基于邊緣檢測與hough變換的車道線檢測

1、<p>　　基于邊緣檢測與Hough變換的車道線檢測</p><p>　　專業(yè)班級：車輛1104 學(xué)生姓名： </p><p>　　指導(dǎo)老師： 職稱：</p><p>　　摘要 隨著道路交通的快速發(fā)展和汽車保有量的日益劇增,交通安全引起了社會的普遍關(guān)注。統(tǒng)計表明,許多的交通事故是由司機(jī)疏忽或疲勞駕駛引起的。而汽車輔助駕駛系統(tǒng)正是被設(shè)計

2、用來在車輛將要駛離車道或者發(fā)生碰撞時警告司機(jī),從而幫助司機(jī)安全駕駛,避免交通事故的發(fā)生。車道線的檢測識別正是實現(xiàn)這一功能的關(guān)鍵技術(shù)。本文對車道線檢測識別進(jìn)行了深入的研究。</p><p>　　首先,介紹了基于邊緣檢測和Hough變換的車道線檢測這一課題的研究背景和意義,綜述了該課題的國內(nèi)外研究現(xiàn)狀,并進(jìn)行了簡要分析。</p><p>　　第二，介紹了本課題編程所需要的工具—MATLAB，并

3、簡要的介紹了MATLAB的兩大特點。</p><p>　　第三，介紹圖像預(yù)處理。該模塊包括圖像灰度化，圖像濾波，邊緣檢測等相關(guān)技術(shù)，且對每一種技術(shù)所包含的常用方法都做了實驗進(jìn)行對比，并選擇出了合適的方法（圖像濾波選用中值濾波，邊緣檢測選用自定義差分算子）。</p><p>　　第四，簡紹了Hough變換的原理，使用Hough提取并標(biāo)記車道線。</p><p>　　最

4、后，對本文進(jìn)行了總結(jié)，并提出不足之處，總的來說，本文算法能夠有效提取車道線，具有較好的魯棒性。</p><p>　　關(guān)鍵詞 車道線檢測 MATLAB 圖像灰度化 邊緣檢測 Hough變換</p><p>　　Lane Line Detection based on edge detection And Hough transform</p><p>　　

5、Abstract With the rapid development of road traffic and the increasingly explosion in auto inventory, traffic safety has aroused widespread concern. Statistics show that most of traffic accidents caused by drivers drowsi

6、ness, inattentiveness. Driver assistance systems is the design used to be warning the driver when the vehicle leaving the lane or a collision, so it can help to avoid traffic accidents. The real-time lane detection and n

7、avigation system is also an essential module of the driver a</p><p>　　Firstly, the thesis introduces the background and significance about the lane detection based on Edge detection and Hough Transform, and

8、then the research status of the thesis topic is reviewed. Finally, it makes a brief analysis.</p><p>　　Secondly, this paper describes the tools required for programming- -MATLAB, and makes a brief introducti

9、on to the two features of MATLAB</p><p>　　Thirdly, the thesis describe the technology related to image pre-processing module such as image gray, image filtering, edge Detection. And the common methods for ea

10、ch technology included have done experiments to compare and select a suitable method (Selecting median filtering to filter image; Selecting custom difference operator filtering to make edge detection).</p><p&g

11、t;　　Fourthly, making a brief introduction of principle of Hough transform and using Hough to extract the lane marker.</p><p>　　Finally, conclusions are given with recommendation for future work. Overall, the

12、 proposed algorithm can effectively extract the lane, with better robustness.</p><p>　　Keywords： Lane detection Edge detection image grey Hough transform MATLAB</p><p><b>　　目 錄</b&

13、gt;</p><p>　　第一章 緒論1</p><p>　　1.1 研究意義及背景1</p><p>　　1.2 國內(nèi)外技術(shù)發(fā)展?fàn)顩r2</p><p>　　1.2.1國外車道偏離報警系統(tǒng)2</p><p>　　1.2.2 國內(nèi)車道偏離預(yù)警系統(tǒng)3</p><p>　　

14、1.3 本文主要研究內(nèi)容4</p><p>　　第二章 MATLAB簡介5</p><p>　　2.1 MATLAB的語言特點5</p><p>　　2.2 MATLAB的技術(shù)特點：6</p><p>　　第三章 道路圖像預(yù)處理9</p><p>　　3.1 道路圖像灰度化9</p

15、><p>　　3.2 道路圖像濾波11</p><p>　　3.3 圖像邊緣檢測12</p><p>　　3.3.1 Robert算子13</p><p>　　3.3.2 Prewitt算子14</p><p>　　3.3.3 Sobel算子14</p><p>

16、;　　3.3.4 Canny算子16</p><p>　　3.3.5自定義差分算子17</p><p>　　3.4 本章小結(jié)18</p><p>　　第四章 車道線檢測的算法設(shè)計19</p><p>　　4.1 道路圖像檢測的常用方法19</p><p>　　4.2 基于Hough變換的車道

17、線檢測21</p><p>　　4.2.1 Hough變換原理21</p><p>　　4.2.2 Hough變換提取車道線23</p><p>　　4.3 本章小結(jié)25</p><p>　　結(jié) 論26</p><p>　　1. 論文的主要研究工作26</p><p>　

18、　2. 論文需要改進(jìn)的地方及對后續(xù)工作的展望26</p><p><b>　　參考文獻(xiàn)：28</b></p><p><b>　　致謝30</b></p><p><b>　　附錄31</b></p><p><b>　　第一章 緒論</b>

19、</p><p>　　1.1 研究意義及背景</p><p>　　高速公路的通行里程是一個國家發(fā)展水平的重要標(biāo)志之一。高速公路具有車輛通行能力大、交通事故少、經(jīng)濟(jì)效益高的特點，它的不斷發(fā)展引起了經(jīng)濟(jì)社會的重大變革，不僅有力地改變了人們的時空觀念和地域觀念，更促進(jìn)了公路沿線地區(qū)社會和經(jīng)濟(jì)的發(fā)展，便利了沿線地區(qū)人們的出行，人們的生活質(zhì)量和辦事效率也得到了極大提高。汽車是高速公路的重要載體，

20、憑借其靈活的機(jī)動性為人類生活的改善和現(xiàn)代社會的發(fā)展做出了巨大的貢獻(xiàn)。隨著汽車的普及，交通安全問題越來越受到人們的普遍關(guān)注和極大重視[1]。20世紀(jì)40年代時,人們開始研究人-車-道的相互影響問題,由于道路建設(shè)緩慢,世界各地的交通事故、環(huán)境污染、能源浪費、道路堵塞現(xiàn)象變得越來越嚴(yán)重【2】，尤其是在我國，交通問題日益突出，目前，我國已成世界上交通事故死亡人數(shù)最高的國家之一。據(jù)報道，我國2014年交通事故死亡人數(shù)為34292,34人，比起20

