复杂路况的车道线检测与识别算法研究

发布时间：2017-03-23 05:22

  本文关键词：复杂路况的车道线检测与识别算法研究，，由笔耕文化传播整理发布。

【摘要】：驾驶员的注意力不集中或者视觉干扰引发的车道线偏离是交通事故发生的重要原因之一。高级驾驶辅助系统(ADAS)可以减少此类交通事故的发生,具有非常重要的现实意义。车道线检测是该系统的核心技术之一,也是实现车辆辅助安全驾驶的重要前提。近年来,国内外学者相继提出一些具有重要意义的检测算法,但是普遍存在两方面的问题。第一,如何在道路图像存在较多干扰时,提高算法的鲁棒性。第二。如何在保证算法鲁棒性的同时又可以满足系统对实时性的需求。为了提高车道线识别算法的实时性和鲁棒性,提出一种基于双线性插值的特征提取算法。该算法是根据车道线的消失点来缩放图像,缩放前后仅有车道线边缘仍然保持在原来的直线上。针对路面和车道线对比度较低的情况,提出一种基于梯度增强转换的特征提取算法。采用线性鉴别分析计算出当前图像中的最佳转换系数,使得车道线与路面的梯度值之差达到最大。此外,利用Canny自适应边缘检测算法可以求得最佳的阈值,从而有效排除异常点,利于后续的车道线拟合。针对直线模型的车道线,利用改进Hough变换算法进行车道线拟合。利用分区检测的算法可以拟合直线或者曲线模型的车道线。经过多种复杂路况的实验分析表明:基于双线性插值的特征提取算法在车道线不连续、异物遮挡或亮度不均匀的情况下能较好的提取车道线;同时提出的基于梯度增强转换的算法在车道线和路面的对比度较低时特征提取效果较好。利用改进Hough变换算法进行车道线拟合,能够快速准确的提取车道线。利用分区检测的算法可以在多种路况下均能准确快速的识别出车道标识线。在特征点提取效果较好的前提下,该算法的检测正确率高达88.5%。
【关键词】：车道线识别 双线性插值 梯度增强转换 改进Hough变换
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-20
• 1.1 课题的提出10-11
• 1.2 车道偏离预警系统的研究背景11-12
• 1.3 车道线识别研究状况及存在问题12-16
• 1.3.1 基于视觉的车道线识别研究状况12-16
• 1.3.2 存在的问题16
• 1.4 论文的研究工作16-20
• 第二章 基于双线性插值的特征点提取20-32
• 2.1 引言20-21
• 2.2 道路图像预处理21-23
• 2.2.1 图像灰度化21-22
• 2.2.2 图像增强22-23
• 2.2.3 感兴趣区域划分23
• 2.3 改进的 Sobel 算子边缘检测23-24
• 2.4 图像缩放24-31
• 2.4.1 消失点的检测24-25
• 2.4.2 选择图片区域25-26
• 2.4.3 双线性插值缩放26
• 2.4.4 特征提取结果对比分析26-31
• 2.5 本章小结31-32
• 第三章 基于梯度增强转换的车道标识线特征点提取32-44
• 3.1 引言32
• 3.2 传统预处理下Canny边缘检测结果对比分析32-34
• 3.3 梯度增强转换算法34-38
• 3.3.1 线性鉴别分析法34-35
• 3.3.2 梯度增强转换35-38
• 3.4 Canny自适应边缘检测38-39
• 3.5 特征提取结果分析对比分析39-42
• 3.6 本章小结42-44
• 第四章 车道标识线识别44-54
• 4.1 引言44
• 4.2 基于改进Hough变换的车道线拟合44-48
• 4.2.1 基于传统Hough变换的车道线拟合44-46
• 4.2.2 基于改进Hough变换的车道线拟合46-48
• 4.3 基于分区域检测的车道线拟合48-53
• 4.3.1 三次B样条曲线模型的建立48-49
• 4.3.2 分区域检测49-51
• 4.3.3 复杂工况下实验结果51-53
• 4.4 本章小结53-54
• 总结与展望54-56
• 参考文献56-62
• 致谢62-63
• 个人简历63

【参考文献】

中国期刊全文数据库 前10条

1 刘金龙;张晓雨;;基于直线模型的道路边界识别技术[J];电子科技;2014年10期

2 张

本文编号：263039