發(fā)布時間：2020-11-20 14:42

　　 本文圍繞基于單目視覺的車道線檢測技術(shù)展開研究;旨在提出一種能適應(yīng)多種復(fù)雜道路交通環(huán)境的車道線檢測方法。論文介紹了國內(nèi)外車道線檢測方法的研究現(xiàn)狀。在現(xiàn)有方法的基礎(chǔ)上,本文提出一種基于多視覺線索、先驗知識與時空信息的車道線檢測方法,其主要內(nèi)容如下:1.從圖像的輪廓特征入手,利用一種快速線段檢測器提取道路圖像在鳥瞰視角下的輪廓線段。和基于邊緣檢測算子的輪廓檢測方法不同,該線段檢測器可實現(xiàn)亞像素級的檢測精度,且能夠提取低對比度等光照不均及遠(yuǎn)視場的車道線特征,有利于提高車道線檢測的視野范圍。2.在車道線檢測方面,為了提高算法在復(fù)雜道路交通場景的適應(yīng)能力,本文結(jié)合車道線輪廓的梯度、長度、位置等視覺線索,對輪廓線段進(jìn)行分類、重生與延伸操作,倘若最終延伸結(jié)束后的線段滿足閾值要求,則將作為車道線線性段的擬合結(jié)果。3.在車道線擬合模型上,采用動態(tài)的連接點(diǎn)連接直線段與拋物線段;這種直線-拋物線模型對車道寬度不一及形狀多變的車道有較好的擬合效果。4.為了提高卡爾曼濾波器的跟蹤響應(yīng)性能,設(shè)計兩類噪聲模型用于提升不同道路交通環(huán)境下的車道線跟蹤魯棒性與響應(yīng)速度。通過與其他主流車道線檢測算法的對比實驗及對不同場景下的道路圖像進(jìn)行測試,結(jié)果表明,提出的車道線檢測算法能在復(fù)雜的道路交通環(huán)境下具有較好的魯棒性,能夠滿足車道線檢測的實際應(yīng)用需求。
【學(xué)位單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U463.6
【部分圖文】：

車道線檢測用途說明示意圖

.1 灰度化攝像機(jī)采集的彩色圖像通常由 R、G、B 三個分量組成。三維空間中的三分別與之對應(yīng)；原點(diǎn)對應(yīng)于黑色，其對角端點(diǎn)為白色，剩余顏色則坐落于三間中。由于 RGB 彩色模型包含許多顏色信息，數(shù)據(jù)量較大，對車道線檢測顯得相對冗余，因此對攝像機(jī)獲得的彩色圖像進(jìn)行灰度化是必不可少的過程RGB 圖像灰度化的本質(zhì)就是尋找一個三維空間到一維空間的映射。以 24色圖像為例，R、G、B 各分量的值域為[0,255]，則灰度圖像的每個像素點(diǎn)域也為[0,255]，其中 0 代表黑色，255 代表白色。常用的灰度化處理主要有化法和加權(quán)平均法，即： = ( ) 或 Gě = д д д （2.1其中， 分別為 R，G，B 的權(quán)值。由于人眼對綠色最為敏感，紅色，藍(lán)色最低，因此將 權(quán)值系數(shù)依次遞減設(shè)置為 0.59，0.3，0.11。圖 b）為圖像灰度化效果。

結(jié)構(gòu)化道路車道線的單目視覺檢測方法研究.2 鳥瞰圖變換傳感器所采集到的圖像實際上是真實世界的三維物體在二維平面上的投影孔攝像機(jī)模型恰當(dāng)?shù)亟忉屃嗽撐锢磉^程。然而，物體在這種透視視角下會呈近大遠(yuǎn)小的不規(guī)則性。圖 2.2 說明了車道線的透視效應(yīng)；在橫向范圍內(nèi)，車以及車道有著不同的寬度；在縱向范圍內(nèi)，單位長度的實際距離對應(yīng)不同的距離。在基于計算機(jī)視覺的車道線檢測方法中，廣泛應(yīng)用鳥瞰圖變換將輸入路透視圖像轉(zhuǎn)換為俯視圖。與采用透視圖像的車道線檢測算法相比，鳥瞰圖雖然耗費(fèi)了一些時間，但它消除了車道線的透視效應(yīng)，從而更加有利于車道搜索與檢測。
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 袁啟平;宋金澤;吳濤;;基于逆透視投影變換的圖像拼接方法[J];微計算機(jī)信息;2010年21期

2 余厚云;張為公;;基于動態(tài)感興趣區(qū)域的車道線識別與跟蹤[J];工業(yè)儀表與自動化裝置;2009年05期

相關(guān)碩士學(xué)位論文 前1條

1 薛衛(wèi)鵬;基于Otsu算法與數(shù)學(xué)形態(tài)學(xué)的圖像分割算法研究[D];東北大學(xué);2009年

本文編號：2891571