本文選題：車道線檢測 + LDA�。� 參考：《液晶與顯示》2017年06期

【摘要】：與傳統(tǒng)的車道線檢測算法不同,本文采用LDA算法對道路圖像進(jìn)行針對性灰度化處理。加大車道線與道路的差異,然后使用拋物線模型對車道線進(jìn)行擬合,采用混沌粒子群算法對拋物線參數(shù)進(jìn)行優(yōu)化,以車道線的灰度特征和梯度特征作為混沌粒子群的適應(yīng)度函數(shù),經(jīng)過多次的迭代得到拋物線擬合車道線的參數(shù)最優(yōu)值,進(jìn)而識別出車道線。實(shí)驗(yàn)結(jié)果表明,本文算法能在復(fù)雜環(huán)境下識別出車道線,對視頻幀序列中的車道線連續(xù)追蹤具有良好效果。
[Abstract]:Different from the traditional lane detection algorithm, this paper uses the LDA algorithm to deal with the road image grayscale. Then the parabola model is used to fit the lane line and the chaos particle swarm optimization algorithm is used to optimize the parabola parameters. The grayscale feature and gradient feature of lane line are taken as the fitness function of chaotic particle swarm optimization. The optimal parameter of parabola fitting lane is obtained after many iterations, and then the lane line is recognized. Experimental results show that the proposed algorithm can recognize lane lines in complex environments and has a good effect on continuous tracking of lane lines in video frame sequences.
【作者單位】： 桂林電子科技大學(xué)電子工程與自動化學(xué)院;
【基金】：廣西自動檢測技術(shù)與儀器重點(diǎn)實(shí)驗(yàn)室主任基金項(xiàng)目(No.YQ14105) 廣西省科學(xué)研究與技術(shù)開發(fā)計劃資助項(xiàng)目(No.桂科攻:11107001-40)~~
【分類號】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 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

3 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

4 劉富強(qiáng);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(jì)大學(xué)學(xué)報(自然科學(xué)版);2010年02期

5 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(jī)信息;2010年22期

6 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(jī)械工程學(xué)報;2011年08期

7 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

8 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(jī)應(yīng)用;2011年S2期

9 張，

本文編號：1898396