基于機器視覺的道路線識別算法研究.pdf

1、自上世紀八十年代以來，基于機器視覺的自主導航已成為了智能車輛駕駛技術研究領域的主要方向。車道線識別技術是自主導航的關鍵技術之一，國內外專家學者在這一技術研究領域做了很多研究，目的是提高識別的魯棒性和實時性。本文針對較為復雜的道路情況下車道線識別率低、擬合不準確的問題，在保證整個系統(tǒng)實時性的前提下，按照感興趣區(qū)域劃分、圖像預處理、邊緣檢測、識別與跟蹤的脈絡進行如下研究，以提高識別的魯棒性。
　　文中首先介紹課題研究的背景和意義，并對

2、國內外的研究進行了分析，明確它們存在的問題。其次，對采集的道路圖像進行灰度化，再利用垂直灰度均值分布進行初始感興趣區(qū)域分割。預處理階段分別介紹了圖像平滑、增強和邊緣檢測二值化處理的方法，深入研究了強弱光照下的路面灰度圖像處理，并對各種邊緣檢測算子進行了實驗比較，接著設計改進Otsu算法提高了車道線識別度。車道線邊緣檢測階段是對車道線的進一步提取，針對噪聲對車道線邊緣識別的干擾問題，重點提出了分區(qū)域識別邊緣角度并加以排除的方法去除異常邊緣

3、線，并對去噪后的邊緣線進行了補償。車道線識別和跟蹤階段，分析了傳統(tǒng)的直線檢測和彎道檢測方法，并著重對概率Hough變換及RANSAC算法做了改進研究，針對模型靈活性的要求，提出了直線-拋物線型的車道線模型，并設計了模型區(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。實驗表明，這種方法面對模型不定的結構化道路具有較好的魯棒性。最后，對得到的初始車道線圖像根據其直線模型的斜率與截距，利用Kalman濾波