21、13年31604,3人、2012年30222,5人、2011年29618人，死亡人數(shù)呈逐年小幅度的上升趨勢。因此，從上世紀(jì)70年代開始，全世界各國的工程師開始利用迅猛發(fā)展的電子，信息，計算機(jī)等高新科技技術(shù)來緩解目前擁堵的交通狀況，并陸續(xù)在</p><p>　　智能交通系統(tǒng)（Intelligent Traffic Systems, ITS）的前身是智能車輛道路系統(tǒng)（Intelligent Vehicle Highw

22、ay System, IVHS）。智能交通系統(tǒng)將先進(jìn)的信息技術(shù)、數(shù)據(jù)通信技術(shù)、傳感器技術(shù)、電子控制技術(shù)以及計算機(jī)技術(shù)等有效地綜合運(yùn)用于整個交通運(yùn)輸管理體系，從而建立起一種大范圍內(nèi)、全方位發(fā)揮作用的，實時、準(zhǔn)確、高效的綜合運(yùn)輸和管理系統(tǒng)。該系統(tǒng)的一個主要子系統(tǒng)：車道偏離警告系統(tǒng)。</p><p>　　因此，研發(fā)一種保障行車安全的綜合系統(tǒng)十分必要。當(dāng)駕駛員疲勞以及精神分散或者車輛出現(xiàn)車道偏離以及車輛安全車距過小存在追

23、尾可能時能給予主動報警，必能極大地降低交通事故發(fā)生的可能性，對于減少公路交通事故及人員傷亡有著特別重要的意義。而該系統(tǒng)一個至關(guān)重要的工作就是快速地，準(zhǔn)確地利用車載傳感器獲取前方道路的車道線或道路邊緣。</p><p>　　1.2 國內(nèi)外技術(shù)發(fā)展?fàn)顩r</p><p>　　1.2.1國外車道偏離報警系統(tǒng)</p><p>　　車道線是道路交通中最重要的交通標(biāo)志,可以對車

24、輛的行駛起到約束保障的作用。無論是在車輛安全駕駛系統(tǒng)中還是在基于機(jī)器視覺的智能車輛導(dǎo)航中,車道線的檢測與識別都是一個基本的、必須的功能模塊,通過它不僅可以降低交通事故的發(fā)生,而且可以為以后智能交通深入研究提供幫助。因此早在人們對智能車以及智能交通研究開始階段,就十分重視對車道線檢測與識別的研究。許多國家都投入大量資金以及人才對其進(jìn)行深入研究并取得了豐碩的研究成果,在這些國家中尤以德國、美國、意大利、日本對這一技術(shù)研究的比較深入。<

25、/p><p>　　1.AURORA系統(tǒng)</p><p>　　該系統(tǒng)由美國卡內(nèi)基梅隆大學(xué)機(jī)器人學(xué)院于1997年開發(fā)成功。該系統(tǒng)由帶廣角鏡頭的彩色攝像機(jī)、數(shù)字轉(zhuǎn)換器和一個便攜SunSparc工作站等組成。該系統(tǒng)通過安裝在車輛一側(cè)的視野大約為1.5m-1.6m區(qū)域的俯視彩色攝像機(jī)檢測車輛旁邊的車道標(biāo)識，通過數(shù)字轉(zhuǎn)換器采集攝像機(jī)的視頻輸出并在一個便攜Sunspace工作站上進(jìn)行處理，處理速度為60Hz

26、。</p><p>　　2.AutoVue系統(tǒng)</p><p>　　該系統(tǒng)由前DaimlerChrysler公司和美國的Iteris公司聯(lián)合開發(fā)。該系統(tǒng)主要由一個安裝在汽車內(nèi)風(fēng)窗玻璃后部的攝像機(jī)、兩個立體音箱、一個小顯示設(shè)備和控制單元等組成。該系統(tǒng)工作原理是通過實時監(jiān)測本車在當(dāng)前車道中的位置，計算本車到車道標(biāo)識線距離，然后與設(shè)定的報警距離相比較，判斷是否進(jìn)行預(yù)警。當(dāng)檢測到將要發(fā)生車道偏離時

27、，它將發(fā)出一種類似于車輛在隆聲帶上行駛時發(fā)出的隆隆作響的聲音來提醒駕駛員修正車輛位置。目前，AutoVue系統(tǒng)已經(jīng)在歐洲的多種貨車上作為一個選件進(jìn)行了裝備。</p><p>　　3.Mobileye_AWS系統(tǒng)</p><p>　　該系統(tǒng)由總部設(shè)在荷蘭的Mobileye公司研制。該系統(tǒng)利用安裝在前風(fēng)窗玻璃上的單個攝像機(jī)監(jiān)測車道標(biāo)識線，測量和監(jiān)控本車與道路邊界的距離。該系統(tǒng)的車道偏離警告模塊

28、通過檢測道路邊界，計算車輛相對于車道的位置和車輛的側(cè)向運(yùn)動，預(yù)測車輛將橫越車道標(biāo)識的時間，當(dāng)該時間低于設(shè)定值時，系統(tǒng)觸發(fā)視覺警告和聲音警告，以使駕駛員對不同的危險狀態(tài)做出適當(dāng)?shù)姆磻?yīng)而減少意外事故的發(fā)生。該系統(tǒng)在有意識的車道偏離、制動和沒有道路標(biāo)識等情況下能對警告的產(chǎn)生進(jìn)行了抑制。</p><p>　　4.DSS系統(tǒng)(Driver Support System)</p><p>　　該系統(tǒng)由

29、日本三菱汽車公司于1998年提出，并于1999年秋季應(yīng)用于模型車上。該系統(tǒng)由一個安裝在汽車后視鏡內(nèi)的小型CCD攝像機(jī)、一些檢測車輛狀態(tài)和駕駛員操作行為的傳感器以及視覺和聽覺警告裝置組成。該系統(tǒng)利用由CCD攝像機(jī)獲得的車輛前方的車道標(biāo)識線、其他傳感器獲得的車輛狀態(tài)數(shù)據(jù)和駕駛員的操作行為等信息，判斷車輛是否已經(jīng)開始偏離其車道。如有必要，系統(tǒng)將利用視覺警告信息、聽覺警告信息以及振動轉(zhuǎn)向盤來提醒駕駛員小心駕駛車輛。</p><

30、;p>　　1.2.2 國內(nèi)車道偏離預(yù)警系統(tǒng)</p><p>　　1.JLUVA-1系統(tǒng)</p><p>　　該系統(tǒng)由吉林大學(xué)智能車輛課題組開發(fā)。該系統(tǒng)是基于單目視覺的前視系統(tǒng)，主要由車載電源、嵌入式微機(jī)、顯示設(shè)備、黑白CCD攝像機(jī)、數(shù)據(jù)線、音箱以及圖像采集卡等組成。</p><p>　　系統(tǒng)利用安裝在汽車后視鏡位置處的CCD攝像機(jī)采集汽車前方的道路圖像，通

