基于双模型和滑动窗搜索的车道线检测算法

发布时间：2021-04-04 04:42

　　传统基于边缘检测的边缘提取算法在进行车道线待选点提取时,难以控制边缘的范围,在真实场景中会将树木的阴影以及汽车自身的阴影提取出来,造成较大的噪声;传统基于滑动窗搜索拟合方法的车道线检测与跟踪方法在计算时,由于滑动窗本搜索算法自身的算法问题,导致计算速度较低,在实时性方面较差。针对这些问题,本文提出一种基于边缘提取算法与颜色空间模型相结合的复合模型,对滑动窗搜索拟合算法进行改进和优化的车道线检测方法,有效地降低了提取车道线待选点时的噪声,提高了车道线检测的准确性和实时性,在实际的应用中实用性更强。 

【文章来源】：电脑知识与技术. 2019,15(16)

【文章页数】：2 页

【部分图文】：

本文方法的车道线检测效果图表1三种算法性能对比

【参考文献】：
期刊论文
[1]自适应阈值的Sobel算子边缘检测研究[J]. 李琳琳.  电子技术. 2018(12)
[2]一种基于PHOG特征的SVM的交通标志识别方法[J]. 张丽艳,张伟,龙美芳.  电脑知识与技术. 2018(27)
[3]基于多约束条件下的霍夫变换车道线检测方法[J]. 石林军,余粟.  计算机测量与控制. 2018(09)
[4]基于多尺度重采样的车道线检测[J]. 付黎明,李必军,叶雨同.  电子技术应用. 2017(04)
[5]基于Canny算子和Hough变换的夜间车道线检测[J]. 李亚娣,黄海波,李相鹏,陈立国.  科学技术与工程. 2016(31)

博士论文
[1]基于机器视觉的先进辅助驾驶系统关键技术研究[D]. 范延军.东南大学 2016

硕士论文
[1]实时车道线检测系统的设计和实现[D]. 刘伸展.电子科技大学 2017
[2]图像分割的车牌定位算法的应用研究[D]. 付卓栋.大连交通大学 2016



本文编号：3117750