基于街景影像的道路线提取

发布时间：2017-08-19 19:08

  本文关键词：基于街景影像的道路线提取

  更多相关文章： 街景序列影像 形态学 Hough变换结合最小二乘法

【摘要】：在智能汽车辅助驾驶研究领域中,基于视觉的道路线检测与跟踪提取是一项关键技术,其研究对于辅助安全驾驶和智能汽车自主导航有着重要意义。当前许多学者在这一方面取得了重大成果,但大多数都是针对某些特殊的结构化道路模型提出的,并不能适用于各种不同的道路状况,特别是当被跟踪的道路路面结构不均匀、光照强烈、阴影或者有遮挡等各种复杂的道路状况,道路线检测、跟踪算法会出现较大偏差,导致检测、跟踪提取失败。本研究主要是利用街景系统采集的街景影像开展道路线的提取,论文分为三个部分研究:道路影像预处理方法、道路线检测算法、道路线跟踪算法,最终通过实验验证了研究算法的可用性。其中,道路影像预处理方法包括影像灰度化、中值滤波去噪、影像自适应直方图均衡化、边缘增强、影像二值化、形态学修补。道路线检测算法分为感兴趣区域提取和直线拟合两部分。具体为:首先利用二分法进行道路感兴趣区域提取;感兴趣区域确定后,利用上述影像预处理算法进行影像处理;然后在此基础上,利用形态学的结构元素对道路线特征点信息进行存储,在一定约束条件下对车道线信息进行筛选,最后利用Hough变换结合最小二乘法进行直线的拟合,此方法大大提高了识别精度。道路线跟踪算法主要是利用上一帧影像道路线信息预测下一帧影像的道路特征区域,然后经过影像预处理和直线拟合完成最后的道路线跟踪提取任务。通过实验统计分析,结果证明本文所提出的Hough变换结合最小二乘法的道路线检测,对区域中的道路线基本都能提取出来,成功率达到80%以上。但是,对于一些遮挡,道路线残缺等特殊情况下的检测仍然存在漏检、误检情况,仍需要进行深入的研究。
【关键词】：街景序列影像 形态学 Hough变换结合最小二乘法
【学位授予单位】：北京建筑大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-13
• 1.1 研究背景与意义7-8
• 1.2 国内外研究现状8-10
• 1.3 本文研究内容10-11
• 1.4 论文组织结构11-13
• 第2章 道路影像预处理13-31
• 2.1 道路影像灰度化13-14
• 2.2 道路影像滤波去噪14-17
• 2.2.1 滤波去噪方法简介14-15
• 2.2.2 小波图像去噪15
• 2.2.3 中值滤波去噪15-16
• 2.2.4 道路影像滤波效果对比分析16-17
• 2.3 道路影像增强17-22
• 2.3.1 影像灰度变换增强18-20
• 2.3.2 直方图均衡化20-22
• 2.4 影像边缘增强22-25
• 2.4.1 Canny算子22-23
• 2.4.2 Sobel算子23
• 2.4.3 LOG算子23-25
• 2.5 图像二值化25-30
• 2.5.1 全局阈值法25-26
• 2.5.2 迭代法阈值分割26-27
• 2.5.3 Otsu阈值分割27-28
• 2.5.4 基于二值化的形态学法28-30
• 2.6 本章小结30-31
• 第3章 道路线检测算法研究31-41
• 3.1 影像感兴趣区域确定31-32
• 3.1.1 感兴趣区域提取相关算法31-32
• 3.1.2 二分法感兴趣区域提取32
• 3.2 道路线检测算法32-35
• 3.2.1 Hough变换算法研究33-34
• 3.2.2 一些改进的Hough变换34-35
• 3.2.3 最小二乘拟合法35
• 3.3 基于形态特征的HOUGH变换35-39
• 3.3.1 车道线信息筛选35-36
• 3.3.2 车道线拟合36-39
• 3.3.3 车道双边缘的去除39
• 3.3.4 道路边界的提取39
• 3.4 本章小结39-41
• 第4章 道路线跟踪算法研究41-46
• 4.1 道路线跟踪算法41-42
• 4.2 道路线跟踪42-44
• 4.2.1 道路线区域预测42-43
• 4.2.2 跟踪提取43-44
• 4.2.3 重新定位判断44
• 4.3 本章小结44-46
• 第5章 实验设计及性能分析46-54
• 5.1 实验环境46
• 5.2 实验流程46-48
• 5.3 性能分析48-53
• 5.3.1 多种场景下道路线提取48-50
• 5.3.2 同一路段连续跟踪检测50-52
• 5.3.3 结果分析52-53
• 5.4 总结53-54
• 第６章 总结与展望54-55
• 6.1 研究工作总结54
• 6.2 研究展望54-55
• 参考文献55-59
• 攻读硕士期间发表论文及科研情况59-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 田炳香;郑榜贵;吴晴;;高速公路车道线检测与跟踪算法研究[J];现代电子技术;2008年09期

2 郭磊;李克强;王建强;连小珉;;应用方向可调滤波器的车道线识别方法[J];机械工程学报;2008年08期

3 余厚云;张为公;;直线模型下的车道线跟踪与车道偏离检测[J];自动化仪表;2009年11期

4 余厚云;张为公;;基于动态感兴趣区域的车道线识别与跟踪[J];工业仪表与自动化装置;2009年05期

5 刘富强;张姗姗;朱文红;李志鹏;;一种基于视觉的车道线检测与跟踪算法[J];同济大学学报(自然科学版);2010年02期

6 高德芝;段建民;杨磊;杨喜宁;;应用多阶动态规划的车道线识别方法[J];机械工程学报;2011年08期

7 徐后杰;李会方;缪国锋;;基于单目视觉的车道线分离警告算法研究[J];微处理机;2011年03期

8 刘振超;孔斌;王俊;黄俊杰;;水平亮度微分在车道线检测中的使用[J];仪表技术;2012年07期

9 高志峰;汪渤;周志强;徐方芳;;一种鲁棒的非平坦路面车道线检测算法[J];北京理工大学学报;2013年01期

10 柴灿;郎朗;;嵌入式实时车道线偏移快速侦测算法及系统实现[J];新余学院学报;2014年04期

中国重要会议论文全文数据库 前8条

1 毕雁冰;;提高车道线识别精度的一种方法[A];第三届中国CAE工程分析技术年会论文集[C];2007年

2 杨广林;苗冬霜;;结构化道路车道线检测与跟踪算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

3 刘晓龙;邓志东;;基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

4 张洁颖;王生进;丁晓青;;基于车辆轨迹的车道线检测与划分[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 余贵珍;李芹;王迪;;车辆智能化车道线跟踪方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 李钢;圣华;张仁斌;;基于LMedSquare选取最佳子集的车道线检测算法[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 刘天辉;李飞;;车辆视觉导航中道路检测算法研究[A];第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛论文集（信息科学与工程技术分册）[C];2014年

8 孙晓军;李华;;基于Facet模型的一种车道线提取方法[A];第八届中国智能交通年会论文集[C];2013年

中国博士学位论文全文数据库 前5条

1 杜明芳;基于视觉的自主车道路环境理解技术研究[D];北京理工大学;2015年

2 王俊;无人驾驶车辆环境感知系统关键技术研究[D];中国科学技术大学;2016年

3 陈军;基于DSP的高速公路车道偏离报警系统研究[D];天津大学;2010年

4 沈\，

本文编号：702430