31、過圖像處理獲得汽車在當(dāng)前車道中位置參數(shù)，當(dāng)一旦檢測到汽車距離自身車道白線過近有可能偏入鄰近車道而且司機(jī)并沒有打轉(zhuǎn)向燈時，該系統(tǒng)就會發(fā)出警告信息提醒司機(jī)注意糾正這種無意識的車道偏離，從而盡可能地減少車道偏離事故的發(fā)生。</p><p>　　2.基于DSP技術(shù)的嵌入式車道偏離報警系統(tǒng)</p><p>　　該系統(tǒng)由東南大學(xué)開發(fā)，是基于單目視覺的前視系統(tǒng)，由模/數(shù)轉(zhuǎn)化及解碼電路模塊、緩沖電路模塊、

32、媒體處理器DSP電路模塊、編碼及數(shù)/模轉(zhuǎn)換電路模塊等模塊組成。該系統(tǒng)通過車載攝像頭采集被跟蹤車道線的模擬視頻信號，經(jīng)解碼生成數(shù)字信號碼流緩沖后送到高速媒體處理器DSP的視頻接口，然后再由視頻處理模塊對數(shù)字視頻信號進(jìn)行車道特征值的提取，最后將處理后的視頻信號送編碼及數(shù)/模轉(zhuǎn)換電路輸出顯示。</p><p>　　1.3 本文主要研究內(nèi)容</p><p>　　本文研究的主要內(nèi)容是車道線檢測識

33、別與軟件設(shè)計。車輛的自動或輔助駕駛、駕駛員預(yù)警系統(tǒng)是智能交通系統(tǒng)(Intelligent Transportation System)的重要研究內(nèi)容，而道路邊界的識別和跟蹤是實現(xiàn)這一技術(shù)的首要問題。本文在借鑒國內(nèi)外研究成果的基礎(chǔ)上，致力于提高我國快速車道線識別技術(shù)。本文分為以下幾個模塊：圖像的采集、圖像預(yù)處理（圖像灰度化、邊緣檢測等）、基于Hough變換的直線檢測算法、提取車道線。</p><p><b&g

34、t;　　本文共分五章：</b></p><p>　　第一章主要介紹了課題研究的背景、意義和研究的國內(nèi)外現(xiàn)狀，結(jié)尾介紹了本文主要研究內(nèi)容和章節(jié)安排。</p><p>　　第二章介紹編程工具M(jìn)ATLAB圖像處理模塊的使用。</p><p>　　第三章主要介紹了道路圖像預(yù)處理當(dāng)中的一些技術(shù)，首先是圖像灰度化，然后介紹幾種圖像增強(qiáng)的方法，如鄰域平均法、中值濾波法

35、等，并對各算法進(jìn)行對比分析；接著對幾種常用的邊緣檢測算子如canny算子，prewitt算子，log算子的進(jìn)行對比，并結(jié)合實踐提出了一種新算法。</p><p>　　第四章介紹了進(jìn)行車道線檢測的主要算法，在這一章的開始簡要介紹了本文需要使用的一些基本概念，然后詳細(xì)介紹本文所使用的算法，給出了具體實現(xiàn)。</p><p>　　第五章對文章進(jìn)行了簡要的總結(jié)，指出本文的主要貢獻(xiàn)和不足之處，對今后的

36、車道線檢測研究作了展望。</p><p>　　第二章 MATLAB簡介</p><p>　　MATLAB語言是當(dāng)今國際科學(xué)界最具影響力，最具活力的軟件。它起源于矩陣運(yùn)算，并已發(fā)展成一種高度集成的計算機(jī)語言。MATLAB語言具有很多優(yōu)點，它提供了強(qiáng)大的科學(xué)運(yùn)算，靈活的程序設(shè)計流程，并為加快程序運(yùn)行速度和產(chǎn)生獨立應(yīng)用程序提供了編譯器?；谝陨显?，本課題采用MATLAB語言進(jìn)行程序設(shè)計。&

37、lt;/p><p>　　2.1 MATLAB的語言特點</p><p>　　MATLAB 是—種以矩陣為基本變量單元的可視化程序設(shè)計語言，語法結(jié)構(gòu)簡單，數(shù)據(jù)類型單一，命令表達(dá)方式接近于常用的數(shù)學(xué)公式。這使 MATLAB 用戶在 短時間內(nèi)就能快速掌握其主要內(nèi)容和基本操作。MATLAB 不僅能免去大量的經(jīng)常重復(fù)的基本數(shù)學(xué)運(yùn)算，而且其編譯和執(zhí)行速度都遠(yuǎn)遠(yuǎn)超過了采用 C 和 Fortran 語言設(shè) 計

38、的程序。可以說，MATLAB 在科學(xué)計算與工程應(yīng)用方面的編程效率遠(yuǎn)遠(yuǎn)高于其他 高級語言。 </p><p>　　MATLAB 語言有不同于其他高級語言的特點，被稱為第四代計算機(jī)語言。正如 第三代計算機(jī)語言如 FORTRAN 與 C 等使人們擺脫了對計算機(jī)硬件的操作一樣， MATLAB 語言使人們從繁瑣的程序代碼中解放出來。它的豐富的函數(shù)是開發(fā)者無需 重復(fù)編程，只要簡單地調(diào)用和使用即可。MATLAB 語言最大的特點

39、是簡單和直接。 MATLAB 語言的主要特點有： </p><p><b>　　1.編程效率高 </b></p><p>　　MATLAB 語言是一種面向科學(xué)與工程計算的高級語言，允許用數(shù)學(xué)形式的語言 編寫程序，且比BASIC、FORTRAN 和C 等語言更加接近我們書寫計算公式的思維方式，用 MATLAB 編寫程序猶如在演算紙上排列公式與求解問題。因此，也可通 俗地

40、稱 MATLAB 語言為演算紙式科學(xué)算法語言。由于它編程簡單，所以編程效率 高，易學(xué)易懂。 </p><p>　　2.高效方便的矩陣和數(shù)組運(yùn)算 </p><p>　　MATLAB 語言像BASIC、FORTRAN 和C 語言一樣規(guī)定了矩陣的算術(shù)運(yùn)算符、關(guān)系運(yùn)算符、邏輯運(yùn)算符、條件運(yùn)算符及賦值運(yùn)算符，而且這些運(yùn)算符大部分可以毫無改變的照搬到數(shù)組建的運(yùn)算中。有些如算術(shù)運(yùn)算符只要增加“.”就可以

41、用于數(shù)組建間的運(yùn)算。另外，它不需定義數(shù)組的維數(shù)，并給出矩陣函數(shù)、特殊矩陣專門的庫函數(shù)，使之在求解數(shù)字圖像處理問題時顯得大為簡潔、高效、方便，這是其他高級語言所不能相比的。 </p><p><b>　　3.用戶使用方便 </b></p><p>　　MATLAB 語言是一種解釋執(zhí)行的語言(在沒有被專門的工具編譯之前)，它靈活、 方便，起跳時程序手段豐富，調(diào)試速度快，需

42、要學(xué)習(xí)時間少。人們用任何一種語言 編程和調(diào)試一般都要經(jīng)過四個步驟：編輯、編譯、連接，以及執(zhí)行和調(diào)試。各個步驟之間是順序關(guān)系，編程的過程就是在他們之間作瀑布型的循環(huán)。MATLAB 語言與其它語言相比，較好的解決了上述問題，把編輯、編譯、連接和執(zhí)行融為一體。它能在同一畫面上進(jìn)行靈活操作，快速排除輸入程序的書寫錯誤、語法錯誤甚至語義錯誤，從而加快了用戶編寫、修改和調(diào)試程序的速度，可以說在編程和調(diào)試過程中 它是一種比VB 還要簡單的語言，更不用

