基于机器视觉的车道保持控制算法研究

发布时间：2020-08-27 22:31

【摘要】：近年来,智能汽车逐渐成为了社会各界讨论的热点,它代表了汽车未来的发展趋势,它的发展也不断地革新相关理论与技术。车道保持系统是智能汽车中的重要一环,其集成了计算机视觉、图像处理、控制理论等多项技术。本文针对车道保持系统中环境感知及控制算法分别进行了研究。车道保持系统中首先要获取道路图像并对图像进行处理提取出车道线的相关信息。针对车道线检测,文章提出了一种多线形车道线检测算法。算法首先在灰度图上利用图像的梯度信息及车道线的宽度特征提取车道线边缘点,然后根据车道线边缘点在图像分区中使用Hough变换检测直线,最后根据分区中的直线确定控制点并使用三次均匀B样条曲线拟合车道线。其中,在拟合车道线时,利用车道的消失线反求虚线车道的车道标识线,使算法能够对多种线形的车道线进行有效检测;在灰度图上提取目标点,增强了算法的鲁棒性。经过多种场景的试验验证,该算法能够准确、迅速地检测多种线形的车道线。完成车道线检测后,本文又介绍了像素坐标系至世界坐标系的转换方法,以便将车道线信息及自车位置信息用于后续的横向控制算法中。针对车道保持控制策略,本文首先建立了基于魔术轮胎模型的七自由度整车模型,然后根据道路信息及车辆位置与状态信息,建立了跨道时间计算模型,以进行车道偏离判断。最后,基于单点预瞄最优曲率驾驶员模型建立了车道保持横向控制器。为了验证车道保持控制策略的可行性,联合CarSim/Simulink进行了仿真试验,依据不同的目标路径及车速,设置了四种仿真工况进行仿真。分别对四种仿真工况进行分析,通过分析车辆实际行驶路径与目标路径对比图、侧向加速度对比曲线及车辆转角曲线,表明本文设计的车道保持控制策略能够较好地操控汽车跟随目标路径行驶。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6
【图文】：

边缘检测算子,算子,测时

13(e) Canny 算子 (f) Sobel 算子图 2.4 传统边缘检测算子效果对比Fig 2.4 Contrast of traditional edge detection operator由图可知，使用 Roberts 算子及 Prewitt 算子检测的边缘不够明显，在车道测时无法提取出足够的边缘点。使用 LoG 算子、Canny 算子及 Sobel 算子进

跳变,像素,鲁棒性

合肥工业大学硕士学位论文检测时，虽然检测的边缘较为明显，但由于光照的影响，产生了大量的噪点，极大的影响了提取车道线边缘像素的准确性。上述几种算子虽各有特点，但鲁棒性均较低。因此，为了提高算法的鲁棒性，需考虑结合车道线特征的边缘检测算法。2.4.2 基于车道线宽度特征的边缘检测传统边缘检测算法主要针对整幅图像的特征，因此在提取车道线边缘特征时会受到光照及噪点的影响，鲁棒性不高。为了提高车道线检测算法的鲁棒性，在边缘检测时可结合车道线的特征。车道线最显著的特征为其宽度特征，用图像语言描述即其存在两次像素值的跳变，两次跳变的间距与车道线宽度有关。如图 2.5 所示为车道线在图像中的像素值跳变特征。

效果图,效果,边缘像素,边缘点

图 2.6 本文边缘检测算法效果Fig 2.6 Algorithm effect of this paper点为算法提取的车道线边缘点。可以看出，即使是在算法也能够提取到大部分车道线边缘点。了车道线边缘像素的提取，以便于后续车道线的建模：道路图像进行预处理，包括图像的灰度化，选取 RO理后的图像进行梯度计算，设置梯度阈值，过滤掉保留梯度幅值大于阈值的像素点作为车道线边缘像素多种传统边缘检测算子的特点及缺陷，提出了基于法，该方法鲁棒性较高，即使在光照较强、路面反光的边缘像素点。

【参考文献】