近年來,我國汽車保有量的逐年遞增,汽車的交通安全問題越發(fā)受到社會的重視。為了減少交通事故的數(shù)量,加強汽車的主動安全性,逐漸搭載了智能輔助駕駛系統(tǒng)。車道偏離預警技術是高級輔助駕駛系統(tǒng)的核心技術之一,在高速場景下,由于駕駛員疲憊、困倦和注意力分散等,車輛如果發(fā)生車道偏離,系統(tǒng)及時給予駕駛員警告信號,從而避免碰撞等交通事故的發(fā)生,保障駕駛員的生命安全。本文主要研究基于圖像的車道線識別與汽車車道偏離預警技術,該技術的核心模塊為車道線的識別與追蹤算法和車道偏離預警算法。首先介紹了車道偏離預警技術的國內(nèi)外發(fā)展現(xiàn)狀,以及組成該技術的核心算法的研究現(xiàn)狀,并指出了現(xiàn)有的算法不足之處。然后對本文涉及的三種核心算法的詳細設計過程進行了闡述,算法的主要內(nèi)容如下:1、道路圖像的預處理。對前車攝像頭拍攝的道路圖像序列逐幀預處理,圖像預處理流程主要包含設置感興趣區(qū)域、灰度化、中值去噪、頂帽增強處理、閾值分割、輪廓修復、輪廓中心特征提取等,通過圖像的預處理可以去除噪聲干擾,增強目標車道特征,為后續(xù)的識別檢測做好準備。2、車道線的識別與追蹤。高速道路有著較大的轉(zhuǎn)彎半徑,其圖像近視場可以簡化為直線,且彎道模型計算量大,實...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 車道偏離預警技術的研究現(xiàn)狀
        1.2.1 車道識別
        1.2.2 車道追蹤
        1.2.3 車道偏離預警
    1.3 本文主要研究內(nèi)容
第2章 圖像預處理
    2.1 引言
    2.2 感興趣區(qū)域提取
    2.3 灰度化
    2.4 道路圖像濾波
    2.5 頂帽處理
    2.6 道路圖像二值化
        2.6.1 大津法
        2.6.2 雙峰法
        2.6.3 迭代法
        2.6.4 閾值分割效果對比
    2.7 車道輪廓修復
    2.8 目標輪廓中心特征點提取
        2.8.1 連通域標記
        2.8.2 輪廓篩選
        2.8.3 道路輪廓中心樣本點提取
    2.9 本章小結
第3章 車道線的識別與跟蹤
    3.1 引言
    3.2 車道線模型的建立
        3.2.1 直線模型
        3.2.2 曲線模型
        3.2.3 組合模型
    3.3 直線模型的檢測方法
        3.3.1 霍夫變換
        3.3.2 最小二乘法
        3.3.3 隨機抽樣一致性算法
        3.3.4 直線擬合實驗
    3.4 車道線跟蹤預測算法
        3.4.1 卡爾曼濾波器的原理
        3.4.2 系統(tǒng)初值設定
        3.4.3 改進的卡爾曼濾波工作流程
    3.5 車道線檢測結果及分析
    3.6 本章小結
第4章 基于圖像的車道偏離預警算法
    4.1 引言
    4.2 車道偏離常用預警模型簡介
        4.2.1 CCP模型
        4.2.2 FOD模型
        4.2.3 TLC模型
    4.3 基于車道線數(shù)量和夾角的預警模型
        4.3.1 車道線偏離角
        4.3.2 車道線數(shù)量
        4.3.3 車道偏離預警模型
    4.4 車道偏離預警實驗
    4.5 本章小結
總結與展望
    工作總結
    存在的問題與展望
參考文獻
致謝



本文編號：3904982