基于單目視覺的結構化道路車道線識別和SAE算法的車道偏離檢測研究.pdf

1、隨著機動車保有量的快速增加和道路工程基礎設施的建設，道路交通運輸給人們的生活和出行帶來了很大的便利，但由此引發(fā)的道路交通事故卻成為全球安全問題之一。我國汽車保有量約占世界的2％～3％，但是交通事故死亡人數卻占世界的22％左右，是世界上交通事故比較嚴重的國家之一?？v觀交通事故形成的原因，車輛沒有保持在合適的車道行駛或駛離當前車道是已知的駕駛人因素導致交通事故原因的第二位。統(tǒng)計表明，如果在潛在的交通事故發(fā)生前提前1s，給駕駛人發(fā)出車輛偏離當

2、前車道的預警，則可避免90％以上交通事故的發(fā)生。
　　本文對道路圖像預處理（灰度化、濾波去噪、二值化）、車道線檢測、車道線跟蹤以及車道偏離檢測相關技術進行了研究。首先，基于單目視覺采集車輛在高速公路或類似于高速公路的結構化道路上行駛的圖像，采用圖像預處理技術（加權平均法灰度化圖像、FIR濾波對灰度圖像濾波去噪、最大類間方差法二值化濾波去噪圖像、基于消失點檢測設定動態(tài)感興趣區(qū)域ROI）處理行車道路圖像，得到車道線凸顯的ROI區(qū)域。然

3、后，提出利用極角極徑約束的Hough變換基于分段直線模型進行車道線檢測，采用匹配算法進行車道線跟蹤，識別率達到96.69％，實時處理時間是每幀20ms左右，能很好的檢測出高速公路車道線，也能滿足實時性的要求。此外本文還研究了采用人工魚群算法進行車道線識別和擬合的方法。最后，提出一種車道偏離檢測方法，根據車道線檢測和匹配跟蹤的結果，以車輛橫向偏移(LO)、車道線斜率和截距作為特征輸入，采用棧式自編碼(SAE)神經網絡來搭建車道偏離檢測分類