透视自适应车道骨架提取建库
发布时间：2021-04-03 21:53
随着人工智能技术在世界范围内的迅速发展,各行各业已经进入智能化的时代。汽车驾驶也逐步向电子化与智能化发展。全球汽车数量的急剧增加使得交通拥堵和交通事故等问题日渐成为人们关注的话题。为了让人们有更好的驾驶体验,自动和辅助驾驶技术成为了国内外研究的热点。车道检测是高级辅助驾驶中的关键技术之一,在车道偏离预警中扮演着重要角色。现有车道检测算法检测效果需上路实测或使用相关车道线数据集进行测验。针对当前已标注车道线数据集数据量较少和种类不足的情况,本文提出一种改进的利用透视自适应高斯模糊和非极大值抑制相结合的算法提取车道骨架,并建立相关高速车道线数据集、对当前驾驶相关数据集进行种类补充。该算法主要分为三部分。首先,对行车视频帧进行裁剪保留有效信息,之后对初始帧手动标定车道线感兴趣区域（Region Of Interest,ROI）;然后,对车道线按路面场景透视关系进行内核大小自适应改变的高斯模糊和非极大值抑制处理、以获得逼近骨架的车道像素点;二值化之后进行分段最小二乘拟合以获取最接近骨架线的拟合表达式;最后,进行分段抽样存储,将存储结果作为后续帧的ROI确定种子点,并结合视频帧率和车辆行驶速度预...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图２－１?ＲＯＩ示意??吴彬Ｍ等提出一种基于累计概率霍夫变换（ＰＰＨＴ）适时调整动态感兴趣区域??（ＤＲＯＩ）的方法，但每个视频设备的拍摄范围都是固定的，对于不同路型路况，??
?山东大学硕士学位论文???如图２－１，本文算法对图像进行裁剪，裁剪之前整幅图像像素大小为１９２０Ｘ??１０８０，裁剪之后剩余图像中绿色矩形框部分，像素大小约为１９２０Ｘ２５０。裁剪之后??言车道线手动确定ＲＯＩ，将图２－１中按照从左至右的顺序依次将车道线标号为／训Ｍ、??ｌａｎｅＵ?ｌａｎｅｌ，?ｌａｎｅ３……，之后按照车道线标号从小到大对每条车道线沿图像像素??坐标系－ｖ方向进行手动标注。??图２－２?车道手动标注点示意??如图２－２所示，车道上的蓝色点即为手动车道线标注点。手动标注完成之后再??对初始标注点向图像像素坐标系－ｗ和ｗ方向进行一定宽度的扩展，由于现如今视??频图像采集设备多使用ＣＭＯＳ传感器和光学镜片组合的方式来记录图像和视频，??其拍摄的结果存在透视关系。？中国高速公路的车行道分界线（图像中白色车道线区??域）宽一般为〇．ｌ〇ｍ－０．１５ｍ，行车视频记录的图像由于透视关系，表现在图像上即??为平时熟知的近宽远窄，近大远小的现象。车道线是具有一定宽度的片状区域，因??此其相对观察者呈现近宽远窄的结果。针对此现象，本文算法对标注区域进行扩展??时《方向宽度沿ｖ方向随车道线宽度进行自适应变化，扩展之后的宽度％与车道线??宽度％和ｖ成正比，即公式（１）。??ＪＶｕｘｗＲ＆ｖ?（１）??按照式（１）进行扩展后结果如图２－３所示。??图２－３?车道标注点扩展示意??将图２－３扩展结果中各点连接裁剪整合，将除车道线区域之外的图像去除，最终整??合结果即为该图像车道线ＲＯＩ，如图２－４所示。??图２－４?车道ＲＯＩ示意??图２－４为直线车道ＲＯＩ结果，若车道线为曲线，则ＲＯＩ区域随车道线弯曲而自适?
