視覺導(dǎo)航系統(tǒng)中道路圖像處理技術(shù)研究.pdf

1、視覺導(dǎo)航是智能車輛導(dǎo)航的一項關(guān)鍵技術(shù)，本文針對智能車輛視覺導(dǎo)航系統(tǒng)研究了基于單目視覺的圖像處理和分析的道路檢測和跟蹤算法。 論文介紹了智能車輛的研究背景、研究意義、當今國內(nèi)外的發(fā)展現(xiàn)狀、發(fā)展趨勢和難點。本文利用視覺傳感器采集道路圖像，在圖像濾波和增強處理方面，考慮到智能車輛的實時性，對道路圖像先作行方向的一維中值濾波，再作列方向的一維中值濾波，可以得到和二維中值濾波相近的結(jié)果，但是計算量大大縮小，道路邊緣的特征也得到較好的保護。

2、在圖像邊緣檢測中，通過仿真實驗比較，本文利用Sobel算子，它的優(yōu)點是方法簡單、處理速度快，并且所得的邊緣光滑、連續(xù)。為了提高系統(tǒng)的實時性和魯棒性，對圖像進行二值化，通過對最佳閾值分割方法進行改進，采用迭代方法，提高了算法的抗噪聲能力。為了更好的提取道路圖像的車道線，提出了利用基于集合思想的數(shù)學形態(tài)學，形態(tài)學運算保證了道路區(qū)域的封閉性，同時對噪聲有很好的濾波作用。對于道路圖像的車道線，本文采用直線道路模型等道路約束條件，利用Hough變

3、換進行直線特征提取，Hough變換魯棒性好，抗噪性能力強，且能連接共線短直線。通過直線參數(shù)可以求出車輛相對車道線的位置偏移和角度偏移，接著論文提出利用卡爾曼濾波對車道線跟蹤。論文還分析和討論了基于區(qū)域生長法和邊緣檢測的無道路標示的道路圖像的道路邊界識別，整合了兩種方法的優(yōu)缺點，確定了車輛在道路中的位置，并確定感興趣區(qū)域?qū)崿F(xiàn)道路邊界跟蹤。 利用采集的實際道路圖像對本文提出的算法進行仿真實驗，仿真結(jié)果表明道路檢測和跟蹤算法是可行的和