基于圖像的車道線檢測(cè).pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，行駛在公路上的車輛越來(lái)越多，交通事故導(dǎo)致的損失受到社會(huì)越來(lái)越多的關(guān)注。各種安全輔助駕駛系統(tǒng)在這種強(qiáng)勁的需求刺激下，相關(guān)理論及應(yīng)用技術(shù)得到快速發(fā)展。以機(jī)器視覺(jué)的方式獲取行車環(huán)境信息因具有較低的成本、直觀等優(yōu)勢(shì)而受到越來(lái)越多的關(guān)注，車道線檢測(cè)是無(wú)人自主駕駛汽車及輔助駕駛系統(tǒng)各種應(yīng)用的關(guān)鍵技術(shù)之一，車道線是行車環(huán)境信息中最基礎(chǔ)和重要的信息。本文對(duì)結(jié)構(gòu)化道路下的車道線檢測(cè)進(jìn)行了研究。
　　 首先，介紹車道線檢測(cè)的應(yīng)用

2、需求、國(guó)內(nèi)外車道線檢測(cè)的研究及應(yīng)用現(xiàn)狀。分析了車道線的色彩、形態(tài)屬性給出了車道線特征:車道線亮度局部最大、車道線具有固定寬度、同一路面上各條車道線相互平行及車道線變化平緩?；谶@些特征先后介紹了透視變換、水平亮度微分基本理論，通過(guò)利用車道線局部亮度最大及車道線具有固定寬度的特征使用透視變換和水平亮度微分提取出車道線，理論和實(shí)驗(yàn)證明將這兩個(gè)特征進(jìn)行組合來(lái)實(shí)現(xiàn)車道線邊緣的提取帶來(lái)的計(jì)算量更小、濾除的無(wú)效信息更多，為后續(xù)處理降低了計(jì)算；對(duì)于提

3、取出的車道線點(diǎn)本文使用標(biāo)準(zhǔn)Hough變換對(duì)其進(jìn)行分段直線擬合；最后介紹本文針對(duì)車道線污損、不連續(xù)的虛線及無(wú)車道線情況下所使用的車道線跟蹤算法并與常用的Kalman濾波器、粒子濾波器跟蹤算法進(jìn)行理論對(duì)比。并在Linux平臺(tái)上使用OpenCV及GCC內(nèi)置SIMD指令集實(shí)現(xiàn)了本文算法及演示系統(tǒng)，并進(jìn)行試驗(yàn)和結(jié)果分析，實(shí)驗(yàn)表明本文所使用的方法在結(jié)構(gòu)化道路下的車道線檢測(cè)率最低為94.02％。
　　 最后，對(duì)本論文工作進(jìn)行總結(jié)，并對(duì)今后的工