基于Android平台的车道偏离预警算法的研究与实现
发布时间：2021-01-03 13:05
随着汽车工业的飞速发展,带来交通便利的同时也给人们带来了安全隐患。交通事故频繁发生,大部分事故是由于不安全驾驶造成。为了减少交通事故的发生,保证行车安全,先进辅助驾驶系统是当前的研究热点之一。车道偏离预警系统是先进辅助驾驶系统的重要组成部分,当驾驶员在行驶过程中无意识偏离车道时,系统会发出警告信号来提醒驾驶人员,有效减少因车道偏离而引发的交通事故。本文以车道偏离预警算法作为研究内容,主要包括图像预处理、车道线检测、车道线跟踪和偏离预警等部分。论文的工作和研究成果主要包括以下几个方面:1.实现了车道偏离预警算法。算法使用霍夫变换检测候选直线集,然后结合灭点约束和随机样本一致性（RANSAC）算法对候选车道线进行筛选得到最佳左、右车道线。2.利用独立的Kalman滤波器分别对左、右车道线参数进行跟踪。3.提出一种利用车道线斜率估算车辆相对横向偏移及其移动趋势的偏离预警算法,提高了系统的鲁棒性。4.将车道偏离预警算法移植到Android平台并进行测试。测试结果表明在Android平台上实现的车道偏离预警系统应用具有较好的准确率和实时性。
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
摄像机空间坐标示意图
华南理工大学硕士学位论文第三章 车道线检测与跟踪能否正确识别出车道线是车道偏离预警算法的关键点，只有准确估算出车道线数才能进行下一步的偏离预警。而在实际环境中，光照、阴影等未知状况，以及复杂的运动状态和多样化的交通场景都会对检测造成干扰，因此如何保证车道线的最佳效果一直是研究的重点。1 图像预处理1.1 分割 ROI 区域与图像灰度化
应该包含车道线的主要信息。常见 ROI 形状包括矩形、扇形等，本文使用矩形I。如图 3-1(a)为采集的原始视频图像，图像中具有相当明显的分界线，上半部、背景等与车道线无关的信息，而本文关注的车道信息则主要位于下半部分。息不仅会增加计算量，还会对车道线检测造成干扰，因此可以直接切掉部分图一般情况下，摄像头采集图像中路面信息主要位于图像的下方，取图像大小的~2/3 均是合理的。本文设置的 ROI 区域在图像下方约 1/2 处，结果如图 3-1(b)所不同情况下可根据图像尺寸稍作调整。采集的视频图像通常为 RGB 格式的三通道彩色图像，可以转换为灰度图像处 RGB 转变为灰度图的方法[24]为加权平均法，即: ( ) = ЁЁ ( ) ( ) ( ) （式中 IR、IG、IB分别代表 RGB 各分量的值， ( )为灰度图的像素值。经过处理后效果如图 3-2 所示。
【参考文献】：
期刊论文
[1]基于Android平台的车道线检测系统设计[J]. 黄惠迪,官洪运,邓昶,薛节. 电子设计工程. 2015(15)
[2]一种适用于城市道路检测及偏离报警的方法[J]. 彭湃,王耀南,凌志刚,赵科,卢笑. 电子测量与仪器学报. 2015(05)
[3]一种基于改进Hough变换的车道线检测算法[J]. 卞建勇,徐建闽. 微电子学与计算机. 2013(05)
[4]Hough变换和最小二乘拟合的车道线协调检测[J]. 孙伟,张小瑞,唐慧强,张为公,闾军. 光电工程. 2011(10)
[5]汽车安全技术的研究现状和展望[J]. 宋健,王伟玮,李亮,于良耀. 汽车安全与节能学报. 2010(02)
[6]车道偏离预警系统研究概述[J]. 仝光,李虎,郑文成. 汽车与配件. 2009(18)
[7]基于大津法的图像分块二值化算法[J]. 李了了,邓善熙,丁兴号. 微计算机信息. 2005(14)
博士论文
[1]基于机器学习的路面对象识别关键技术研究[D]. 文学志.东北大学 2008
[2]高速汽车车道偏离预警系统可行区域感知算法研究[D]. 毕雁冰.吉林大学 2006
硕士论文
[1]基于图像处理的汽车车道偏离预警系统研究与实现[D]. 王玲.电子科技大学 2017
[2]基于Android平台的车道偏离预警系统的实现[D]. 满红任.东南大学 2015
[3]基于单目视觉的车道线识别方法研究[D]. 韦唯.吉林大学 2015
[4]基于Kalman滤波跟踪的车道偏离预警方法研究[D]. 孙旺旺.长安大学 2015
[5]车道偏离预警系统的研究与实现[D]. 殷晓雪.哈尔滨工业大学 2014