43、談C 和C++。 </p><p>　　4．?dāng)U充性強(qiáng)，交互性好 </p><p>　　MATLAB語言有豐富的庫函數(shù)，在進(jìn)行復(fù)雜的數(shù)學(xué)運(yùn)算時可以直接調(diào)用，且這些庫函數(shù)同用戶文件在形式上一樣，所以用戶文件也可以作為 MATLAB 的庫函數(shù)來調(diào)用。用戶可以根據(jù)自己的需要方便的建立和擴(kuò)充新的庫函數(shù)，提高 MATLAB 使用效率和擴(kuò)充它的功能。另外，為了充分利用 FORTRAN、C 等語言的資源，

44、包括用戶自己編好的FORTRAN、C語言程序，通過建立M文件的形式，混合編程， 方便地調(diào)用有關(guān)的FORTRAN、C語言子程序，還可以在C 語言和FORTRAN 語言中方便的使用MATLAB 的數(shù)值計算功能。良好的交互性增加了代碼的重用性。 綜上所述，MATLAB 最適用的范圍是科學(xué)計算，對于本文需要實現(xiàn)圖像處理算 法來說，MATLAB 再合適不過了。</p><p>　　2.2 MATLAB的技術(shù)特點：</

45、p><p>　　1.運(yùn)算符、庫函數(shù)豐富</p><p>　　MATLAB的一個重要特色就是具有一套程序擴(kuò)展系統(tǒng)和一組稱之為工具箱的特殊應(yīng)用子程序，每一個工具箱都是為某一類學(xué)科專業(yè)和應(yīng)用而定制的。</p><p>　　MATLAB包含兩個部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又分為兩類：功能性工具箱和學(xué)科性工具箱。功能性工具箱主要用來擴(kuò)

46、充其符號計算功能，圖示建模仿真功能，文字處理功能以及與硬件實時交互功能；而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如control，toolbox，signal processing toolbox等。這些工具箱都是由該領(lǐng)域內(nèi)學(xué)術(shù)水平很高的專家編寫的，所以用戶無需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序就可直接進(jìn)行高、精、尖的研究。 </p><p>　　2.強(qiáng)大的數(shù)值（矩陣）運(yùn)算功能</p><

47、;p>　　MATLAB是一個包含大量計算算法的集合。其擁有600多個工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實現(xiàn)用戶所需的各種計算功能。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和容錯處理。在通常情況下，可以用它來代替底層編程語言，如C和C++。在計算要求相同的情況下，使用MATLAB的編程工作量會大大減少。MATLAB的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣、特征向量、快速傅立葉變換的復(fù)雜函數(shù)。

48、函數(shù)所能解決的問題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程組的求解、符號運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動態(tài)仿真等。 </p><p>　　3.界面友好、編程效率高</p><p>　　MATLAB程序書寫形式自由，被稱為“草稿式”語言，這是因為其函數(shù)名和表達(dá)更接近

49、我們書寫計算公式的思維表達(dá)方式，編寫MATLAB程序猶如在草稿紙上排列公式與求解問題，因此可以快速地驗證工程技術(shù)人員的算法。此外MATLAB還是一種解釋性語言，不需要專門的編譯器。具體地說，MATLAB運(yùn)行時，可直接在命令行輸入MATLAB語句，系統(tǒng)立即進(jìn)行處理，完成編譯、鏈接和運(yùn)行的全過程。利用豐富的庫函數(shù)避開繁雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作 </p><p><b>　　4

50、.圖形功能強(qiáng)大</b></p><p>　　MATLAB具有非常強(qiáng)大的以圖形化顯示矩陣和數(shù)組的能力，同時它能給這些圖形增加注釋并且可以對圖形進(jìn)行標(biāo)注和打印。MATLAB的圖形技術(shù)包括二維和三維的可視化、圖象處理、動畫等高層次的專業(yè)圖形的高級繪圖函數(shù)（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），又包括一些可以讓用戶靈活控制圖形特點的低級繪圖命令，可以利用MATLAB的句柄圖形技術(shù)創(chuàng)建圖形用戶界面

51、。同時對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足。 </p><p>　　第三章 道路圖像預(yù)處理</p><p>　　要實現(xiàn)車道線檢測與識別，首先必須要提取圖像的特征點。但是在現(xiàn)實道路環(huán)境中存在很多的

52、干擾因素，如：陽光，陰影，車道線不清楚，車輛和障礙物等，這些都給提取車道線帶來了很多的干擾。所以，本文使用了一些圖像預(yù)處理的方法對拍攝的道路圖像進(jìn)行處理。</p><p>　　3.1 道路圖像灰度化</p><p>　　車道線檢測系統(tǒng)中，如何提高實時性是一個非常關(guān)鍵的技術(shù)要點。從車輛攝像頭采集的圖像一般為彩色圖像，但是圖像的邊緣檢測、平滑處理等問題，基本是在灰度圖像上完成，而且彩色圖像所

53、含信息量較大，對其的處理也就需要很大的計算量和較長的時間，并且對硬件要求比較高，從而在各方面影響了系統(tǒng)的實時性。因此在車道線檢測系統(tǒng)中一般需要對攝像頭采集的彩色圖像進(jìn)行灰度化處理，使之成為灰度圖，以達(dá)到提高實時性的目的[6]。</p><p>　　圖像的灰度化是指把彩色圖像變換成灰度圖像的過程。紅色(Red)、綠色(Green)、藍(lán)色(Blue)三種色彩按不同比例構(gòu)成了彩色圖像中的各個像素點。各自分量的亮度由灰度

54、值表示，由于亮度信息由暗到明是連續(xù)變化的，所以要描述圖像的灰度圖，就需要把亮度值進(jìn)行量化。通常劃分成 0 ~255 ，共256個級別，0 表示全黑，255 表示全白。1~254 則表示介于全黑和全白之間的不同亮度。一般有以下四種灰度化的方法：</p><p>　　分量法：將彩色圖像中的三個分量R，G，B的值作為灰度圖像的灰度值，根據(jù)不同的情況選擇其中一種灰度圖像。</p><p>　　公式

55、： =，=, =; (1)</p><p>　　最大值法：選擇彩色圖像R，G，B中亮度的最大值最為灰度圖的灰度值。</p><p>　　公式： =; (2)</p><p>　　平均值法：將彩色圖像中的三個分量R，G，B的值求和再求其平均值，并將此平均值設(shè)為新的灰度值。</p>

56、<p>　　公式： = (3)</p><p>　　加權(quán)平均法：根據(jù)R，G，B三個分量的重要性，將三個分量賦以不同的權(quán)值再進(jìn)行平均。鑒于人眼對綠色敏感度最高而對藍(lán)色敏感度最低這一視覺特性，按照下式進(jìn)行加權(quán)得到的灰度圖像較為合理，所以本文選擇加權(quán)平均法將彩色圖像灰度化。</p><p>　　公式： =；

