基于機器視覺道路識別技術(shù)的研究.pdf

1、視覺信息是交通環(huán)境中的主要信息，因而機器視覺技術(shù)是智能車輛系統(tǒng)(IVS，Intelligent Vehicle System)中不可缺少的組成部分，具有巨大的潛在應(yīng)用價值。用機器視覺方法對交通環(huán)境信息進行提取和識別，獲得的結(jié)果能夠直接用于智能車輛的輔助駕駛或自動導(dǎo)航中。 論文首先介紹了智能車輛在國內(nèi)外的發(fā)展情況，并介紹了各大公司及其研究機構(gòu)在智能車輛開發(fā)方面的成果和產(chǎn)品。介紹了機器視覺在輔助導(dǎo)航系統(tǒng)、自適應(yīng)巡航控制系統(tǒng)、自動走或

2、停輔助系統(tǒng)、交通信號識別系統(tǒng)和輔助換道系統(tǒng)等智能車輛中的應(yīng)用。最后介紹了上個世紀(jì)80年代以來機器視覺算法的發(fā)展?fàn)顩r。 論文討論了幾種常用的計算復(fù)雜度較小、計算量較小的圖像增強算法對道路圖像的處理效果。通過實驗結(jié)果的比較，發(fā)現(xiàn)對于道路識別系統(tǒng)采集到的圖像，采用直方圖均衡化變換的方式處理圖像效果較好，對于道路識別有一定程度影響的雨雪條件下的雨雪顆粒采用椒鹽噪聲對其進行模擬，發(fā)現(xiàn)采用二次一維中值濾波的效果較好，可以得到和二維中值濾波相

3、近的結(jié)果。 分析、比較了6種經(jīng)典的微分算子檢測邊緣算子：Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子、Canny算子及LoG算子。得出結(jié)論為，在計算量和計算復(fù)雜度上，LoG算子和Canny算子都是比前面幾種一階微分算子復(fù)雜很多，計算量也較大。道路圖像邊緣檢測的效果的比較可以看出Sobel算子不僅計算量小，算法簡單，而且對噪聲條件下的圖像檢測效果都比較令人滿意，受噪聲影響比較小，檢測結(jié)果的邊緣比較連續(xù)，定位