本文關(guān)鍵詞：車道偏離預(yù)警系統(tǒng)關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：交通事故發(fā)生的原因有一定共性,抓住事故的共性可以有效避免事故的發(fā)生。根據(jù)美國聯(lián)邦公路局的統(tǒng)計數(shù)據(jù)表明,美國2006年造成重大傷亡的交通事故中,竟有百分之四十的事故發(fā)生是與車輛偏離車道線有關(guān),而且有逐年上升的趨勢。可見,車道偏離現(xiàn)象是行車安全首要解決的問題。車道偏離預(yù)警系統(tǒng)是對車輛即將偏離車道線的情況進行提前預(yù)警,提醒駕駛員糾正偏離錯誤,避免偏離現(xiàn)象發(fā)生的預(yù)警裝置。因此,引入車道偏離預(yù)警系統(tǒng),對減少交通事故的發(fā)生率,保障行車安全,意義重大。如何分割車道圖像并提取標線信息是車道偏離預(yù)警系統(tǒng)技術(shù)關(guān)鍵。在車輛行駛過程中,由于天氣或障礙物遮擋等原因,導(dǎo)致場景圖像中“雜質(zhì)”過多,不能有效提取出準確的標線特征點,造成擬合道路標線失敗的后果。本文將道路圖像分塊信息提取,用動態(tài)確定閾值來分割道路圖像,在去除光照不均干擾的情況下,極大的保留車道標線信息。結(jié)合沈俊算子和prewitt算子提取的梯度圖,篩選出車道標線點。采用hough變換提取車道標線,根據(jù)透視后的兩條車道線幾何特征,進一步過濾檢測出來的車道線。最后利用基于統(tǒng)計特性的后驗算法驗證車道線的可靠性,為偏離報警機制提供準確的數(shù)據(jù)支持。彎道檢測也是車道偏離預(yù)警系統(tǒng)的關(guān)鍵技術(shù)。由于道路線形的復(fù)雜和攝像機的透視效果,準確提取彎道標線并擬合重建也是一大挑戰(zhàn)。本文采用直線-類雙曲線模型來匹配復(fù)雜多變的道路線形。在保證提取精度的情況下簡化模型,省去模型中的高階項,避免求解過程中繁瑣的計算。在視頻圖像連續(xù)的假設(shè)下,利用kalman濾波法對模型中的參數(shù)進行跟蹤,減少了單幀圖像處理時間,提高了系統(tǒng)的實時性。根據(jù)前后幀和遠近場景兩條車道線的夾角變化作為模型切換的條件,使整個系統(tǒng)工作更加靈活,方便。
【關(guān)鍵詞】：車道偏離 車道線提取 動態(tài)閾值 hough變換 彎道檢測
【學(xué)位授予單位】：遼寧工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-21
• 1.1 課題研究背景和意義9-13
• 1.1.1 研究背景9-13
• 1.1.2 研究意義13
• 1.2 國內(nèi)外相關(guān)研究現(xiàn)狀13-20
• 1.2.1 車道偏離預(yù)警系統(tǒng)13-15
• 1.2.2 車道保持系統(tǒng)15-17
• 1.2.3 視覺感知系統(tǒng)17-20
• 1.3 本文主要研究內(nèi)容20-21
• 2 攝像機標定與圖像預(yù)處理21-34
• 2.1 標定方法簡述21
• 2.2 三大坐標系統(tǒng)21-24
• 2.3 攝像機內(nèi)外參數(shù)估計24-29
• 2.3.1 焦距估計25-27
• 2.3.2 光心坐標估計27
• 2.3.3 攝像機高度估計27-29
• 2.4 道路圖像預(yù)處理29-33
• 2.4.1 提取灰度圖像30
• 2.4.2 圖像ROI設(shè)置30-32
• 2.4.3 縮小圖像32-33
• 2.5 本章小結(jié)33-34
• 3 車道線點提取和直線檢測34-50
• 3.1 分塊動態(tài)閾值分割圖像34-36
• 3.2 邊緣檢測算子選擇36-42
• 3.2.1 sobel算子37
• 3.2.2 Roberts算子37-38
• 3.2.3 Prewitt算子38
• 3.2.4 Shenjun算子38-40
• 3.2.5 幾種算子檢測結(jié)果比較40-42
• 3.3 車道線上點的提取42-45
• 3.3.1 利用先驗知識過濾邊緣點42-44
• 3.3.2 道路候選點再次過濾44-45
• 3.4 Hough直線檢測45-49
• 3.4.1 Hough變換的原理45-46
• 3.4.2 車道線過濾46-47
• 3.4.3 車道線配對47-48
• 3.4.4 車道線后驗算法48-49
• 3.5 本章小結(jié)49-50
• 4 彎道檢測與重建50-59
• 4.1 種子點提取和歸類50-51
• 4.2 彎道模型與參數(shù)求解51-57
• 4.2.1 近景模型參數(shù)的確定51-53
• 4.2.2 遠景模型參數(shù)的確定53-57
• 4.3 車道模型的切換57-58
• 4.3.1 直道模型向彎道模型轉(zhuǎn)換57-58
• 4.3.2 彎道模型向直道模型轉(zhuǎn)換58
• 4.4 本章小結(jié)58-59
• 5 系統(tǒng)預(yù)警策略分析59-63
• 5.1 劃定危險區(qū)域59-61
• 5.1.1 劃定區(qū)域的方法59-61
• 5.1.2 危險區(qū)域劃分61
• 5.2 危險預(yù)警策略61-62
• 5.2.1 偏離判定條件61-62
• 5.2.2 偏離報警策略62
• 5.3 本章小結(jié)62-63
• 6 總結(jié)與展望63-65
• 6.1 論文總結(jié)63
• 6.2 論文展望63-65
• 參考文獻65-67
• 攻讀碩士期間發(fā)表學(xué)術(shù)論文情況67-68
• 致謝68-69
• 附錄 關(guān)鍵技術(shù)算法實現(xiàn)的部分程序69-74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 田炳香;鄭榜貴;吳晴;;高速公路車道線檢測與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2008年09期

