車道線檢測系統的研究與實現.pdf

1、隨著國內交通領域爆發(fā)式的發(fā)展，每年都有許多人由于駕駛中的疏忽大意喪生于交通事故當中。而近幾年高速發(fā)展的智能交通領域的目的便是如何有效較少此類交通事故的發(fā)生。
　　本文研究的側重點為車道線檢測系統，該系統為智能交通輔助駕駛系統中關鍵的一部分，并且已經廣泛用于多種車載系統中，如自動駕駛、自動泊車及防碰撞預警等系統中。車道線檢測系統通過運用數字圖像處理及模式識別技術，在道路圖像中有效提取車道線的信息并擬合車道線。本文著重于車道線檢測系統

2、的研究與實現，其中針對理論知識的研究分為預處理、車道線檢測算法、車道線跟蹤算法三部分。
　?。?）預處理算法。本文研究了預處理算法 RMC（Use Retinex and Mask to improve test results got by Canny）。首先利用顏色恢復及多尺度Retinex對原始圖像進行增強處理，然后利用圖像底端計算求得閾值，并利用此閾值求得二值圖像I1。其次基于Mask計算出每個區(qū)域內的閾值，并利用此閾值求

3、得每個區(qū)域內的二值圖像，并將所有二值圖像按原坐標組成二值圖像I2。然后利用Canny算子求得邊緣圖像I3。最后通過利用I1、I2、I3中均為高值的點組成最終邊緣圖像。通過RMC預處理算法可以有效得去除大量無效信息，并且可以保留基本完整的車道線邊緣，為下部分的檢測算法減少計算量及降低其復雜程度。
　?。?）車道線檢測算法。本文在 Canny/Hough Estimation of Vanishing Points（CHEVP）基礎上

4、，研究了改進型 CHEVP算法，并利用此模型完成常規(guī)車道線檢測。該算法首先將圖像分為N塊區(qū)域，并在每個區(qū)域內利用Hough變換求得所有直線段。然后通過投票表決原理求得消失線的坐標，再利用消失線求得每個區(qū)域內消失點的坐標及每個區(qū)域內車道線線段。最后利用求得的控制點，擬合出完整的車道線。本文在此部分利用Gauss-Like模型改進Hough變換中存在的缺陷，并在CHEVP的基礎上通過加權直線段求得消失線的坐標。
　　（3）車道線跟蹤算