基于图像处理的路面标志及障碍物检测研究

发布时间：2022-07-15 12:25

　　随着汽车数量的增多,驾驶安全受到了广泛的关注。对路面标志和障碍物的检测能够及时提醒驾驶员,并在一定程度上减少交通事故的发生。论文采用图像处理技术对路面车道线、路面标志及障碍物进行检测研究。检测出路面的信息,为驾驶员提供安全保障。路面车道线有直线和曲线两种情况,论文采用了Hough变换和内塞尔模型的算法分别对车道线的直线部分与曲线部分检测。此方法实时性不高,因此采用了Shi-Tomasi角点检测的方法,对图像中特征点进行匹配,可以提高检测的实时性与鲁棒性。路面标志的种类不多,论文采用了Hu不变矩与马氏测距的方法对路面标志进行检测与识别。先提取出路面标志的轮廓,再求出其七个Hu不变矩值,将这七个Hu不变矩值与样本库进行马氏测距计算出其相似度信息,根据相似度识别出待测目标的类别。单目视觉检测路面障碍物非常困难,论文采用了双目立体匹配算法检测路面障碍物。对去噪后的两幅图像进行Census代价计算,计算出代价之后再用半全局匹配方法进行匹配,获取图像深度信息,进而检测出路面障碍物。 

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究的背景和意义
    1.2 国内外研究现状与分析
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 论文结构安排
第2章 车道线检测及研究
    2.1 车道线检测常用的算法
    2.2 图像预处理
        2.2.1 图像灰度化处理
        2.2.2 图像滤波
        2.2.3 二值化
        2.2.4 确定感兴趣区域
        2.2.5 边缘检测
    2.3 基于Hough变换对直线车道线检测
        2.3.1 Hough变换原理
        2.3.2 改进Hough变换进行车道线直线检测
    2.4 基于贝塞尔模型对车道线曲线部分检测
        2.4.1 内塞尔车道线边界模型
        2.4.2 对曲线进行边界拟合
        2.4.3 Shi-Tomasi角点动态检测
    2.5 本章小结
第3章 路面标志检及研究
    3.1 对路面标志区域预处理
    3.2 路面标志的识别
        3.2.1 Hu不变矩介绍
        3.2.2 构建样本库
        3.2.3 马氏距离相似度量
    3.3 实验结果分析
    3.4 本章小结
第4章 路面障碍物检测及研究
    4.1 双目检测简介
        4.1.1 双目模型介绍
        4.1.3 双目约束条件
    4.2 立体匹配算法
    4.3 障碍物检测具体过程
        4.3.1 改进Census代价计算
        4.3.2 半全局匹配代价聚合
    4.4 实验结果分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间所发表的论文
致谢


【参考文献】：
期刊论文
[1]基于混合贝塞尔曲线模型的车道检测算法[J]. 韩浩,王舜燕.  计算机工程与设计. 2018(03)
[2]车道线实时检测与偏离预警系统设计与研究[J]. 李福俊,顾敏明.  光电子·激光. 2018(03)
[3]基于改进Census变换和多尺度空间的立体匹配算法[J]. 刘建国,俞力,柳思健,王帅帅.  华南理工大学学报(自然科学版). 2017(12)
[4]基于Hough变换的车道线检测[J]. 钱怡.  山东工业技术. 2017(10)
[5]Improved Sobel algorithm for defect detection of rail surfaces with enhanced efficiency and accuracy[J]. 石甜,孔建益,王兴东,刘钊,郑国.  Journal of Central South University. 2016(11)
[6]一种基于噪声连接分量的层次中值滤波算法[J]. 陈宏希.  计算机应用与软件. 2016(10)
[7]结合分数阶微分和Canny算子的边缘检测[J]. 张桂梅,孙晓旭,陈彬彬,刘建新.  中国图象图形学报. 2016(08)
[8]改进的基于均值滤波的单幅图像去雾算法研究[J]. 吴延海,张婧,陈康.  西安科技大学学报. 2016(04)
[9]长安:无人驾驶汽车来了[J]. 赵宇飞,张桂林.  中国品牌. 2016(06)
[10]基于概率霍夫变换的车道检测技术研究[J]. 陈军,杜焕强,张长江.  科技通报. 2016(03)

博士论文
[1]基于马氏距离的度量学习算法研究及应用[D]. 梅江元.哈尔滨工业大学 2016
[2]特征抽取方法研究及其在人脸识别中的应用[D]. 王建国.南京理工大学 2008

硕士论文
[1]双目视觉中的半全局立体匹配算法研究[D]. 石立.南京大学 2018
[2]基于机器视觉的车道线识别与预警[D]. 陈家凡.浙江理工大学 2018
[3]基于单目视觉的结构化道路车道线识别和SAE算法的车道偏离检测研究[D]. 王晓锦.山东大学 2017
[4]《申报》汽车副刊中的近代上海城市社会[D]. 张伟.湖北省社会科学院 2017
[5]基于机器视觉的车道偏离及碰撞预警技术研究[D]. 张云飞.北京工业大学 2017
[6]基于双目视觉的障碍物检测算法研究及硬件设计[D]. 杜奥博.哈尔滨工业大学 2016
[7]综合考虑视觉和雷达的车道线检测研究[D]. 路顺杰.吉林大学 2015
[8]全局立体匹配快速算法研究[D]. 刘小伟.东北大学 2015
[9]基于双目视觉的立体匹配算法研究[D]. 张小雪.东北大学 2014
[10]基于机器视觉的车道线检测识别与车道偏离预警算法研究[D]. 李大新.山东大学 2012



本文编号：3662045