基于机器视觉的车道线检测及跟踪方法研究
发布时间：2022-02-13 12:07
近年来,随着公路建设的发展和汽车的普及,给人类带来了极大的便利,创造了可观的经济效益。但是交通安全问题也面临着严峻的挑战,其影响不容忽视。车辆智能辅助驾驶系统作为行车安全的重要保障,以警报或偏离警告的方式指导司机安全驾驶,在即将发生碰撞或偏离车道时,避免事故的发生。其中车道线检测和跟踪作为安全智能辅助系统中的重要组成部分,有着重要的研究价值和意义。本文主要围绕车道线检测和跟踪进行深入分析和研究。论文介绍并分析了国内外车道线检测和跟踪算法的研究现状。在现有车道线检测技术的基础上,本文根据我国结构化公路特性分别研究了直车道线检测方法和弯曲车道线检测方法。在机器视觉导航中,车道线检测要求实时性好,道路定位准确性高,因此将跟踪算法加入辅助驾驶系统中有着重要的意义与价值。通过研究国内外智能车辆系统的各种算法,本文主要针对下面两部分展开论述。在车道线检测方面,为了去除对车道线检测无用的冗余信息,精确地提取出车道线,需要对视觉传感器所采集到的图像进行预处理,且对每一步预处理的算法进行仿真对比,选取出效果最好的算子。首先,为了使检测结果更精准,更符合要求,本文将改进的概率Hough变换算法（PPHT）...
【文章来源】：哈尔滨工程大学黑龙江省211工程院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
原图像与灰度图像
由于车辆在户外环境，难免会遭受恶劣天气的影响，还会受到电磁波等难以避免的干扰。车载摄像机在采集视频时，考虑图像的滤波去噪作用显得尤为关键。图像噪声种类多且繁杂，依据统计学理论，可分为平稳和非平稳噪声两类。噪声滤除主要的方法分别为基于空间域和基于变换域两大类。前者是指在原图直接对像素的灰度值进行数学运算，典型的滤波方法有均值滤波、中值滤波等。通过处理在经图像的变换域上变换后的系数，从而去除噪声的方法，这便是基于变换域的方法。例如通过对图像进行离散余弦变换后的去除噪声的方法。当图像自身数据量较大时，基于变换域的方法需要两次域的变换，运算量非常大，占用系统大量内存，耗费时间必定加长，达不到实时性的要求；与基于变换域方法不同的是，空间域滤波法不需要进行域的变换，对图像的像素直接操作就可以达到滤波效果，过程简单，运算量小，能满足实时性的要求。本文主要对中值滤波法、均值滤波法、维纳滤波法这三种不同的空间域算法进行研究分析。为了模拟道路图像中雨雪天气的干扰，采用椒盐噪声来代替。加入椒盐噪声的图像，如图 2.2 所示。
)1( , )m n sf m nMNμ∈= （2-6）2 2 2( , )1( , )m n sf m nMNσ μ∈= （2-7）在相同的条件下，对以上三种滤波算法进行道路图像仿真实验。采用同一幅图片，该图片背景为结构化的高速路，三种滤波算法仿真结果如图 2.3 所示a 椒盐噪声图 b 均值滤波
【参考文献】：
期刊论文
[1]基于meanshift的目标跟踪系统设计与实现[J]. 白蕾. 电子测量技术. 2016(04)
[2]自适应模板匹配在自主空中加油跟踪中的应用[J]. 杜立一,程咏梅,公续平,赵建涛. 电子设计工程. 2014(20)
[3]基于直线模型的道路边界识别技术[J]. 刘金龙,张晓雨. 电子科技. 2014(10)
[4]基于RGB空间的车道线检测与辨识方法[J]. 杨益,何颖. 计算机与现代化. 2014(02)
[5]机器视觉技术的应用研究[J]. 张红霞,刘义才. 电子世界. 2013(17)
[6]结合分块Hough变换与Kalman预测的车道线检测方法[J]. 尤小泉,彭映杰. 科学技术与工程. 2013(24)
[7]最小二乘法原理及其简单应用[J]. 邹乐强. 科技信息. 2010(23)
[8]基于Canny算子的边缘检测研究[J]. 孙英慧. 鞍山师范学院学报. 2010(02)
[9]基于三分量色差法的交通标志分割[J]. 胡牡丹,杨立敬,朱双东. 机电工程. 2009(10)
[10]基于逆透视变换的智能车辆定位技术[J]. 高德芝,郑榜贵,段建民. 计算机测量与控制. 2009(09)
博士论文
[1]面向驾驶辅助系统的车辆行驶安全预警模型研究[D]. 胡三根.华南理工大学 2016
[2]视频目标跟踪算法研究[D]. 王书朋.西安电子科技大学 2009
硕士论文
[1]基于贝叶斯框架的目标检测跟踪算法研究[D]. 麦华岸.华南理工大学 2013
[2]基于彩色图像序列的目标跟踪算法研究[D]. 张坤.中国科学院研究生院（西安光学精密机械研究所） 2013