57、 (4)</p><p><b>　　原圖</b></p><p><b>　　灰度圖</b></p><p>　　3.2 道路圖像濾波</p><p>　　圖像濾波處理用來消除圖像中的噪聲，濾波既可以在空域中進(jìn)行也可以在變換域中實施，基本方法就是選取像素灰度的平均值或者中

58、值。盡可能的保留圖像所需的特征條件而抑制圖像中的噪聲，減少后續(xù)處理的干擾并保證圖像處理的可靠性。</p><p>　　二值化前后均可進(jìn)行濾波處理。二值化前的濾波處理是基于灰度圖像進(jìn)行，濾波后勢必導(dǎo)致灰度圖像有部分信息丟失但同時也抑制了噪聲的干擾。而在二值化以后，圖像仍然會出現(xiàn)一些散點，這是為了有利于后續(xù)的處理仍需進(jìn)行一次濾波處理。本文采取的是對灰度圖像直接濾波。</p><p>　　目前，

59、圖像濾波的方法有很多，例如：中值濾波法、高通濾波、低通濾波、高斯濾波、均值濾波等。在此本文不一一介紹，只對幾種常用典型的濾波方法作簡要的介紹。</p><p>　　平均鄰域法：假設(shè)相鄰的像素點之間具有相關(guān)性，這個像素點的值可以用相鄰像素點值的平均值來代替，以實現(xiàn)圖像濾波。數(shù)學(xué)表達(dá)式如下：</p><p><b>　　(5)</b></p><p&g

60、t;　　中值濾波法：中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。同時，中值濾波法是一種非線性平滑技術(shù)，對脈沖噪聲有良好的濾除作用，特別是在濾除噪聲的同時，能夠保護(hù)信號的邊緣，使之不被模糊。這些優(yōu)良特性是線性濾波方法所不具有的。此外，中值濾波的算法比較簡單，也易于用硬件實現(xiàn)。所以，中值濾波

61、方法一經(jīng)提出后，便得到重要的應(yīng)用。濾波效果圖3-1</p><p><b>　　數(shù)學(xué)表達(dá)式如下：</b></p><p><b>　　(6)</b></p><p>　　高斯濾波：高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點的

62、值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。在圖像處理中，高斯濾波一般有兩種實現(xiàn)方式，一是用離散化窗口滑窗卷積，另一種通過傅里葉變換。最常見的就是第一種滑窗實現(xiàn)，只有當(dāng)離散化的窗口非常大，用滑窗計算量非常大（即使用可分離濾波器的實現(xiàn)）的情況下，可能會考慮基于傅里葉變化的實現(xiàn)方法。</p

63、><p>　　車道線邊緣提取中有一個邊緣檢測的過程,這要求在圖像增強(qiáng)過程中要選擇一種在去除噪聲的同時能夠較好的保持圖像的邊緣和細(xì)節(jié)的圖像濾波方法,基于此要求,本課題進(jìn)行大量的實驗對比,分析各種方法的優(yōu)缺點,最終選擇了中值濾波作為本課題圖像增強(qiáng)方法,因為在實驗過程中,發(fā)現(xiàn)中值濾波能在濾除圖像噪聲的同時可以較好的保存車道的邊緣特征。</p><p>　　圖3-1 中值濾波后的圖像</p>

64、;<p>　　3.3 圖像邊緣檢測</p><p>　　在圖像處理及應(yīng)用中,圖像邊緣作為圖像的一個最基本特征起著舉足輕重的作用,它蘊(yùn)含了圖像豐富的內(nèi)在信息,廣泛應(yīng)用于圖像分割、圖像分類、圖像配準(zhǔn)和模式識別中。所謂邊緣是指圖像特征不連續(xù)的分割點組成的線,這里說的圖像特征的不連續(xù)包含有圖像灰度級的突變、紋理結(jié)構(gòu)的突變、顏色的突變等。邊緣其實是圖像一個區(qū)域的開始,另一個區(qū)域的結(jié)束,利用該特性可以對圖像進(jìn)

65、行分割處理【7】。</p><p>　　目前，常用的邊緣檢測的方法有Robert算子，Prewitt算子，Sobel算子，Canny算子等，但是本文結(jié)合實驗結(jié)果和實際應(yīng)用采用自定義差分算子。以下將對各種算子進(jìn)行簡要介紹。</p><p>　　3.3.1 Robert算子</p><p>　　Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子,Robe

66、rt算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內(nèi) 產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。該算子的計算公式如下：</p><p><b>　　(7)</b></p><p>　　其中，表示圖像點處的原灰度值，表示輸出的灰度值。以下是該算子的卷積核：</p><

67、p><b>　　、</b></p><p>　　Robert邊緣檢測</p><p>　　3.3.2 Prewitt算子</p><p>　　Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右鄰點的灰度差，在邊緣處達(dá)到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用 。其原理是在圖像空間利用兩個方向模板與圖像進(jìn)行

68、鄰域卷積來完成的，這兩個方向模板一個檢測水平邊緣，一個檢測垂直邊緣。經(jīng)典Prewitt算子認(rèn)為：凡灰度新值大于或等于閾值的像素點都是邊緣點。即選擇適當(dāng)?shù)拈撝礣，若，則為邊緣點，為邊緣圖像。這種判定是欠合理的，會造成邊緣點的誤判，因為許多噪聲點的灰度值也很大，而且對于幅值較小的邊緣點，其邊緣反而丟失了。下圖為Prewitt算子的邊緣檢測圖。</p><p>　　Prewitt算子邊緣檢測圖</p>&

69、lt;p>　　3.3.3 Sobel算子</p><p>　　在邊緣檢測中，常用的一種模板是Sobel 算子。Sobel 算子有兩個，一個是檢測水平邊緣的 ；另一個是檢測垂直邊緣的 。與Prewitt算子相比，Sobel算子對于象素的位置的影響做了加權(quán)，可以降低邊緣模糊程度，因此效果更好。</p><p>　　Sobel算子另一種形式是各向同性Sobel(Isotropic

70、 Sobel)算子，也有兩個，一個是檢測水平邊緣的 ，另一個是檢測垂直邊緣的 。各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測不同方向的邊沿時梯度的幅度一致。</p><p>　　由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)， 簡單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來，換言之就是Sobel算子沒有基于圖像

71、灰度進(jìn)行處理，由于Sobel算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。該算法的模板如下：</p><p>　　水平邊緣Sobel算子 垂直邊緣Sobel算子</p><p>　　Sobel邊緣檢測算子定義為：</p><p><b>　　(8)</b></p><p

72、>　　其中和的計算公式如下：</p><p>　　= (9)</p><p>　　= (10)</p><p>　　使用Sobel算子的邊緣檢測圖像如下：</p><p>　　Sobel算子邊緣檢測圖</p><p>　　3.3.4 Canny算子</p>