?山东大学硕士学位论文???如图２－１，本文算法对图像进行裁剪，裁剪之前整幅图像像素大小为１９２０Ｘ??１０８０，裁剪之后剩余图像中绿色矩形框部分，像素大小约为１９２０Ｘ２５０。裁剪之后??言车道线手动确定ＲＯＩ，将图２－１中按照从左至右的顺序依次将车道线标号为／训Ｍ、??ｌａｎｅＵ?ｌａｎｅｌ，?ｌａｎｅ３……，之后按照车道线标号从小到大对每条车道线沿图像像素??坐标系－ｖ方向进行手动标注。??图２－２?车道手动标注点示意??如图２－２所示，车道上的蓝色点即为手动车道线标注点。手动标注完成之后再??对初始标注点向图像像素坐标系－ｗ和ｗ方向进行一定宽度的扩展，由于现如今视??频图像采集设备多使用ＣＭＯＳ传感器和光学镜片组合的方式来记录图像和视频，??其拍摄的结果存在透视关系。？中国高速公路的车行道分界线（图像中白色车道线区??域）宽一般为〇．ｌ〇ｍ－０．１５ｍ，行车视频记录的图像由于透视关系，表现在图像上即??为平时熟知的近宽远窄，近大远小的现象。车道线是具有一定宽度的片状区域，因??此其相对观察者呈现近宽远窄的结果。针对此现象，本文算法对标注区域进行扩展??时《方向宽度沿ｖ方向随车道线宽度进行自适应变化，扩展之后的宽度％与车道线??宽度％和ｖ成正比，即公式（１）。??ＪＶｕｘｗＲ＆ｖ?（１）??按照式（１）进行扩展后结果如图２－３所示。??图２－３?车道标注点扩展示意??将图２－３扩展结果中各点连接裁剪整合，将除车道线区域之外的图像去除，最终整??合结果即为该图像车道线ＲＯＩ，如图２－４所示。??图２－４?车道ＲＯＩ示意??图２－４为直线车道ＲＯＩ结果，若车道线为曲线，则ＲＯＩ区域随车道线弯曲而自适?
【参考文献】：
期刊论文
[1]车道线快速检测算法及其应用[J]. 吴彬,刘翔,尚岩峰,汤显. 传感器与微系统. 2019(11)
[2]改进Niblack算法及其在不均匀光照条件下的应用[J]. 贾坤昊,夹尚丰,杨栩,余振军,蔡丽杰,李志国,孙林. 软件导刊. 2019(04)
[3]基于中轴变换的骨架特征提取算法[J]. 史聪伟,赵杰煜,常俊生. 计算机工程. 2019(07)
[4]基于几何矩采样的车道检测算法[J]. 宋锐,陈辉,肖志光,许岩岩,Reinhard KLETTE. 中国科学:信息科学. 2017(04)
[5]运用迭代最大熵算法选取最佳图像分割阈值[J]. 伦向敏,侯一民. 计算机工程与设计. 2015(05)
[6]基于整体最优阈值的车道线快速识别方法[J]. 段建民,刘冠宇,郑榜贵. 北京工业大学学报. 2015(01)
[7]基于距离变换的新型骨架提取方法[J]. 徐超,肖潇,骆燕,胡慧杰,刘明. 仪器仪表学报. 2012(12)
[8]改进的形态学骨架提取算法[J]. 吕哲,王福利,常玉清,刘阳. 计算机工程. 2009(19)
[9]基于形态学骨架提取算法的研究及其实现[J]. 江萍,徐晓冰,方敏. 计算机应用. 2003(S1)
博士论文
[1]距离变换与中轴变换在变形问题中的应用研究[D]. 车武军.浙江大学 2003
本文编号：3117152
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图２－１?ＲＯＩ示意??吴彬Ｍ等提出一种基于累计概率霍夫变换（ＰＰＨＴ）适时调整动态感兴趣区域??（ＤＲＯＩ）的方法，但每个视频设备的拍摄范围都是固定的，对于不同路型路况，??
?山东大学硕士学位论文???如图２－１，本文算法对图像进行裁剪，裁剪之前整幅图像像素大小为１９２０Ｘ??１０８０，裁剪之后剩余图像中绿色矩形框部分，像素大小约为１９２０Ｘ２５０。裁剪之后??言车道线手动确定ＲＯＩ，将图２－１中按照从左至右的顺序依次将车道线标号为／训Ｍ、??ｌａｎｅＵ?ｌａｎｅｌ，?ｌａｎｅ３……，之后按照车道线标号从小到大对每条车道线沿图像像素??坐标系－ｖ方向进行手动标注。??图２－２?车道手动标注点示意??如图２－２所示，车道上的蓝色点即为手动车道线标注点。手动标注完成之后再??对初始标注点向图像像素坐标系－ｗ和ｗ方向进行一定宽度的扩展，由于现如今视??频图像采集设备多使用ＣＭＯＳ传感器和光学镜片组合的方式来记录图像和视频，??其拍摄的结果存在透视关系。？中国高速公路的车行道分界线（图像中白色车道线区??域）宽一般为〇．ｌ〇ｍ－０．１５ｍ，行车视频记录的图像由于透视关系，表现在图像上即??为平时熟知的近宽远窄，近大远小的现象。车道线是具有一定宽度的片状区域，因??此其相对观察者呈现近宽远窄的结果。针对此现象，本文算法对标注区域进行扩展??时《方向宽度沿ｖ方向随车道线宽度进行自适应变化，扩展之后的宽度％与车道线??宽度％和ｖ成正比，即公式（１）。??ＪＶｕｘｗＲ＆ｖ?（１）??按照式（１）进行扩展后结果如图２－３所示。??图２－３?车道标注点扩展示意??将图２－３扩展结果中各点连接裁剪整合，将除车道线区域之外的图像去除，最终整??合结果即为该图像车道线ＲＯＩ，如图２－４所示。??图２－４?车道ＲＯＩ示意??图２－４为直线车道ＲＯＩ结果，若车道线为曲线，则ＲＯＩ区域随车道线弯曲而自适?
