發(fā)布時(shí)間：2020-11-20 14:42

　　 本文圍繞基于單目視覺的車道線檢測(cè)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(cè)方法。論文介紹了國(guó)內(nèi)外車道線檢測(cè)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(yàn)知識(shí)與時(shí)空信息的車道線檢測(cè)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(cè)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(cè)算子的輪廓檢測(cè)方法不同,該線段檢測(cè)器可實(shí)現(xiàn)亞像素級(jí)的檢測(cè)精度,且能夠提取低對(duì)比度等光照不均及遠(yuǎn)視場(chǎng)的車道線特征,有利于提高車道線檢測(cè)的視野范圍。2.在車道線檢測(cè)方面,為了提高算法在復(fù)雜道路交通場(chǎng)景的適應(yīng)能力,本文結(jié)合車道線輪廓的梯度、長(zhǎng)度、位置等視覺線索,對(duì)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(dòng)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(duì)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(jì)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(guò)與其他主流車道線檢測(cè)算法的對(duì)比實(shí)驗(yàn)及對(duì)不同場(chǎng)景下的道路圖像進(jìn)行測(cè)試,結(jié)果表明,提出的車道線檢測(cè)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(cè)的實(shí)際應(yīng)用需求。
【學(xué)位單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U463.6
【部分圖文】：

車道線檢測(cè)用途說(shuō)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(gè)分量組成。三維空間中的三分別與之對(duì)應(yīng)；原點(diǎn)對(duì)應(yīng)于黑色，其對(duì)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(duì)車道線檢測(cè)顯得相對(duì)冗余，因此對(duì)攝像機(jī)獲得的彩色圖像進(jìn)行灰度化是必不可少的過(guò)程RGB 圖像灰度化的本質(zhì)就是尋找一個(gè)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?yàn)閇0,255]，則灰度圖像的每個(gè)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(duì)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(cè)方法研究.2 鳥瞰圖變換傳感器所采集到的圖像實(shí)際上是真實(shí)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^(guò)程。然而，物體在這種透視視角下會(huì)呈近大遠(yuǎn)小的不規(guī)則性。圖 2.2 說(shuō)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(zhǎng)度的實(shí)際距離對(duì)應(yīng)不同的距離。在基于計(jì)算機(jī)視覺的車道線檢測(cè)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(cè)算法相比，鳥瞰圖雖然耗費(fèi)了一些時(shí)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(cè)。
【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(jì)算機(jī)信息;2010年21期

2 余厚云;張為公;;基于動(dòng)態(tài)感興趣區(qū)域的車道線識(shí)別與跟蹤[J];工業(yè)儀表與自動(dòng)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(hào)：2891571