[3]基于单目视觉的车道线检测与智能车导航[D]. 谢一峰.上海交通大学 2013
[4]复杂环境下的道路检测算法研究[D]. 王晓云.杭州电子科技大学 2012
[5]基于视觉的高速公路车道线检测算法研究[D]. 吴林成.合肥工业大学 2010
[6]基于GNSS/ODO的列车定位方法研究[D]. 张辉.北京交通大学 2008
[7]智能车辆中的道路检测与识别[D]. 张伟.重庆大学 2006
[8]基于机器视觉的高速车道标志线检测算法的研究[D]. 李晗.东北大学 2006
本文编号：3623165
【文章来源】：哈尔滨工程大学黑龙江省211工程院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
原图像与灰度图像
由于车辆在户外环境，难免会遭受恶劣天气的影响，还会受到电磁波等难以避免的干扰。车载摄像机在采集视频时，考虑图像的滤波去噪作用显得尤为关键。图像噪声种类多且繁杂，依据统计学理论，可分为平稳和非平稳噪声两类。噪声滤除主要的方法分别为基于空间域和基于变换域两大类。前者是指在原图直接对像素的灰度值进行数学运算，典型的滤波方法有均值滤波、中值滤波等。通过处理在经图像的变换域上变换后的系数，从而去除噪声的方法，这便是基于变换域的方法。例如通过对图像进行离散余弦变换后的去除噪声的方法。当图像自身数据量较大时，基于变换域的方法需要两次域的变换，运算量非常大，占用系统大量内存，耗费时间必定加长，达不到实时性的要求；与基于变换域方法不同的是，空间域滤波法不需要进行域的变换，对图像的像素直接操作就可以达到滤波效果，过程简单，运算量小，能满足实时性的要求。本文主要对中值滤波法、均值滤波法、维纳滤波法这三种不同的空间域算法进行研究分析。为了模拟道路图像中雨雪天气的干扰，采用椒盐噪声来代替。加入椒盐噪声的图像，如图 2.2 所示。
)1( , )m n sf m nMNμ∈= （2-6）2 2 2( , )1( , )m n sf m nMNσ μ∈= （2-7）在相同的条件下，对以上三种滤波算法进行道路图像仿真实验。采用同一幅图片，该图片背景为结构化的高速路，三种滤波算法仿真结果如图 2.3 所示a 椒盐噪声图 b 均值滤波
【参考文献】：
期刊论文
[1]基于meanshift的目标跟踪系统设计与实现[J]. 白蕾. 电子测量技术. 2016(04)
[2]自适应模板匹配在自主空中加油跟踪中的应用[J]. 杜立一,程咏梅,公续平,赵建涛. 电子设计工程. 2014(20)
[3]基于直线模型的道路边界识别技术[J]. 刘金龙,张晓雨. 电子科技. 2014(10)
[4]基于RGB空间的车道线检测与辨识方法[J]. 杨益,何颖. 计算机与现代化. 2014(02)
[5]机器视觉技术的应用研究[J]. 张红霞,刘义才. 电子世界. 2013(17)
[6]结合分块Hough变换与Kalman预测的车道线检测方法[J]. 尤小泉,彭映杰. 科学技术与工程. 2013(24)
[7]最小二乘法原理及其简单应用[J]. 邹乐强. 科技信息. 2010(23)
[8]基于Canny算子的边缘检测研究[J]. 孙英慧. 鞍山师范学院学报. 2010(02)
[9]基于三分量色差法的交通标志分割[J]. 胡牡丹,杨立敬,朱双东. 机电工程. 2009(10)
[10]基于逆透视变换的智能车辆定位技术[J]. 高德芝,郑榜贵,段建民. 计算机测量与控制. 2009(09)
博士论文
[1]面向驾驶辅助系统的车辆行驶安全预警模型研究[D]. 胡三根.华南理工大学 2016
[2]视频目标跟踪算法研究[D]. 王书朋.西安电子科技大学 2009
硕士论文
[1]基于贝叶斯框架的目标检测跟踪算法研究[D]. 麦华岸.华南理工大学 2013
[2]基于彩色图像序列的目标跟踪算法研究[D]. 张坤.中国科学院研究生院（西安光学精密机械研究所） 2013
[3]基于单目视觉的车道线检测与智能车导航[D]. 谢一峰.上海交通大学 2013
[4]复杂环境下的道路检测算法研究[D]. 王晓云.杭州电子科技大学 2012
[5]基于视觉的高速公路车道线检测算法研究[D]. 吴林成.合肥工业大学 2010
[6]基于GNSS/ODO的列车定位方法研究[D]. 张辉.北京交通大学 2008
[7]智能车辆中的道路检测与识别[D]. 张伟.重庆大学 2006
[8]基于机器视觉的高速车道标志线检测算法的研究[D]. 李晗.东北大学 2006
本文编号：3623165
本文链接：https://www.wllwen.com/kejilunwen/qiche/3623165.html