?山东大学硕士学位论文???如图２－１，本文算法对图像进行裁剪，裁剪之前整幅图像像素大小为１９２０Ｘ??１０８０，裁剪之后剩余图像中绿色矩形框部分，像素大小约为１９２０Ｘ２５０。裁剪之后??言车道线手动确定ＲＯＩ，将图２－１中按照从左至右的顺序依次将车道线标号为／训Ｍ、??ｌａｎｅＵ?ｌａｎｅｌ，?ｌａｎｅ３……，之后按照车道线标号从小到大对每条车道线沿图像像素??坐标系－ｖ方向进行手动标注。??图２－２?车道手动标注点示意??如图２－２所示，车道上的蓝色点即为手动车道线标注点。手动标注完成之后再??对初始标注点向图像像素坐标系－ｗ和ｗ方向进行一定宽度的扩展，由于现如今视??频图像采集设备多使用ＣＭＯＳ传感器和光学镜片组合的方式来记录图像和视频，??其拍摄的结果存在透视关系。？中国高速公路的车行道分界线（图像中白色车道线区??域）宽一般为〇．ｌ〇ｍ－０．１５ｍ，行车视频记录的图像由于透视关系，表现在图像上即??为平时熟知的近宽远窄，近大远小的现象。车道线是具有一定宽度的片状区域，因??此其相对观察者呈现近宽远窄的结果。针对此现象，本文算法对标注区域进行扩展??时《方向宽度沿ｖ方向随车道线宽度进行自适应变化，扩展之后的宽度％与车道线??宽度％和ｖ成正比，即公式（１）。??ＪＶｕｘｗＲ＆ｖ?（１）??按照式（１）进行扩展后结果如图２－３所示。??图２－３?车道标注点扩展示意??将图２－３扩展结果中各点连接裁剪整合，将除车道线区域之外的图像去除，最终整??合结果即为该图像车道线ＲＯＩ，如图２－４所示。??图２－４?车道ＲＯＩ示意??图２－４为直线车道ＲＯＩ结果，若车道线为曲线，则ＲＯＩ区域随车道线弯曲而自适?
【参考文献】：
期刊论文
[1]车道线快速检测算法及其应用[J]. 吴彬,刘翔,尚岩峰,汤显. 传感器与微系统. 2019(11)
[2]改进Niblack算法及其在不均匀光照条件下的应用[J]. 贾坤昊,夹尚丰,杨栩,余振军,蔡丽杰,李志国,孙林. 软件导刊. 2019(04)
[3]基于中轴变换的骨架特征提取算法[J]. 史聪伟,赵杰煜,常俊生. 计算机工程. 2019(07)
[4]基于几何矩采样的车道检测算法[J]. 宋锐,陈辉,肖志光,许岩岩,Reinhard KLETTE. 中国科学:信息科学. 2017(04)
[5]运用迭代最大熵算法选取最佳图像分割阈值[J]. 伦向敏,侯一民. 计算机工程与设计. 2015(05)
[6]基于整体最优阈值的车道线快速识别方法[J]. 段建民,刘冠宇,郑榜贵. 北京工业大学学报. 2015(01)
[7]基于距离变换的新型骨架提取方法[J]. 徐超,肖潇,骆燕,胡慧杰,刘明. 仪器仪表学报. 2012(12)
[8]改进的形态学骨架提取算法[J]. 吕哲,王福利,常玉清,刘阳. 计算机工程. 2009(19)
[9]基于形态学骨架提取算法的研究及其实现[J]. 江萍,徐晓冰,方敏. 计算机应用. 2003(S1)
博士论文
[1]距离变换与中轴变换在变形问题中的应用研究[D]. 车武军.浙江大学 2003
本文编号：3117152
本文链接：https://www.wllwen.com/kejilunwen/qiche/3117152.html
