实时车道线偏移快速侦测算法及系统实现[J];新余学院学报;2014年04期

中国重要会议论文全文数据库 前8条

1 毕雁冰;;提高车道线识别精度的一种方法[A];第三届中国CAE工程分析技术年会论文集[C];2007年

2 杨广林;苗冬霜;;结构化道路车道线检测与跟踪算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

3 刘晓龙;邓志东;;基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

4 张洁颖;王生进;丁晓青;;基于车辆轨迹的车道线检测与划分[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 余贵珍;李芹;王迪;;车辆智能化车道线跟踪方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 李钢;圣华;张仁斌;;基于LMedSquare选取最佳子集的车道线检测算法[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 刘天辉;李飞;;车辆视觉导航中道路检测算法研究[A];第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛论文集（信息科学与工程技术分册）[C];2014年

8 孙晓军;李华;;基于Facet模型的一种车道线提取方法[A];第八届中国智能交通年会论文集[C];2013年

中国博士学位论文全文数据库 前4条

1 杜明芳;基于视觉的自主车道路环境理解技术研究[D];北京理工大学;2015年

2 陈军;基于DSP的高速公路车道偏离报警系统研究[D];天津大学;2010年

3 沈\，

本文编号：748928