基于机器视觉的路面标线检测方法研究
发布时间：2021-06-22 19:18
随着经济社会的快速发展,交通运输行业在经济生活中的重要性更加突显,汽车成为经济活动和人们生活中必要的工具。机动车保有量的快速增加导致拥堵、事故频发等问题日渐严重。安全驾驶辅助技术是自动驾驶技术的基础,也是解决交通问题的重要技术手段。路面标线作为路面上最主要的交通标识,对路面标线的利用是安全驾驶辅助技术的主要手段之一。安全驾驶辅助技术中的车道偏离辅助、智能自适应巡航等技术也是建立在对路面标线检测和识别的基础之上的。因此,继续的提高路面标线识别算法的准确性、实时性和鲁棒性是安全驾驶辅助技术乃至无人驾驶应用中的重要问题。本文的主要内容是研究单目机器视觉检测和跟踪路面标线的算法。目的是提高检测的准确性、实时性。首先,在图像的预处理模块中,分别研究分析了图像预处理的各个步骤中不同算法的原理及其优缺点,并重点对边缘检测算法进行了研究,同时根据Canny边缘检测算法的步骤,改进了Canny算法,优化了其高低阈值的求取方法,不必人工设置,能够根据图像灰度分布自动计算,从图像测试结果来看,能够提高算法的环境适应能力,在环境复杂、亮度变化等情况下对比原始算法有更佳的检测效果。给出了一个当前条件下的优化的算...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
L3级别的奥迪A8
中国地质大学（北京）工程硕士学位论文7图1-3百度“Apollogo”无人驾驶出租车华为公司发挥自身通信领域优势，依托5G技术，打造“5G汽车生态圈”，与数十家车企合作，加速5G技术在汽车产业的商用进程，依靠车联网促进汽车终端化；四维图新打造出了"芯片+算法+软件+地图"的布局。依靠车载芯片、ADAS、车联网形成了自动驾驶的全面架构;阿里巴巴于聚焦于智能车联的车载OS，并与上汽开展了深度合作，推出斑马系统；中海达整合多领域的传感器集成，造就行业内数一数二的先进定位技术，均可运用在无人驾驶领域。此外，腾讯、滴滴、AutoX、文远知行、Pony.ai、希迪智驾等公司也通过各种途径积极研究高级驾驶辅助相关技术，布局自动驾驶领域。[5]1.2.3路面标线检测研究现状路面标线检测和识别的主要分为基于特征的识别方法和基于模型的识别方法两类。基于特征的方法主要是将图像的色彩或灰度作为主要研究参考。对于基于灰
中国地质大学（北京）工程硕士学位论文13预留n的值可变，可以根据道路图像的或者摄像机参数调整，这里取n=5。最终的ROI分割示意图如下：图2-1ROI分割示意图2.2图像灰度化处理我们日常生活中常见的彩色图像以RGB图像为主。这种彩色图像中的每个像素点均由R、G、B三个通道叠加而成，根据每个分量所占的不同权重，分别显示出红绿蓝等各种不同的颜色。图像的灰度是指位于黑色与白色之间的多级色彩深度，灰度值最大的像素点为255，表示白色。最小的为0，表示黑色，处于中间值的像素则是分级变化。灰度化处理就是将彩色图像转换为由0-255的灰度值表示的灰度图像的过程。在很多图像处理算法的应用过程中，往往都要把彩色图像转换为灰度图像，因为颜色信息不能反映图像的形态特征，例如在我们识别某种物体的时候，梯度是最为重要的关键因素之一，梯度往往就意味着边缘的存在，这一点我们在边缘检测算法的研究部分会更详细的介绍，而边缘是一幅图像最重要的特征。然而，在计算梯度的过程中，图像的色彩往往起不到作用，还影响实
【参考文献】：
期刊论文
[1]基于CamShift和Kalman组合的改进目标跟踪算法[J]. 何俊,樊卫华,王冲,周维维. 计算机测量与控制. 2017(03)
[2]基于动态感兴趣区域的光照无关车道线检测算法[J]. 鱼兆伟,吴晓波,沈林. 计算机工程. 2017(02)
[3]基于视频的高速车道偏离预警系统[J]. 余小角,陈贤富. 微型机与应用. 2016(19)
[4]一种基于噪声连接分量的层次中值滤波算法[J]. 陈宏希. 计算机应用与软件. 2016(10)
[5]改进的基于均值滤波的单幅图像去雾算法研究[J]. 吴延海,张婧,陈康. 西安科技大学学报. 2016(04)
[6]基于Kalman滤波器和改进Camshift算法的双眼跟踪[J]. 王丽,郝晓丽. 微电子学与计算机. 2016(06)
[7]结合卡尔曼滤波器噪声分析的车道线检测跟踪算法[J]. 郭克友,王艺伟,郭晓丽. 计算机测量与控制. 2016(05)
[8]基于优先像素与卡尔曼滤波追踪的车道线检测[J]. 陈涛,张洪丹,陈东,谭纯. 汽车工程. 2016(02)
