基于机器视觉的车辆和车道线检测研究

发布时间：2020-06-26 04:17

【摘要】：经济的快速发展带动了汽车的迅速普及,汽车在便利交通的同时也给社会带来了能源、环境、安全、拥堵等亟待解决的问题,继而推动了社会对于无人驾驶汽车技术发展的需求。现阶段,无人驾驶技术已经成为各大高校及车企研究的热点问题。本文主要研究了无人驾驶技术中环境感知环节中的一部分,通过分别设计检测算法实现了对行车过程中周围车辆的检测以及类结构化道路中车道线的检测。根据深度卷积神经网络可以自适应学习到车辆特征的特性,本文设计使用基于深度学习的端到端实时目标检测系统(YOLOv2)来实现对行驶场景中车辆目标的检测。首先,搜集大量待检测目标的数据集,通过Darknetl9预训练出一定的模型权重参数,然后使用实际行车场景图中标注好的车辆数据集,通过YOLOv2网络结构训练车辆检测模型。基于YOLOv2网络结构,通过使用定义IOU偏差的均值聚类方法获取待检测车辆目标的最佳anchor高宽维度比,使用非极大抑制得到最佳预测框图,在网络最后一层直接回归预测车辆目标的位置。经过多次迭代运算,训练出权重系数较优的车辆检测模型。通过对实际行车数据集和人工采集的道路场景图进行仿真测试,证明该检测模型能够在光影反射、小部分遮挡和不同视角变换的影响下快速而准确的检测到场景图中的车辆目标。针对车道线的检测,综合考虑采用传统图像处理的技术来进行检测。首先,提出了图像最优边缘信息提取的算法处理流程:加权平均法灰度化处理、中值滤波降噪、局部自适应阈值二值化、canny边缘检测算法。在采用动态区域划分感兴趣区域时,提出了一种改进的权值聚类检测消失点的方式,能够有效的提取感兴趣区域且减少有用待检测信息的丢失。之后,采用搜索像素点邻域位置分配权重系数的方式来二次滤除边缘噪声,最后使用最小二乘法完成车道线模型的拟合。通过对类结构化道路上采集的图像进行仿真测试,结果表明本文设计的车道线检测算法能够克服光照阴影以及道路干扰等因素的影响,稳定实时的检测出车道线。之后,融合车辆和车道线两类检测算法,实现汽车可行驶区域的初步预判。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6
【图文】：

智能车

工程硕士学位论文逡逑究平台［７］，依托视觉导航技术，第二代无人驾驶智能汽车ＶＡＭＰ可以在高速环逡逑系统中做到安全路径跟踪、超车等驾驶行为，且其自主驾驶行驶速度可达１６０逡逑里／小时。逡逑美国谷歌公司的无人驾驶智能技术［８］—直位于世界前列，２０１２年，谷歌宣布逡逑制自动驾驶汽车取得成功，该车顶部配备６４线激光雷达完成周围环境的扫描，逡逑车载电脑提供３Ｄ环境地图，前后共安装８个雷达传感器，与摄像头配合用于逡逑辆周围障碍物的检测。同年五月，该车在内华达州获得行驶通行认可，能够在逡逑共道路进行测试。截止２０１５年１１月底，谷歌的无人驾驶汽车在自动模式下己逡逑完成了邋１３０万多英里的测试。逡逑

智能车

（ａ）邋Ｎａｖｌａｂ－５试验车逦（ｂ）谷歌无人驾驶车逡逑图１．１国外智能车逡逑麦肯锡发布了一项报告，展示了一些颠覆技术“至２０２５年的预估潜在经济影逡逑响上下限”，其中自动汽车排第六名，预估潜在经济影响为２０００亿？１９０００亿美元。逡逑而且美国咨询机构ＩＨＳ也作出预测，智能汽车将在２０２５年开始占据汽车主体市逡逑场类型，２０３５年全球销量将超过一千万辆，占比同期市场的９％左右。所以各大逡逑车企也纷纷蓄力，推动无人驾驶智能汽车的发展。２０１３年，采用自主驾驶技术的逡逑奔驰Ｓ５００在城市以及城际道路完成了长途距离驾驶试验。沃尔沃的自主驾驶车逡逑辆己经在西班牙的公路和瑞典的试车跑道上完成了运行１万英里的测试。２０１５年逡逑初，福特宣布了旨在推动车辆互联和自动驾驶领域创新的“智能移动计划（Ｓｍａｒｔ逡逑Ｍｏｂｉｌｉｔｙ邋Ｐｌａｎ）”。ＢＭＷ己经开始大力推进其自有的自动驾驶战略，２０１６年ＢＭＷ逡逑在ＣＥＳ上展示了其自动驾驶ｉ８概念车

【参考文献】