73、<p>　　Canny 邊緣檢測算子是 John F. Canny 在1986 年研究出來的一種多級檢測邊緣算子。Canny 算子[8]是一種比較理想的邊緣分割算子，從以下的三個標(biāo)準(zhǔn)意義來說，Canny 邊緣檢測算子對受到白噪聲影響的階躍型[9]邊緣是最優(yōu)的。Canny邊緣檢測算子的三個準(zhǔn)則[10]：</p><p>　　(1)檢測標(biāo)準(zhǔn)。不丟失重要的邊緣，不應(yīng)有虛假的邊緣。</p>&

74、lt;p>　　(2)定位標(biāo)準(zhǔn)。實際邊緣與檢測到的邊緣位置之間的偏差最小。</p><p>　　(3)單響應(yīng)標(biāo)準(zhǔn)。將多個響應(yīng)降低為單個邊緣響應(yīng)。</p><p>　　Canny 算子對一幅圖像進(jìn)行邊緣檢測，一般可分為三個步驟：濾波、增強(qiáng)和檢測。Canny 算法在進(jìn)行處理前，為去除噪聲，首先利用高斯平滑濾波器來平滑圖像。由于圖像中的噪聲在圖像傅里葉變換中對應(yīng)高頻部分，所以要在頻域中通過濾

75、波削弱噪聲的影響，設(shè)法濾除或減弱這部分的頻率分量。在實際工程應(yīng)用中，人們往往采用低通濾波器來實現(xiàn)。但是大多數(shù)濾波器雖然能降低噪聲，但也導(dǎo)致了邊緣強(qiáng)度的損失，高頻部分對應(yīng)著邊緣，所以要在邊緣與噪聲之間作一個中間處理。增強(qiáng)邊緣就是將鄰域或者局部強(qiáng)度值有顯著變化的點突出出來，通過計算梯度幅值來完成。Canny 分割算法是采用一階偏導(dǎo)的有限差</p><p>　　分來計算梯度的方向和幅值。一個邊緣的一階導(dǎo)數(shù)在邊界處存在向

76、上的階躍。一般的邊緣檢測是利用求導(dǎo)數(shù)來實現(xiàn)的，這是因為導(dǎo)數(shù)的計算對噪聲很敏感。在處理的過程中，Canny 算法將經(jīng)過一個非極大值抑制的過程，最后連接邊緣是通過 Canny 算法采用兩個閾值來實現(xiàn)的[11]，下圖為Canny邊緣檢測圖。</p><p>　　Canny邊緣檢測圖</p><p>　　3.3.5自定義差分算子</p><p>　　本文考慮到車道線的在圖像

77、中的方向特征，即左右車道線傾斜角度一般分別是 45°和 135°方向，所以自定義了兩個差分算子。對平滑處理后的圖像用這兩個差分算子對道路圖像做微分計算，就得到了道路圖像的邊緣。本文提出的自定義差分算子在提高了車道線的邊緣像素點與周圍區(qū)域像素點的對比度的同時，又保證了車道線結(jié)構(gòu)完整。左右卷積核分別如下圖所示：</p><p><b>　　左卷積核和右卷積核</b></

78、p><p>　　自定義差分算子邊緣檢測圖如下：</p><p>　　自定義差分算子邊緣檢測圖</p><p>　　3.4 本章小結(jié)</p><p>　　在這一章節(jié)中，本文主要介紹了車道線檢測系統(tǒng)中所使用的圖像預(yù)處理技術(shù)。詳細(xì)的介紹了圖像灰度化的原理和目的，經(jīng)典的邊緣檢測算法，并且對比了各種方法的優(yōu)缺點。最后選擇了快速、方便、實用的邊緣檢測算子

79、——自定義差分算子，并在實際應(yīng)用中取得了較好的效果，為后面的圖像處理做好了準(zhǔn)備并且節(jié)省了時間。</p><p>　　第四章 車道線檢測的算法設(shè)計</p><p>　　在車道偏離預(yù)警系統(tǒng)中，其核心是如何快速有效地對車道線進(jìn)行檢測和識別，它主要包括車道線提取和車道類型判斷兩個部分。車道檢測與識別是車道偏離預(yù)警系統(tǒng)研究的核心問題之一，其研究水平也是智能駕駛系統(tǒng)發(fā)展的重要標(biāo)志。道路類型的判斷對

80、于車道偏離預(yù)警和智能駕駛同樣起著至關(guān)重要的作用。車道線檢測主要包括車道定位，車道線相對于周圍環(huán)境特征提取以及對感興趣車道的提取等。道路類型主要是判斷道路直道、彎道的問題，本章針對車道線檢測進(jìn)行了探討。</p><p>　　本章沒有從三維視覺的角度來實現(xiàn)車道線檢測和道路環(huán)境分析，因為從算法的可行性來看，算法復(fù)雜，相應(yīng)特征點查找困難，另外就是存在遮擋的問題。目前，基于視覺研究的大多數(shù)學(xué)者都盡量簡化了這些復(fù)雜因素的影響

81、，而去專心于系統(tǒng)核心問題—基于圖像視覺的車道檢測和識別。但從研究問題的實際看來，任何一個影響最終結(jié)果的因素都應(yīng)該加以考慮，因為這些因素都可能帶來最終結(jié)果的巨大偏差，尤其是在環(huán)境因素復(fù)雜多變的高速路上。這就導(dǎo)致了從三維視覺角度來研究車道偏離，只適合外界環(huán)境簡單、變化小的情景。這對于外界環(huán)境多變的高速公路顯然是不合適的，因此，本文采用基于單目視覺的方法對車道圖像進(jìn)行分析研究。在模型和算法設(shè)計時，盡量簡化道路模型，采用結(jié)構(gòu)化道路模型設(shè)計和車道

82、動態(tài)預(yù)測算法，這種模型簡化和設(shè)計可以實現(xiàn)對車道圖像信息的快速提取，算法復(fù)雜度大大降低，有利于提高系統(tǒng)的整體性能。</p><p>　　4.1 道路圖像檢測的常用方法</p><p>　　目前常用的道路圖像檢測和識別算法有以下幾種[12]：</p><p>　　(1)模擬神經(jīng)網(wǎng)絡(luò)方法：</p><p>　　神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用按處理數(shù)據(jù)類

83、型大致可以分為兩類：—類是基于像素數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)算法；另一類是基于特征數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)算法即特征空間的聚類識別算法?；趫D像像素數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)識別技術(shù)，是用高維的原始圖像數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。目前很多神經(jīng)網(wǎng)絡(luò)算法是基于像素進(jìn)行圖像識別的。在車輛輔助駕駛系統(tǒng)中，經(jīng)常采用人工神經(jīng)網(wǎng)絡(luò)的方法，它主要通過神經(jīng)網(wǎng)絡(luò)來模擬現(xiàn)實中的車輛駕駛，但是這種方法在對車道進(jìn)行檢測和判斷時預(yù)先不能確定車道線的具體位置，所以該方法不適合結(jié)構(gòu)化道路的檢測和判斷，

