结构化道路车道线的单目视觉检测方法研究

发布时间：2020-11-20 14:42

　　 本文围绕基于单目视觉的车道线检测技术展开研究;旨在提出一种能适应多种复杂道路交通环境的车道线检测方法。论文介绍了国内外车道线检测方法的研究现状。在现有方法的基础上,本文提出一种基于多视觉线索、先验知识与时空信息的车道线检测方法,其主要内容如下:1.从图像的轮廓特征入手,利用一种快速线段检测器提取道路图像在鸟瞰视角下的轮廓线段。和基于边缘检测算子的轮廓检测方法不同,该线段检测器可实现亚像素级的检测精度,且能够提取低对比度等光照不均及远视场的车道线特征,有利于提高车道线检测的视野范围。2.在车道线检测方面,为了提高算法在复杂道路交通场景的适应能力,本文结合车道线轮廓的梯度、长度、位置等视觉线索,对轮廓线段进行分类、重生与延伸操作,倘若最终延伸结束后的线段满足阈值要求,则将作为车道线线性段的拟合结果。3.在车道线拟合模型上,采用动态的连接点连接直线段与抛物线段;这种直线-抛物线模型对车道宽度不一及形状多变的车道有较好的拟合效果。4.为了提高卡尔曼滤波器的跟踪响应性能,设计两类噪声模型用于提升不同道路交通环境下的车道线跟踪鲁棒性与响应速度。通过与其他主流车道线检测算法的对比实验及对不同场景下的道路图像进行测试,结果表明,提出的车道线检测算法能在复杂的道路交通环境下具有较好的鲁棒性,能够满足车道线检测的实际应用需求。
【学位单位】：湖南大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6
【部分图文】：

车道线检测用途说明示意图

.1 灰度化摄像机采集的彩色图像通常由 R、G、B 三个分量组成。三维空间中的三分别与之对应；原点对应于黑色，其对角端点为白色，剩余颜色则坐落于三间中。由于 RGB 彩色模型包含许多颜色信息，数据量较大，对车道线检测显得相对冗余，因此对摄像机获得的彩色图像进行灰度化是必不可少的过程RGB 图像灰度化的本质就是寻找一个三维空间到一维空间的映射。以 24色图像为例，R、G、B 各分量的值域为[0,255]，则灰度图像的每个像素点域也为[0,255]，其中 0 代表黑色，255 代表白色。常用的灰度化处理主要有化法和加权平均法，即： = ( ) 或 Gě = д д д （2.1其中， 分别为 R，G，B 的权值。由于人眼对绿色最为敏感，红色，蓝色最低，因此将 权值系数依次递减设置为 0.59，0.3，0.11。图 b）为图像灰度化效果。

结构化道路车道线的单目视觉检测方法研究.2 鸟瞰图变换传感器所采集到的图像实际上是真实世界的三维物体在二维平面上的投影孔摄像机模型恰当地解释了该物理过程。然而，物体在这种透视视角下会呈近大远小的不规则性。图 2.2 说明了车道线的透视效应；在横向范围内，车以及车道有着不同的宽度；在纵向范围内，单位长度的实际距离对应不同的距离。在基于计算机视觉的车道线检测方法中，广泛应用鸟瞰图变换将输入路透视图像转换为俯视图。与采用透视图像的车道线检测算法相比，鸟瞰图虽然耗费了一些时间，但它消除了车道线的透视效应，从而更加有利于车道搜索与检测。
【参考文献】

相关期刊论文 前2条

1 袁启平;宋金泽;吴涛;;基于逆透视投影变换的图像拼接方法[J];微计算机信息;2010年21期

2 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

相关硕士学位论文 前1条

1 薛卫鹏;基于Otsu算法与数学形态学的图像分割算法研究[D];东北大学;2009年

本文编号：2891571