航拍視頻高速公路車道線檢測技術(shù)研究.pdf

1、近些年來高速公路上車禍頻發(fā)，程度也日趨嚴重，基于無人機的高速公路違法行為監(jiān)控方式，具有監(jiān)控范圍廣、可移動的優(yōu)點，是目前非常有前景的高速公路監(jiān)控手段之一，車道線檢測作為其中的重要技術(shù)之一迅速成為了一大研究熱點。本文在研究現(xiàn)有車道線檢測技術(shù)后，提出了一種航拍視頻高速公路車道線檢測算法，主要研究內(nèi)容如下。
　　(1)車道線圖像分割算法研究。研究了一種航拍高速公路車道線圖像分割算法。該算法首先為了減小處理時間，研究了一種基于峰值插值的降采

2、樣方法，既減小了圖像分辨率，也保留了車道線的信息;然后針對航拍高速公路圖像背景復(fù)雜的特點，研究了一種基于圖像飽和度分量增強的車道線增強算法，增大了車道線與路面顏色差異;并且進一步研究了一種基于RGB色彩空間的彩色圖像分割算法。實驗表明，本文研究的算法能夠很好地從背景復(fù)雜的航拍高速公路圖像中將車道線較為完整地分割出來。
　　(2)車道線特征點聚類處理算法研究。為了能對每一條車道線的數(shù)據(jù)進行分別處理，研究了一種車道線特征點聚類算法。該

3、算法首先為了增大同車道線上特征點間的相似性，提出一種基于線間距的相似性度量方法，解決了航拍圖像中車道線傾斜、彎曲、車道線間距小和虛實線并存等帶來的相似性度量問題，并基于譜聚類算法實現(xiàn)車道線特征點聚類。實驗表明，本文研究的算法能夠較為準確地實現(xiàn)車道線特征點聚類處理。
　　(3)車道線模型選擇及參數(shù)估計算法研究。為了更好地描述高速公路車道線形狀，采用三次B樣條曲線作為車道線模型，表示車道線更準確。為了準確計算車道線的參數(shù)，提出了一種結(jié)

4、合RANSAC、車道線分布特點和Kalman算法的車道線參數(shù)估計算法，該算法首先基于RANSAC算法實現(xiàn)車道線參數(shù)估計;然后基于航拍圖像車道線分布特點剔除錯誤車道線;最后基于Kalman濾波算法對錯誤車道線的參數(shù)進行修正。實驗表明，本文研究的算法能夠較準確地估計航拍圖像中所有車道線的參數(shù)。
　　(4)軟件設(shè)計。基于提出的航拍高速公路車道線檢測算法，完成了高速公路車道線檢測及車輛違法行為分析軟件。在仔細分析軟件的功能需求之后，完成了