基于车载图像处理的道路检测技术研究

发布时间：2017-09-03 17:45

  本文关键词：基于车载图像处理的道路检测技术研究

  更多相关文章： 车道线检测 梯度信息 Hough变换 FPGA 路面检测 光照不变特征

【摘要】：近年来,随着国家的道路交通事业迅猛发展,交通事故频发成为了社会性的难题。汽车安全辅助驾驶技术对保障人民生命财产安全具有重要的现实意义,通过捕捉和分析道路信息,在车辆即将发生碰撞或车道发生偏离的情况下发出预警,从而可以避免交通事故的发生。其中车道线检测与路面检测技术通过提供重要的道路信息成为了车道偏离预警、自主导航、自主驾驶等应用研究的重要部分。因此,有效并准确地检测车道线与提取路面是辅助驾驶技术的基础问题与研究重点,本文围绕基于车载图像的道路检测技术展开研究。论文首先介绍了国内外在车道线检测与路面检测领域的研究现状,通过分析该领域的重要方法与实际效果从而发现了现有研究中存在的难题。然后,在现有研究的基础上,提出一种鲁棒抗干扰强的车道线检测算法及其具体硬件实现,关于路面检测提出了一种抗阴影干扰且快速有效的检测算法。本文的主要内容如下：1.在车道线检测算法的研究方面,提出了一种基于梯度幅值与梯度方向的联合特征的提取方法,并根据梯度幅值信息进行自适应的ROI (Region of Interest)分割。首先计算图像的梯度幅值并根据设定阈值确定图像中的边缘。然后计算梯度方向并根据与车道线边缘方向相关的先验知识排除非车道线边缘。该方法能够在很大程度上减少图像的冗余信息,保留较好的车道线特征,从而提高后续车道线提取算法的效率。2.在车道线提取过程中,本文综合考虑了Hough变换的特点,通过对梯度方向进行分组的方式对它进行了改进,从而更精准的对目标像素进行空间转换,提高了直线检测算法的效率。另外对于车道线检测应用,本文从硬件架构、软件算法等方面进行了程序设计,从而提出了一个切实可行的车道线检测系统,使本文提出的车道线检测算法在FPGA与DSP的平台上进行并行运算。3.在路面检测的研究方面,本文使用光照不变特征以及相似性分类方法来解决阴影干扰对检测结果带来的影响。利用前后两帧图像的连续性,一方面使用了光流法获得背景区域的特征,另一方面通过前一帧的检测结果获得光照不变特征均值。该方法在图像含有各种阴影的情况下能够有效准确地提取路面区域。本文在不同的测试图像上验证了提出的车道线检测算法和路面检测算法,测试图像序列包含阴影、车辆、行人等干扰在内的多种道路场景,实验结果表明本文算法的有效性和鲁棒性。
【关键词】：车道线检测 梯度信息 Hough变换 FPGA 路面检测 光照不变特征
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-12
• 1.2 国内外道路检测研究现状12-14
• 1.2.1 车道线检测的现状12-13
• 1.2.2 路面检测的现状13-14
• 1.3 论文主要研究内容以及章节安排14-16
• 1.3.1 本文主要研究内容14-15
• 1.3.2 论文章节安排15-16
• 第2章 车载道路图像提取相关背景介绍16-29
• 2.1 视频图像采集16-19
• 2.1.1 CCD图像传感器16-17
• 2.1.2 视频数字信号处理17-19
• 2.2 图像色彩空间转换19-22
• 2.2.1 YUV422格式与YUV444格式的转换19-21
• 2.2.2 YUV444格式与RGB格式的转换21
• 2.2.3 RGB格式与CIE L~*a~*b~*格式的转换21-22
• 2.3 道路图像预处理22-28
• 2.3.1 图像灰度化22-23
• 2.3.2 道路图像滤波23-26
• 2.3.3 道路图像增强26-28
• 2.4 本章小结28-29
• 第3章 基于梯度方向与幅值的车道线检测算法29-44
• 3.1 车道线特征提取29-34
• 3.1.1 颜色特征提取29-30
• 3.1.2 边缘特征提取30-32
• 3.1.3 基于梯度幅值与方向的提取32-34
• 3.2 ROI区域提取34-38
• 3.2.1 区域固定的ROI分割方法35-36
• 3.2.2 自适应ROI分割方法36-37
• 3.2.3 基于边缘统计特性的自适应ROI分割方法37
• 3.2.4 ROI分割方法结果对比37-38
• 3.3 车道线检测38-41
• 3.3.1 Hough变换39-40
• 3.3.2 改进的Hough变换检测直线40-41
• 3.4 算法的基本流程41-42
• 3.5 本章小结42-44
• 第4章 车道线检测算法的硬件实现与实验评估44-51
• 4.1 算法的硬件实现44-47
• 4.1.1 实时车道检测系统硬件架构44-45
• 4.1.2 车道线检测系统软件架构45-46
• 4.1.3 数据流解码46
• 4.1.4 边缘特征求值模块的FPGA实现46-47
• 4.2 算法的评估47-50
• 4.2.1 实验数据与评价标准47-48
• 4.2.2 算法的评估结果48-50
• 4.3 本章小结50-51
• 第5章 基于光照不变性与光流法的路面检测算法51-62
• 5.1 光照不变特征模型51-53
• 5.2 基于光流法的图像运动提取53-55
• 5.3 基于光照不变性与光流法的路面检测算法55-58
• 5.3.1 算法初始化阶段55-56
• 5.3.2 基于相似性的分类算法56-58
• 5.3.3 基于连通区域的后续处理58
• 5.4 算法的评估58-61
• 5.4.1 路面检测算法的评价指标59
• 5.4.2 算法的评估结果59-61
• 5.5 本章小结61-62
• 总结与展望62-64
• 参考文献64-68
• 致谢68-69
• 附录A 攻读学位期间所发表的学术论文目录69

，

本文编号：786462