[9]结构化道路上应用区域划分的车道线识别[J]. 王越,范先星,刘金城,庞振营. 计算机应用. 2015(09)
[10]基于扩展卡尔曼滤波器的车道线检测算法[J]. 彭红,肖进胜,程显,李必军,宋晓. 光电子·激光. 2015(03)
硕士论文
[1]基于计算机视觉的车道偏离预警算法研究[D]. 陈普.南昌航空大学 2015
[2]基于图像集的视觉目标跟踪算法研究[D]. 沈映菊.华侨大学 2015
本文编号：3243395
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
L3级别的奥迪A8
中国地质大学（北京）工程硕士学位论文7图1-3百度“Apollogo”无人驾驶出租车华为公司发挥自身通信领域优势，依托5G技术，打造“5G汽车生态圈”，与数十家车企合作，加速5G技术在汽车产业的商用进程，依靠车联网促进汽车终端化；四维图新打造出了"芯片+算法+软件+地图"的布局。依靠车载芯片、ADAS、车联网形成了自动驾驶的全面架构;阿里巴巴于聚焦于智能车联的车载OS，并与上汽开展了深度合作，推出斑马系统；中海达整合多领域的传感器集成，造就行业内数一数二的先进定位技术，均可运用在无人驾驶领域。此外，腾讯、滴滴、AutoX、文远知行、Pony.ai、希迪智驾等公司也通过各种途径积极研究高级驾驶辅助相关技术，布局自动驾驶领域。[5]1.2.3路面标线检测研究现状路面标线检测和识别的主要分为基于特征的识别方法和基于模型的识别方法两类。基于特征的方法主要是将图像的色彩或灰度作为主要研究参考。对于基于灰
中国地质大学（北京）工程硕士学位论文13预留n的值可变，可以根据道路图像的或者摄像机参数调整，这里取n=5。最终的ROI分割示意图如下：图2-1ROI分割示意图2.2图像灰度化处理我们日常生活中常见的彩色图像以RGB图像为主。这种彩色图像中的每个像素点均由R、G、B三个通道叠加而成，根据每个分量所占的不同权重，分别显示出红绿蓝等各种不同的颜色。图像的灰度是指位于黑色与白色之间的多级色彩深度，灰度值最大的像素点为255，表示白色。最小的为0，表示黑色，处于中间值的像素则是分级变化。灰度化处理就是将彩色图像转换为由0-255的灰度值表示的灰度图像的过程。在很多图像处理算法的应用过程中，往往都要把彩色图像转换为灰度图像，因为颜色信息不能反映图像的形态特征，例如在我们识别某种物体的时候，梯度是最为重要的关键因素之一，梯度往往就意味着边缘的存在，这一点我们在边缘检测算法的研究部分会更详细的介绍，而边缘是一幅图像最重要的特征。然而，在计算梯度的过程中，图像的色彩往往起不到作用，还影响实
【参考文献】：
期刊论文
[1]基于CamShift和Kalman组合的改进目标跟踪算法[J]. 何俊,樊卫华,王冲,周维维. 计算机测量与控制. 2017(03)
[2]基于动态感兴趣区域的光照无关车道线检测算法[J]. 鱼兆伟,吴晓波,沈林. 计算机工程. 2017(02)
[3]基于视频的高速车道偏离预警系统[J]. 余小角,陈贤富. 微型机与应用. 2016(19)
[4]一种基于噪声连接分量的层次中值滤波算法[J]. 陈宏希. 计算机应用与软件. 2016(10)
[5]改进的基于均值滤波的单幅图像去雾算法研究[J]. 吴延海,张婧,陈康. 西安科技大学学报. 2016(04)
[6]基于Kalman滤波器和改进Camshift算法的双眼跟踪[J]. 王丽,郝晓丽. 微电子学与计算机. 2016(06)
[7]结合卡尔曼滤波器噪声分析的车道线检测跟踪算法[J]. 郭克友,王艺伟,郭晓丽. 计算机测量与控制. 2016(05)
[8]基于优先像素与卡尔曼滤波追踪的车道线检测[J]. 陈涛,张洪丹,陈东,谭纯. 汽车工程. 2016(02)
[9]结构化道路上应用区域划分的车道线识别[J]. 王越,范先星,刘金城,庞振营. 计算机应用. 2015(09)
[10]基于扩展卡尔曼滤波器的车道线检测算法[J]. 彭红,肖进胜,程显,李必军,宋晓. 光电子·激光. 2015(03)
硕士论文
[1]基于计算机视觉的车道偏离预警算法研究[D]. 陈普.南昌航空大学 2015
[2]基于图像集的视觉目标跟踪算法研究[D]. 沈映菊.华侨大学 2015
本文编号：3243395
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3243395.html
最近更新
教材专著