84、尤其是用于高速公路判斷時，實時性較差，它主要應(yīng)用在非結(jié)構(gòu)化道路的判斷。</p><p>　　(2)基于彩色圖像分割的方法：</p><p>　　彩色圖像分割是數(shù)字圖像處理領(lǐng)域一類非常重要的圖像分析技術(shù)，在對圖像的研究和應(yīng)用中，根據(jù)不同領(lǐng)域的不同需要，在某一領(lǐng)域往往僅對原始圖像中的某些部分感興趣。這些目標(biāo)區(qū)域一般來說都具備其自身特定的一些諸如顏色、紋理等性質(zhì)，彩色圖像分割主要根據(jù)圖像在各個區(qū)

85、域的不同特性，而對其進(jìn)行邊界或區(qū)域上的分割，并從中提取出所關(guān)心的目標(biāo)。圖像分割注重對圖像中的目標(biāo)進(jìn)行檢測和測量，通過對圖像的分割、目標(biāo)特征的提取，可將經(jīng)初步圖像處理的圖像特征向量提取出來，在車道檢測中，該方法在基于 RGB 彩色空間原理基礎(chǔ)上，依據(jù)車道圖像在 R，G，B 三個基本分量與車道周圍環(huán)境分量的不同，對車道圖像進(jìn)行道路路面和非路面的劃分，該方法非常適合沒有車道標(biāo)識線的道路。</p><p>　　(3)基于

86、灰度圖像的車道識別方法：</p><p>　　目前在車道線檢測和識別領(lǐng)域最常用的方法就是基于灰度圖像的車道檢測和識別的方法，灰度圖像不僅圖像信息量大大減少，而且我們可以充分利用車道線路面與非路面的灰度差值對圖像噪聲進(jìn)行去除，同時利用白色車道線灰度值的特征可以對車道標(biāo)識線進(jìn)行檢測和識別，這種方法常用于高速公路車道線的識別。當(dāng)然這種方法也有一些亟待解決的問題，就是當(dāng)車道線被樹陰、道路兩旁的建筑物、橋梁、隧道或其他車輛

87、遮擋時，這些情況都會對道路圖像的灰度值產(chǎn)生影響，進(jìn)而可能對檢測和識別結(jié)果產(chǎn)生影響，這些問題都是今后考慮的重要方面。</p><p>　　在認(rèn)真分析近幾年來有關(guān)車道檢測和識別技術(shù)的基礎(chǔ)上，得出當(dāng)前人們在這個問題上研究的主要方向為：一個側(cè)重于根據(jù)車道線信息與路面信息的不同，對車道線進(jìn)行檢測和識別，另一個側(cè)重于研究車道線邊緣信息與車道附近點信息的不同來檢測和識別。根據(jù)分析，可以得知當(dāng)前基于灰度圖像的車道線檢測與識別算法

88、主要采用 Hough 變換的方法。Hough 變換提取直線算法是一種利用圖像全局特性把邊緣像素連接起來組成區(qū)域封閉邊界的一種方法。它的主要優(yōu)點是受噪聲和曲線間斷的影響較小。所以本文采用基于 Hough 變換的方法來進(jìn)行車道線的檢測。</p><p>　　4.2 基于Hough變換的車道線檢測</p><p>　　4.2.1 Hough變換原理</p><p>　　

89、在車道線直線提取算法中，Hough 變換是最常用的方法之一，且快速車道基本上是直線,彎道較少,適合采用Hough變換檢測車道線。其優(yōu)點在于抗噪性能好，算法穩(wěn)定。Hough 變換[13]于 1962 年由 Paul Hough 提出，并在美國作為專利被發(fā)表。它所實現(xiàn)的是一種從圖像空間到參數(shù)空間的映射關(guān)系如圖 4.1(c)所示。由于具有一些明顯優(yōu)點和可貴性質(zhì)，它引起了許多國內(nèi)外學(xué)者和工程技術(shù)人員的普遍關(guān)注。例如，由于其根據(jù)局部度量來計算全面

90、描述參數(shù)，因而對于區(qū)域邊界被噪聲干擾或被其他目標(biāo)遮蓋而引起邊界發(fā)生某些間斷的情況，它具有很好的容錯性和魯棒性。Hough 變換的實質(zhì)是將圖像空間內(nèi)具有一定關(guān)系的像元進(jìn)行聚類，尋找能把這些像元用某一解析形式聯(lián)系起來的參數(shù)空間累積對應(yīng)點。在參數(shù)空間不超過二維的情況下，這種變換有著理想的效果。Hough 直線變換其原理是利用點線的對偶性來實現(xiàn)的，如下圖所示: </p><p>　　(a)圖像空間

91、 （b）參數(shù)空間</p><p>　　（c）坐標(biāo)系變換的對應(yīng)關(guān)系</p><p>　　圖4.1Hough變換原理</p><p>　　在直角坐標(biāo)系中如圖(a)所示，直線的方程可以用來表示，其中和是圖像空間中的參數(shù)，分別是直線的斜率和截距。直線上任一點用表示。那么方程在參數(shù)平面上是一條直線，由此可見，圖像空間中的像素點可以通過參數(shù)空間中的直線來表示，即平面上的一個像

92、素點就對應(yīng)到平面上的一條直線。在實際應(yīng)用過程中，形式的直線方程是不能表示形式直線的(這時候，直線的斜率為無窮大∞)。所以實際應(yīng)用中，經(jīng)常采用參數(shù)方程：</p><p><b>　　(11)</b></p><p>　　這樣就可以克服這些局限性了，如圖4.2所示，其中代表直線到原點的法線距離，為該法線對應(yīng) x軸的角度。這樣，道路圖像平面上的一個點就對應(yīng)到參數(shù) 面上的一條

93、曲線。由此可見，道路圖像中共線的點其對應(yīng)到參數(shù)空間里相交的直線如圖4.1(c)所示。反之，在參數(shù)空間中有公共點的所有直線在圖像空間里都有共線的點與其對應(yīng)，這就是點--線的對偶性。依據(jù)點--線的對偶規(guī)則，當(dāng)給定道路圖像中的一些邊緣點，就可以通過 Hough 變換確定連接這些邊緣點的直線。Hough 變換實際上就是把在圖像空間中的直線檢測問題變換為參數(shù)空間里對點的檢測問題，通過在參數(shù)空間中進(jìn)行簡單的統(tǒng)計累加完成檢測任[14]</p&g

94、t;<p>　　圖4.2直角坐標(biāo)系到極坐標(biāo)系的變換</p><p>　　運(yùn)用 Hough 變換進(jìn)行直線檢測時，對噪聲沒有太強(qiáng)的敏感性，在已經(jīng)知道目標(biāo)物體的形狀后，檢測的效果是非常理想的。</p><p>　　4.2.2 Hough變換提取車道線</p><p>　　由于車載攝像機(jī)拍攝的道路圖像中含有大量的景物細(xì)節(jié)，比如行人、陰影、綠化帶、樹木、車輛、

