基于语义分割和光流估计的快速响应车道线识别方法研究

发布时间：2021-10-09 08:39

　　近年来,随着全球经济不断发展,道路上的车辆越来越多,随之而来的是城市交通拥堵和交通事故增加。先进驾驶辅助系统和无人驾驶技术可以通过提醒驾驶员或接管驾驶员操作的方式来降低事故发生率,提高交通运输效率。车道线识别是先进驾驶辅助系统和无人驾驶技术的重要组成部分之一,可以为车道偏离预警、路径规划、横向控制等提供反馈。然而,快速的车道线识别算法容易受光照条件、遮挡、天气等影响,高精度的车道线识别算法计算量较大,运行速度相对逊色。因此,兼具鲁棒性与快速性的车道线识别算法研究是当前的研究热点。针对以上问题,本文提出了一种基于深度学习语义分割和光流估计的快速响应车道线识别方法,首先通过车道线分割得到车道线像素点在图像中的位置特征,然后根据这些像素点的位置特征对车道线进行分类和去噪,最后通过单目视觉测距算法和最小二乘法得到图像中所有车道线在摄相机坐标系中的二次曲线方程。具体工作主要包括以下两个方面:在车道线分割阶段,本方法将视频帧分为关键帧与非关键帧,关键帧的车道线分割由语义分割网络完成;非关键帧的车道线分割由光流估计网络结合关键帧分割结果完成;视频帧的属性判断由一个极小的神经网络结合视频帧的底层光流特... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

边缘检测效果图

重庆邮电大学硕士学位论文第2章相关模型介绍10缘信息在傅里叶变换过后被发现具有高频和低频信息，因此通过高斯函数的傅里叶变换可以获得噪声较少且更易提取的图像边缘。由于高斯函数的可分离性质，因此车道线图像中应用高斯滤波器计算过程可以分步进行，分别一次沿着图像横轴和纵轴做卷积，计算量为线性增长。使用Canny算子的边缘检测的效果如图2.1所示。为了去除不必要的计算，车道线识别算法通常设置车辆行驶正前方为感兴趣区域，然后使用形态学中的腐蚀和膨胀对边缘像素点进行去噪和补充，最后使用霍夫变换检测出可能为车道线的曲线。经过是上述处理后的车道线识别效果如图2.2所示。图2.1边缘检测效果图图2.2边缘检测结合感兴趣区域和霍夫变换效果

重庆邮电大学硕士学位论文第2章相关模型介绍11经过上述处理后图2.2中仍然存在很多非车道线直线，为了进一步去噪，算法通常使用等间隔采样或者灰度直方图统计法，将非当前车道区域的直线去除，最终效果如图2.3所示。图2.3基于边缘特征的车道线识别结果基于边缘检测的车道线识别方法，由于算法复杂度低，在检测环境比较简单的情况下，例如没有过多车辆和行人，路面光照良好、颜色平缓的条件下，可以迅速完成车道线识别。因此，该种方法也难以满足高级别无人驾驶的要求。2.1.2基于颜色空间变换的车道线识别模型日常生活中车道线为白色，因此车辆行驶区域内连续出现的白色区域很有可能是车道线。因此，部分学者从这个角度入手对车道线进行检测。在自然场景下，不经任何处理的图像受光照亮度影响比较明显，将车道图像的颜色空间转换到YCrCb空间可以有效减少亮度的变化对检测结果的影响，控制YCrCb颜色空间中各个特征分量的取值范围，可以有效地将车道线与背景区域分开。HSV是一种以图像颜色的色调、饱和度以及明亮度为特征量的颜色空间，连续车道在区域内通常是均匀且统一的，因此从HSV颜色空间入手对车道线进行识别也是一种思路。图像被变换到上述两种颜色空间之后，通过对特征范围进行设置，可以实现车道线分离。

【参考文献】：
期刊论文
[1]一种实时车道线偏离预警系统算法设计和实现[J]. 徐美华,张凯欣,蒋周龙.  交通运输工程学报. 2016(03)
[2]一种弯道标志线启发式分段搜索算法[J]. 王珂娜,初雪梅,张维刚,王耀南.  电子测量与仪器学报. 2013(08)
[3]基于单目视觉的跟驰车辆车距测量方法[J]. 余厚云,张为公.  东南大学学报(自然科学版). 2012(03)
[4]基于视觉的车道偏离报警系统的研究[J]. 李旭,张为公.  仪器仪表学报. 2008(07)

硕士论文
[1]智能车速度规划及横纵向控制方法研究[D]. 马学峥.北京工业大学 2019
[2]基于机器视觉的车道偏离及碰撞预警技术研究[D]. 张云飞.北京工业大学 2017
[3]基于相机的车道线识别与车道偏离预警技术研究[D]. 王怀涛.合肥工业大学 2017
[4]基于视觉的移动机器人运动目标跟踪技术研究[D]. 李阳.北京交通大学 2009



本文编号：3426021