傳統(tǒng)基于邊緣檢測的邊緣提取算法在進行車道線待選點提取時,難以控制邊緣的范圍,在真實場景中會將樹木的陰影以及汽車自身的陰影提取出來,造成較大的噪聲;傳統(tǒng)基于滑動窗搜索擬合方法的車道線檢測與跟蹤方法在計算時,由于滑動窗本搜索算法自身的算法問題,導致計算速度較低,在實時性方面較差。針對這些問題,本文提出一種基于邊緣提取算法與顏色空間模型相結(jié)合的復合模型,對滑動窗搜索擬合算法進行改進和優(yōu)化的車道線檢測方法,有效地降低了提取車道線待選點時的噪聲,提高了車道線檢測的準確性和實時性,在實際的應用中實用性更強。 

【文章來源】：電腦知識與技術. 2019,15(16)

【文章頁數(shù)】：2 頁

【部分圖文】：

本文方法的車道線檢測效果圖表1三種算法性能對比

【參考文獻】：
期刊論文
[1]自適應閾值的Sobel算子邊緣檢測研究[J]. 李琳琳.  電子技術. 2018(12)
[2]一種基于PHOG特征的SVM的交通標志識別方法[J]. 張麗艷,張偉,龍美芳.  電腦知識與技術. 2018(27)
[3]基于多約束條件下的霍夫變換車道線檢測方法[J]. 石林軍,余粟.  計算機測量與控制. 2018(09)
[4]基于多尺度重采樣的車道線檢測[J]. 付黎明,李必軍,葉雨同.  電子技術應用. 2017(04)
[5]基于Canny算子和Hough變換的夜間車道線檢測[J]. 李亞娣,黃海波,李相鵬,陳立國.  科學技術與工程. 2016(31)

博士論文
[1]基于機器視覺的先進輔助駕駛系統(tǒng)關鍵技術研究[D]. 范延軍.東南大學 2016

碩士論文
[1]實時車道線檢測系統(tǒng)的設計和實現(xiàn)[D]. 劉伸展.電子科技大學 2017
[2]圖像分割的車牌定位算法的應用研究[D]. 付卓棟.大連交通大學 2016



本文編號：3117750