【摘要】：為解決汽車駕駛安全問題,基于視覺的輔助駕駛系統(tǒng)成為選擇,其中基于視覺的車道線檢測技術(shù)對光照變化敏感。本文研究了基于顯著圖的對光照不敏感的車道線檢測算法,論文主要工作包括:(1)提出對光照變化不敏感的車道線顯著圖生成方法�；谲嚨琅c車道線高對比度設(shè)定,計算每個像素與亮度低于該像素的其他像素之間的顏色距離之和作為顯著值,生成高亮度優(yōu)先的亮度對比度初級顯著圖�；诓煌庹障履p車道線像素呈現(xiàn)類高斯形狀的先驗分布,采用加入車道線寬度先驗知識的一維高斯核逐行進行相關(guān)性計算生成中級顯著圖。由于初級顯著圖對道路背景像素有著很好的抑制作用,而中級顯著圖會放大噪聲和展寬車道線,以初級顯著圖作為掩膜與中級顯著圖相乘,得到融合顯著圖。(2)提出凸殼邊界信息輔助的車道線定位方法以及特征點生長模型。由于各車道線分布的離散性,利用顯著圖建立每條車道線的凸殼邊界信息,生成最小外接矩形提取車道線候選區(qū)域縮小檢測范圍,并利用外接矩形的大小、長寬比以及中軸方向進行去噪。在光照不均勻時,獲取的候選車道線區(qū)域并不完整,在最小外接矩形范圍內(nèi)提取車道線種子特征點,利用區(qū)域峰值和邊緣結(jié)合特征生長車道線特征點。(3)采用偏離度約束條件下的自適應(yīng)直線-拋物線擬合模型。提取的車道線特征點包含噪聲,因此提出模型偏離度計算規(guī)則去噪,即利用點到曲線的距離約束來判斷擬合點是否屬于擬合曲線,并計算不屬于擬合曲線的擬合點比率作為偏離度。為提升彎道擬合的契合度,設(shè)置偏離度閾值,采用回溯法與二分法自適應(yīng)地找到直線部分與曲線部分的最佳分界點,再分別用直線模型和曲線模型擬合。在本文研究工作基礎(chǔ)上,實現(xiàn)了基于顯著圖的光照魯棒性車道線檢測算法,準(zhǔn)確率為92%,檢測速度為每秒42.5幀。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;U463.6
【圖文】：

華南理工大學(xué)工程碩士學(xué)位論文 ( ) = ( ( ) ( )) (2-7)( )( ) = ( ) ( ) (2-8)其中， 為信號 ( )的長度�？紤]到道路光照的不均勻性，為了保證局部區(qū)域像素的對比度，在計算顯著值時 ( )減去 鄰域內(nèi)的均值，采用下式計算互相關(guān)：( )( ) = ( ( ) ( ) ) ( ) (2-9)由于車道線的對稱性，取( )( )作為像素點的顯著值來生成顯著圖，減少計算量。

12圖 2-5 瑞利分布函數(shù)與高斯分布函數(shù)互相關(guān)對比圖 2-3（b）和 2-3（c），在道路圖像每一行像素中，區(qū)域峰分布類似于高斯分布函數(shù)。理想情況下，車道線像素分布類似方波信號；實際情況中，由于光照影響以及磨損情況，車道線像素分布也可能類似瑞利分布函數(shù)；如圖 2-4 與圖 2-5，從互相關(guān)計

【參考文獻】

相關(guān)期刊論文 前2條

1 景慧昀;韓琦;牛夏牧;;顯著區(qū)域檢測算法綜述[J];智能計算機與應(yīng)用;2014年01期

2 楊喜寧;段建民;高德芝;鄭榜貴;;基于改進Hough變換的車道線檢測技術(shù)[J];計算機測量與控制;2010年02期

相關(guān)博士學(xué)位論文 前1條

1 覃文軍;基于視覺信息的手勢識別算法與模型研究[D];東北大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 成劍;基于機器視覺的道路線識別算法研究[D];南京理工大學(xué);2017年

2 蔡兵;基于機器視覺的霧天環(huán)境下車道線識別技術(shù)研究[D];重慶郵電大學(xué);2016年

3 宮小虎;基于RANSAC拋物線擬合的實時車道線檢測和類型識別算法[D];吉林大學(xué);2016年

4 韋唯;基于單目視覺的車道線識別方法研究[D];吉林大學(xué);2015年

5 隋欣;基于視覺顯著性的車輛目標(biāo)檢測算法研究[D];東南大學(xué);2015年

6 劉國榮;基于圖像的車道線檢測與跟蹤算法研究[D];湖南大學(xué);2014年

7 虎亞玲;基于視覺顯著性的交通標(biāo)志檢測與識別方法研究[D];蘭州理工大學(xué);2012年

本文編號：2723367