發(fā)布時間：2021-08-31 08:55

　　隨著汽車數(shù)量的迅速增加,行車安全已經(jīng)越來越受到人們的重視,其中車道線識別與追蹤算法也成為研究的熱點領(lǐng)域。傳統(tǒng)的車道線識別與追蹤算法主要針對良好環(huán)境,而對于霧天等不良環(huán)境的研究甚少。針對霧天環(huán)境下車道線圖像路面與車道線的對比度遠低于正常環(huán)境,給車道線識別與追蹤帶來困難的問題,本文對霧天環(huán)境下車道線識別與追蹤算法進行研究,主要研究內(nèi)容如下:（1）對霧天環(huán)境下成像原理以及圖像去霧的算法進行研究。針對傳統(tǒng)暗通道去霧算法實時性差的問題,提出一種基于形態(tài)學腐蝕運算的暗通道去霧算法。與傳統(tǒng)去霧算法相比,該算法可以實現(xiàn)快速、準確圖像去霧。（2）對于不同類型的車道線,本文采用不同的識別算法。對于直道,選用直線模型,針對傳統(tǒng)Hough變換識別車道線存在不準確、實時性差的問題,提出一種基于極角約束和分類判別Hough變換的車道線識別算法。實驗結(jié)果表明,該算法不僅只對本車道兩側(cè)車道線進行識別,而且在實時性上得到提升。對于彎道,選用拋物線模型,首先針對粒子群算法存在過早收斂的問題,用混沌理論對粒子群算法進行改進;然后利用車道線與路面灰度值的差異設(shè)計車道線目標函數(shù);最后采用混沌粒子群算法對目標函數(shù)中參數(shù)優(yōu)化。實驗... 

【文章來源】：桂林電子科技大學廣西壯族自治區(qū)

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

國外智能車

(a) 清華智能車 (b) 百度無人車圖 1-2 國內(nèi)智能車通過對國內(nèi)外車道線識別與追蹤算法的研究及在智能車上應用的分析與總結(jié)，目前對于車道線的識別與追蹤主要分為兩種：基于道路特征的識別方法[23][24]和基于道路模型的識別方法[25][26]�；诘缆诽卣鞯淖R別方法就是利用車道線與普通公路路面在灰度值、紋理、形狀以及亮度等特征上的不同，通過這些不同點選擇合適的圖像分割方法，將車道線從道路中提取出來。文獻[27]結(jié)合最大類間方差法和 Canny 算子的優(yōu)點：提出了基于最大類間方差法實現(xiàn)自適應 Canny 算子的車道線邊緣檢測算法，之后結(jié)合 Hough 變換實現(xiàn)對車道線的識別。文獻[28]提出利用形態(tài)學分析的方法識別車道線：首先利用最大類間方差法對圖像進行特征點提取預處理，之后為消除其余車輛對識別的影響，采用形態(tài)學顆粒分析法對二值圖像進行處理，最后采用形態(tài)學骨架化完成車道線的識別。文獻[29]提出利用顏色對車道線與道路的差異分類識別的算法：該算法首先將 RGB 三通道圖像變成 LAB 的圖像后通過 K 均值法分割圖像，之后利用最大類間方差法對圖像二值化并且提取特征點，最后利用擬合的思想對特征點進行擬合，進而識別出車道線。

第一章 緒論先驗去霧算法進行改進，在保證去霧效果的前提下，減小計算的復雜度，提高實時性。（2）對于預處理之后的圖像進行車道線特征提取。通過對比幾種二值化方法處理效果，利用局部最大類間方差法完成圖像二值化和車道線特征提取。（3）針對車道線有直線和曲線的問題，采用分類識別的方式。對于直線識別，采用改進的 Hough 變換進行識別；對于曲線識別，采用基于拋物線模型的曲線識別方法，通過對車道線特征的分析得出車道線目標函數(shù)，然后使用混沌粒子群對目標函數(shù)中的三個參數(shù)最優(yōu)化，從而完成對彎車道的識別。（4）對于采集的車道線視頻信息，因為相鄰幀序列之間的車道線特征信息差距很小，所以采用混沌粒子群算法根據(jù)上一幀的結(jié)果實現(xiàn)對車道線的追蹤，從而提高識別追蹤的實時性。

【參考文獻】：
期刊論文
[1]基于投影統(tǒng)計與雙曲線擬合的車道識別算法[J]. 王其東,魏振亞,王乃漢,陳無畏,謝有浩.  中國機械工程. 2019(04)
[2]霧天景區(qū)圖像增強的算法優(yōu)化[J]. 浦瀚,楊道業(yè),溫勇.  中國儀器儀表. 2018(10)
[3]對比度增強的彩色圖像灰度化算法[J]. 劉美,薛新松,劉廣文,劉智,才華.  長春理工大學學報(自然科學版). 2018(05)
[4]基于組合模型的交通事故嚴重程度預測方法[J]. 石雪懷,戚湧,張偉斌,李千目.  計算機應用研究. 2019(08)
[5]彩色圖像灰度化算法綜述[J]. 顧梅花,蘇彬彬,王苗苗,王志磊.  計算機應用研究. 2019(05)
[6]基于人工魚群算法的分數(shù)階PIλ控制器參數(shù)整定[J]. 張學典,王富彥,秦曉飛.  計算機應用研究. 2019(03)
[7]基于暗通道及多尺度Retinex的霧霾天氣圖像增強算法[J]. 趙春麗,董靜薇.  激光雜志. 2018(01)
[8]基于自適應Riesz分數(shù)階微分的霧天圖像增強[J]. 雷思佳,趙鳳群.  計算機應用. 2018(05)
[9]百度谷歌無人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚,田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[10]基于消失點檢測與分段直線模型的車道線識別[J]. 王曉錦,王增才,趙磊.  機電一體化. 2017(05)

博士論文
[1]城市動態(tài)路況信息下交通行為的研究[D]. 周偉.大連理工大學 2012

碩士論文
[1]車道偏離預警中的車道標線識別方法研究[D]. 李棟梁.遼寧工業(yè)大學 2018
[2]基于單目視覺的結(jié)構(gòu)化道路車道線識別和SAE算法的車道偏離檢測研究[D]. 王曉錦.山東大學 2017
[3]基于機器視覺的車道偏離預警策略研究[D]. 張亮.大連理工大學 2017
[4]基于機器視覺的車道偏離及碰撞預警技術(shù)研究[D]. 張云飛.北京工業(yè)大學 2017
[5]基于暗原色原理和B樣條小波的霧霾車牌定位的研究[D]. 鞠麗麗.青島大學 2016
[6]基于機器視覺的霧天環(huán)境下車道線識別技術(shù)研究[D]. 蔡兵.重慶郵電大學 2016
[7]單目視覺結(jié)構(gòu)化道路車道線檢測和跟蹤技術(shù)研究[D]. 付永春.南京理工大學 2012



本文編號：3374607