2 葉慶;趙明輝;李菲;孫曉泉;;夜間車道線檢測與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2009年13期

3 余厚云;張為公;;直線模型下的車道線跟蹤與車道偏離檢測[J];自動化儀表;2009年11期

4 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

5 劉富強;張姍姍;朱文紅;李志鵬;;一種基于視覺的車道線檢測與跟蹤算法[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2010年02期

6 胡慶新;吳林成;顧愛華;;高速公路中搜索車道線的方法[J];微計算機信息;2010年22期

7 高德芝;段建民;楊磊;楊喜寧;;應(yīng)用多階動態(tài)規(guī)劃的車道線識別方法[J];機械工程學(xué)報;2011年08期

8 楊晶東;楊敬輝;樸松昊;;一種有效的車道線識別與偏道預(yù)警方法[J];控制工程;2011年02期

9 徐后杰;李會方;繆國鋒;;基于單目視覺的車道線分離警告算法研究[J];微處理機;2011年03期

10 錢鷹;劉仕照;;分段切換車道模型在車道線識別中的應(yīng)用[J];計算機應(yīng)用;2011年S2期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 畢雁冰;;提高車道線識別精度的一種方法[A];第三屆中國CAE工程分析技術(shù)年會論文集[C];2007年

2 楊廣林;苗冬霜;;結(jié)構(gòu)化道路車道線檢測與跟蹤算法[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

3 劉曉龍;鄧志東;;基于全局與局部模型相互制約及具有模型不確定性評估的車道線檢測方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

4 張潔穎;王生進;丁曉青;;基于車輛軌跡的車道線檢測與劃分[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

5 余貴珍;李芹;王迪;;車輛智能化車道線跟蹤方法研究[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 李鋼;圣華;張仁斌;;基于LMedSquare選取最佳子集的車道線檢測算法[A];2009全國虛擬儀器大會論文集（二）[C];2009年

7 劉天輝;李飛;;車輛視覺導(dǎo)航中道路檢測算法研究[A];第十一屆沈陽科學(xué)學(xué)術(shù)年會暨中國汽車產(chǎn)業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學(xué)與工程技術(shù)分冊）[C];2014年

8 孫曉軍;李華;;基于Facet模型的一種車道線提取方法[A];第八屆中國智能交通年會論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 杜明芳;基于視覺的自主車道路環(huán)境理解技術(shù)研究[D];北京理工大學(xué);2015年

2 陳軍;基于DSP的高速公路車道偏離報警系統(tǒng)研究[D];天津大學(xué);2010年

3 沈\

本文編號：292382