基于机器视觉的车道线检测与偏离预警方法研究

发布时间：2025-02-09 19:12

　　随着人工智能、图像处理等技术的飞速发展,基于机器视觉的环境感知技术得到广泛应用;近年来,通过机器视觉来进行整车的车道偏离预警成为汽车智能化与主动安全方面的研究重点;当前车道偏离预警方面的研究虽然有一些突破但仍面临诸多问题。本文针对目前车道线检测与偏离预警方法适应性不强、检测精度不高,从而不能够满足多种道路环境下实际应用需求的问题展开相关研究。提出一种能够适应多种道路场景的车道线检测方法,并建立相应的偏离预警方法,增强整个系统的可靠性。本文主要做了以下研究工作:首先,针对当前车道线检测算法环境适应性差的缺点,本文侧重于复杂路况、雨雾天气、阴影路况条件下的车道线检测方法研究。在道路图像的预处理阶段,对图像中的冗余信息以及噪声进行剔除,对车道线边缘信息进行强化,提升整体检测方法对环境变化的适应性以及精度。其次,本文对包括水平线、消失点、物理坐标位置等在内的图像特征进行研究,而后融合这些特征信息并与图像的不同颜色模型以及边缘检测方法相结合。提出一种能够有较好检测精度,且能有效避免前方道路中障碍物与阴影干扰的适应性强、鲁棒性好的车道线检测方法。然后,研究图像的成像原理与成像过程中不同坐标系之间的对...

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 研究内容与研究方法
第2章 道路图像预处理
    2.1 图像去雾提清处理
    2.2 图像灰度化
    2.3 图像滤波
    2.4 图像边缘强化
    2.5 图像二值化
    2.6 本章小结
第3章 基于机器视觉的车道线检测与识别
    3.1 道路场景布局分析
    3.2 道路消失点检测
    3.3 图像ROI确定
    3.4 图像平面转换
    3.5 图像的边缘检测
    3.6 基于HSL与 Lab颜色模型的车道线检测
    3.7 车道线识别
    3.8 检测结果与分析
    3.9 本章小结
第4章 基于机器视觉的道路坡度检测方法研究
    4.1 道路俯视图像分析
    4.2 坐标系构建
    4.3 道路坡度检测模型的建立
    4.4 检测结果与分析
    4.5 本章小结
第5章 基于改进TLC模型的车道偏离预警算法
    5.1 车道偏离预警模型分析
    5.2 车道偏离预警算法研究
    5.3 测试结果与分析
    5.4 本章小结
第6章 结论
    6.1 研究总结
    6.2 研究展望
致谢
参考文献
攻读学位期间获得与论文相关的科研成果
附录 A:本文所用到的部分Matlab库函数



本文编号：4032732