[6]基于视觉的前方车辆检测算法的研究[D]. 王讯峰.华南理工大学 2014
[7]车道偏离预警系统的研究与实现[D]. 李映辉.华南理工大学 2013
[8]基于Android平台的车道线检测技术的实现[D]. 陈茜.武汉理工大学 2013
[9]基于单目视觉的车辆主动安全技术研究[D]. 张青森.电子科技大学 2011
[10]基于单目视觉的车道偏离预警系统设计[D]. 马超.电子科技大学 2011
本文编号：2955032
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
摄像机空间坐标示意图
华南理工大学硕士学位论文第三章 车道线检测与跟踪能否正确识别出车道线是车道偏离预警算法的关键点，只有准确估算出车道线数才能进行下一步的偏离预警。而在实际环境中，光照、阴影等未知状况，以及复杂的运动状态和多样化的交通场景都会对检测造成干扰，因此如何保证车道线的最佳效果一直是研究的重点。1 图像预处理1.1 分割 ROI 区域与图像灰度化
应该包含车道线的主要信息。常见 ROI 形状包括矩形、扇形等，本文使用矩形I。如图 3-1(a)为采集的原始视频图像，图像中具有相当明显的分界线，上半部、背景等与车道线无关的信息，而本文关注的车道信息则主要位于下半部分。息不仅会增加计算量，还会对车道线检测造成干扰，因此可以直接切掉部分图一般情况下，摄像头采集图像中路面信息主要位于图像的下方，取图像大小的~2/3 均是合理的。本文设置的 ROI 区域在图像下方约 1/2 处，结果如图 3-1(b)所不同情况下可根据图像尺寸稍作调整。采集的视频图像通常为 RGB 格式的三通道彩色图像，可以转换为灰度图像处 RGB 转变为灰度图的方法[24]为加权平均法，即: ( ) = ЁЁ ( ) ( ) ( ) （式中 IR、IG、IB分别代表 RGB 各分量的值， ( )为灰度图的像素值。经过处理后效果如图 3-2 所示。
【参考文献】：
期刊论文
[1]基于Android平台的车道线检测系统设计[J]. 黄惠迪,官洪运,邓昶,薛节. 电子设计工程. 2015(15)
[2]一种适用于城市道路检测及偏离报警的方法[J]. 彭湃,王耀南,凌志刚,赵科,卢笑. 电子测量与仪器学报. 2015(05)
[3]一种基于改进Hough变换的车道线检测算法[J]. 卞建勇,徐建闽. 微电子学与计算机. 2013(05)
[4]Hough变换和最小二乘拟合的车道线协调检测[J]. 孙伟,张小瑞,唐慧强,张为公,闾军. 光电工程. 2011(10)
[5]汽车安全技术的研究现状和展望[J]. 宋健,王伟玮,李亮,于良耀. 汽车安全与节能学报. 2010(02)
[6]车道偏离预警系统研究概述[J]. 仝光,李虎,郑文成. 汽车与配件. 2009(18)
[7]基于大津法的图像分块二值化算法[J]. 李了了,邓善熙,丁兴号. 微计算机信息. 2005(14)
博士论文
[1]基于机器学习的路面对象识别关键技术研究[D]. 文学志.东北大学 2008
[2]高速汽车车道偏离预警系统可行区域感知算法研究[D]. 毕雁冰.吉林大学 2006
硕士论文
[1]基于图像处理的汽车车道偏离预警系统研究与实现[D]. 王玲.电子科技大学 2017
[2]基于Android平台的车道偏离预警系统的实现[D]. 满红任.东南大学 2015
[3]基于单目视觉的车道线识别方法研究[D]. 韦唯.吉林大学 2015
[4]基于Kalman滤波跟踪的车道偏离预警方法研究[D]. 孙旺旺.长安大学 2015
[5]车道偏离预警系统的研究与实现[D]. 殷晓雪.哈尔滨工业大学 2014
[6]基于视觉的前方车辆检测算法的研究[D]. 王讯峰.华南理工大学 2014
[7]车道偏离预警系统的研究与实现[D]. 李映辉.华南理工大学 2013
[8]基于Android平台的车道线检测技术的实现[D]. 陈茜.武汉理工大学 2013
[9]基于单目视觉的车辆主动安全技术研究[D]. 张青森.电子科技大学 2011
[10]基于单目视觉的车道偏离预警系统设计[D]. 马超.电子科技大学 2011
本文编号：2955032
本文链接：https://www.wllwen.com/kejilunwen/qiche/2955032.html