95、其它遮擋物等。本文車道圖像在經(jīng)預(yù)處理后得到的圖像如圖 2-1所示，由圖中可以看到，所有這些車道圖像的區(qū)域邊界圍成了形狀各異的、或稠或密、大小不一的區(qū)域集合，而且這些區(qū)域大小不同、像素值多少不同，小到幾個像素點，大則可能連成一片獨立的區(qū)域。但是圖像中的車道邊界則由一些連續(xù)或斷續(xù)的近似直線的邊界區(qū)域組成的集合。基于這種區(qū)域特征，可以假想建立一種基于邊界形狀特征的道路模型，其能夠?qū)④嚨绤^(qū)域與其它區(qū)域區(qū)別開來。因此，本文從車道邊界的形狀特征入手

96、來建立模型，國內(nèi)外很多研究人員都基于這種思想而建立模型，其中有使用多項式曲線作為道路的形狀模型、回旋曲線作為道路的形狀模型以及直線作為道路的形狀模型等。其中的直線模型是最簡單的模型假設(shè)[15]。為了減小算法的復(fù)雜度，提高系統(tǒng)的運(yùn)行速度，本文采用直線道路模型。由于高速公路的彎道曲率一般比較小[16]，在車輛高速行駛時，系統(tǒng)只需采集車輛前方不太遠(yuǎn)處的道路圖像，因而采用直線道路模型，就可以滿足要求。合理采用道路模型假設(shè)可以有效提高道路識別算法

97、的快速性和魯棒性。本文對道路特征做</p><p>　　(1)路面是水平的，或者其高度變化服從一定的數(shù)學(xué)模型。(2)道路是結(jié)構(gòu)化道路，即具有良好視覺效果的白線導(dǎo)航，周圍無障礙物，道路寬度基本一致、有明顯的車道標(biāo)示線或邊界、路面平坦的道路環(huán)境，可以依據(jù)邊緣、顏色等信息來檢測。</p><p>　　對信息融合后的圖像進(jìn)行 Hough 變換，為了避免背景上的建筑等其他物體也可能存在直線而造成誤判

98、斷的情況。本文設(shè)置一個閾值 L，當(dāng)檢測出一條直線時，將其長度與閾值 L 作比較，當(dāng)直線長度大于 L 時，則認(rèn)為是一條車道線，并保存直線的斜率、截距、起點和終點四個元素，并作標(biāo)記；小于閾值 L 時，則舍棄。這樣就很好的排除短小噪聲直線的干擾。</p><p>　　基于Hough變換的車道線檢測算法處理過程如圖4-2所示：</p><p>　　原始圖像 圖像預(yù)處理

99、 邊緣檢測 </p><p>　　標(biāo)識車道線 車道線提取 Hough變換 </p><p>　　圖4-2車道線檢測流程</p><p>　　在這里，我們把邊緣檢測出來的圖像進(jìn)行Hough變換得到車道線在極坐標(biāo)系下的參數(shù)，然后再把這些參數(shù)繪制成下圖4-3：</p><p><b>　　

100、圖4-3</b></p><p>　　從圖中我們可以統(tǒng)計出這些曲線的重疊情況，然后根據(jù)統(tǒng)計值進(jìn)行判斷直線所在位置，并在原圖中對直線進(jìn)行標(biāo)識。如下圖4-4：</p><p>　　圖4-4通過Hough變換標(biāo)識車道線</p><p><b>　　4.3 本章小結(jié)</b></p><p>　　本章首先簡要介紹了幾

101、種道路圖像的檢測方法，如：模擬神經(jīng)網(wǎng)絡(luò)方法，基于彩色圖像分割的方法，基于灰度圖像的車道識別方法。鑒于本課題研究的是快速車道所以選擇了基于灰度圖像的車道識別方法，同時，借鑒前人的研究和經(jīng)驗選擇Hough變換來檢測車道線。然后本章著重介紹了Hough變換的原理和提取車道線的算法方法，經(jīng)過試驗，本方法能較好的提取快速車道的車道線。</p><p><b>　　結(jié) 論</b></p&g

102、t;<p>　　1. 論文的主要研究工作</p><p>　　車道偏離預(yù)警技術(shù)是車輛安全輔助駕駛系統(tǒng)的研究方向之一，其中車道線的檢測與識別是車道偏離預(yù)警技術(shù)重要的研究內(nèi)容，本文對基于邊緣檢測和Hough變換的車道線檢測進(jìn)行了深入研究。通過實驗，使用本文算法對道路圖像進(jìn)行檢測，結(jié)果表明該車道線檢測算法對陰影、光線變化和其他干擾等都有很好的魯棒性，其車道偏離預(yù)警模型能可靠實現(xiàn)預(yù)警功能。本文的具體工作如下

103、：</p><p>　　(1)首先，對國內(nèi)道路交通狀況以及對國內(nèi)外智能車輛的發(fā)展概況，進(jìn)行調(diào)查分析研究，結(jié)合國內(nèi)外車道線檢測的研究狀況，提出了課題的研究背景和主要內(nèi)容。</p><p>　　(2)其次，對目前常用的車道線檢測方法進(jìn)行了歸納總結(jié)。為了能檢測出效果較好的車道線，結(jié)合道路圖像的特點，對實際采集的道路圖像進(jìn)行了預(yù)處理，即彩色圖像灰度化和圖像平滑。對比分析現(xiàn)有的圖像預(yù)處理技術(shù)，并通過

104、實驗進(jìn)行對比，我們主要選用加權(quán)平均法來實現(xiàn)了彩色圖像的灰度化，圖像去噪的程度直接影響后續(xù)圖像的處理，本文經(jīng)過多次嘗試選用中值濾波法來處理灰度圖，并取得了較好的效果。</p><p>　　(3)最后，對車道線檢測的研究。在分析比較目前常用的車道線檢測算法的基礎(chǔ)上，采用了目前檢測直線最流行的 Hough 變換的方法，在簡要說明Hough 變換的原理和步驟后，用 Hough 變換提取了車道線。</p>&

105、lt;p>　　2. 論文需要改進(jìn)的地方及對后續(xù)工作的展望</p><p>　　由于個人能力及現(xiàn)有條件和研究時間的限制，且本文提出的算法是針對高速公路這樣的結(jié)構(gòu)化道路圖像，檢測的也是最簡單的直線模型的車道線，路面情況相對來說比較清晰，取得了一定的研究成果。但算法本身還相對比較粗糙，離實際的工程應(yīng)用還有一定的差距，應(yīng)該在以下方面加強(qiáng)改進(jìn)：</p><p>　　(1) 本文的研究對象是當(dāng)前

106、車輛行駛的車道，但是對于車道周圍復(fù)雜環(huán)境沒有充分考慮，尤其對經(jīng)常出現(xiàn)的分道口和道路上文字，行駛的車輛及行人等干擾考慮不足。</p><p>　　(2) 對于道路出現(xiàn)的極端情況比如強(qiáng)光照造成的陰影、雨雪天氣等都會影響攝像機(jī)拍攝道路圖片的質(zhì)量。算法在對圖像進(jìn)行預(yù)處理時，應(yīng)該增加當(dāng)?shù)缆穲D像出現(xiàn)這些干擾時的解決方法，使車道線檢測和道路走向判斷更加精確。</p><p>　　(3)當(dāng)車道線受損嚴(yán)重時