基于达芬奇平台的车道线识别系统设计与实现

发布时间：2020-06-10 03:56

【摘要】：随着21世纪信息技术的高速发展,智能技术越来越渗透人类的生活。智能车自动驾驶系统的开发也随着人工智能技术的发展成为了研究开发的热点。在依靠智能车辆视觉导航系统实现的智能驾驶系统中,计算机视觉负责完成道路的识别和跟踪,是最为关键的技术。在智能车自动驾驶系统中,计算机视觉的研究可分为基于单目、双目和多目视觉导航技术。本文在智能车自动驾驶系统的发展和车道线识别技术的研究基础上,结合真实道路的路况信息,实现了一套多目视觉车道线识别方法及其原型系统。具体研究成果如下:(1)提出一种基于道路模型和灰度特征相结合的车道线检测和跟踪算法。针对目前车道线识别方法复杂度高、准确性差的问题,本文提出借助霍夫变换进行道路线提取,并结合实际道路的特点,采用道路灰度特征与道路直线模型约束车道线的检测,最终实现车道的准确定位与动态跟踪。(2)提出一种基于多目视觉的多车道线融合方法。针对单目车道线识别方法鲁棒性差的问题,本文提出借助多个摄像头中提取的可用车道线和坐标转换方法,融合出适合车辆行驶的参考车道线,进而防止部分摄像头失效导致的系统不稳定问题。(3)设计一套多车道线融合的道路识别仿真系统及其在达芬奇平台上的移植方案。为了验证所设计方法的有效性,运用EMCV和嵌入式DSP技术完成车道识别检测算法在达芬奇平台上的移植。最后,根据系统实时性要求,结合达芬奇平台的特点,对车道识别方法进行优化,使其在对前方道路进行可靠提取的前提下达到较高的效率。本文在城市环境下采集了多种结构化道路视频,并对系统进行了全面测试,测试结果表明,本文系统稳定、准确,可以达到较好的实验效果。
【图文】：

流程图,预处理,流程图,图像预处理

第 2 章相关技术介绍2.1 引言在完成图像采集后，直接使用获取到的图像帧会使得车道线识别系统无法正常工作，系统要对获取到的图像帧利用各种算法进行各种分析和处理，以助于后续相关操作。视觉系统在图像的处理过程中，，容易产生各种噪音，图像预处理[36]操作就是为了消除各种环境所致的干扰因素，提升图像质量，重点突出图像中的关键道路信息。基于项目或系统特定的需要，减小或削除某些信息，能重点突出一幅图像的有用信息，即图像预处理（Image Preprocessing）[37]技术。在本系统中，要让摄像机获取的图像更易于后续的处理与分析，就需要对获取到的图像进行预处理。

彩色图像,区域选择

图 2.2 ROI 区域选择像颜色空间B 空间所采用的摄像头为真彩色 RGB 模式。RGB 色彩就是我们通常所说的即 Red（红色），B 即 Blue（蓝色），G 即 Green（绿色）。人类的到的所有色彩都可以基于这三种色彩按照一定的比例混合叠加而成彩色图像数据量大，而灰度图像的数据量就小了许多。为了计算简就要先转换为灰度图像。色图像灰度化的方法主要包括以下三种：最大值法：在三个分量中取一个数值令它为最大值，如公式（2.1（2.1法的特点是最终获得亮度较高的灰度图像。
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;U463.6

【参考文献】