城市环境下基于混合模型的车道线检测方法研究

发布时间：2021-02-20 19:48

　　当前交通事故频发,智能驾驶技术成为解决这一问题的有效手段之一,车道线检测是智能驾驶技术的基础而重要的组成部分,对车辆的路径规划及行为决策中发挥了重要的作用。通过对国内外的研究现状进行大量调研和分析,城市环境下基于视觉的车道线检测算法存在车道线目标信息难以提取,检测准确率低等问题。本文以车道线检测为研究对象,利用车载相机采集图像,通过分析车道线的特点,提取车道线特征;针对车道线检测易受光照、城市道路环境干扰问题,提出多次阈值分割的对比度拉伸算法和斑马线滤除预处理方法;为进一步提高车道线检测精度、实时性和鲁棒性,建立基于混合模型的车道线检测算法,并对车道线进行跟踪。本文的主要研究内容如下:1.提出基于多次阈值分割的对比度拉伸算法和斑马线滤除的预处理方法。首先针对城市环境下存在光照、道路环境干扰的问题,提出基于最大类间方差的多次阈值分割对比度拉伸算法和斑马线滤除方法。与传统预处理方法相比,表明本文所提方法对城市环境下的目标特征提取效果更好,适应性强。2.建立基于混合模型的车道线检测方法,并进行车道线跟踪。为进一步提高车道线检测的精度、鲁棒性和实时性,考虑到单种模型对道路车道线检测的适应性不高... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

otsu阈值分割效果图

重庆邮电大学硕士学位论文第2章相关技术分析152.3.1道路颜色空间转换常见的城市道路车道线颜色特征有白色以及黄色。与其他图像特征相比，颜色特征对尺度变换、平移变换等操作不敏感。车道线颜色特征提取实质是对彩色图像进行分割，主要涉及颜色空间变换。本文车载摄像头采集的图像为RGB颜色空间图像，但人无法感知识别出R、G、B分量比例。因此，采用其他颜色空间对车道线的颜色特征进行描述是有必要的。HSV通过色度(hue)，饱和度(saturation)，以及亮度(value)来定义颜色，更接近人眼对颜色的定义[52]。如图所示为RGB和HSV颜色空间。(a)RGB(b)HSV图2.9颜色空间图HSV和RGB这两种颜色空间用不同方式描述色彩，两者存在转换关系。设rgb分别是一个颜色的红、绿和蓝坐标，它们的值是在0到1之间的实数。设max等价于rgb中的最大者。设min等于这些值中的最小者。要找到在HSV空间中的hsv值，这里的)h0,360是角度的色相角，而s,v0,1是饱和度和亮度，则计算公式为：0,if600,if=and60360,if=and<60120,if=60240,if=max=mingbmaxrgbmax-mingbhmaxrgbmax-minbrmaxgmax-minrgmaxbmax-min+=+++(2.17)

重庆邮电大学硕士学位论文 第 2 章 相关技术分析 0, if 01 , otherwisemax =hmax - min minmax max = = (2.18) v =max (2.19) 通过分析色彩的空间分布，我们将车道线的黄色特征从图像中提取出来，滤除其他颜色，实验结果如图所示。


本文编号：3043258