基于機(jī)器視覺的道路線識(shí)別算法研究.pdf

1、自上世紀(jì)八十年代以來，基于機(jī)器視覺的自主導(dǎo)航已成為了智能車輛駕駛技術(shù)研究領(lǐng)域的主要方向。車道線識(shí)別技術(shù)是自主導(dǎo)航的關(guān)鍵技術(shù)之一，國(guó)內(nèi)外專家學(xué)者在這一技術(shù)研究領(lǐng)域做了很多研究，目的是提高識(shí)別的魯棒性和實(shí)時(shí)性。本文針對(duì)較為復(fù)雜的道路情況下車道線識(shí)別率低、擬合不準(zhǔn)確的問題，在保證整個(gè)系統(tǒng)實(shí)時(shí)性的前提下，按照感興趣區(qū)域劃分、圖像預(yù)處理、邊緣檢測(cè)、識(shí)別與跟蹤的脈絡(luò)進(jìn)行如下研究，以提高識(shí)別的魯棒性。
　　文中首先介紹課題研究的背景和意義，并對(duì)

2、國(guó)內(nèi)外的研究進(jìn)行了分析，明確它們存在的問題。其次，對(duì)采集的道路圖像進(jìn)行灰度化，再利用垂直灰度均值分布進(jìn)行初始感興趣區(qū)域分割。預(yù)處理階段分別介紹了圖像平滑、增強(qiáng)和邊緣檢測(cè)二值化處理的方法，深入研究了強(qiáng)弱光照下的路面灰度圖像處理，并對(duì)各種邊緣檢測(cè)算子進(jìn)行了實(shí)驗(yàn)比較，接著設(shè)計(jì)改進(jìn)Otsu算法提高了車道線識(shí)別度。車道線邊緣檢測(cè)階段是對(duì)車道線的進(jìn)一步提取，針對(duì)噪聲對(duì)車道線邊緣識(shí)別的干擾問題，重點(diǎn)提出了分區(qū)域識(shí)別邊緣角度并加以排除的方法去除異常邊緣

3、線，并對(duì)去噪后的邊緣線進(jìn)行了補(bǔ)償。車道線識(shí)別和跟蹤階段，分析了傳統(tǒng)的直線檢測(cè)和彎道檢測(cè)方法，并著重對(duì)概率Hough變換及RANSAC算法做了改進(jìn)研究，針對(duì)模型靈活性的要求，提出了直線-拋物線型的車道線模型，并設(shè)計(jì)了模型區(qū)域分配的方法以解決曲線道路出現(xiàn)位置不定的情況，再利用最小二乘法求出車道線模型的參數(shù)。實(shí)驗(yàn)表明，這種方法面對(duì)模型不定的結(jié)構(gòu)化道路具有較好的魯棒性。最后，對(duì)得到的初始車道線圖像根據(jù)其直線模型的斜率與截距，利用Kalman濾波