基于机器视觉的车道及车辆检测技术研究

摘要

全球经济的快速发展为全人类带来日益丰富的物质文化财富，机动车辆的保有量正在以前所未有的速度增长。汽车作为人类文明高度发达的产物，给人们日常生活带来极大便利的同时也难以避免地对人们的生命财产造成不可估量的损失。因此，提高汽车安全性能，减少道路交通事故，改善交通环境就成为人类社会进步与可持续发展的重要研究课题之一。
　　 本文的主要工作是，通过车载CCD摄像装置对车辆前方车道进行实时监测，获取当前的道路交通场景视频，检测和识别车道以及前方道路的车辆目标，为基于视觉的导航系统提供准确实时的路况信息。
　　 本文的工作主要包括以下几个方面：
　　 (1)综述了课题的研究背景，指出了车道以及车辆的检测跟踪对于降低交通事故率的重要性，并简要介绍了目前国内外基于视觉的道路及车辆检测识别系统以及视觉导航系统的发展趋势。
　　 (2)对于不确定的现实交通场景，在各种天气条件下对车道线进行实时检测，利用色彩信息提高车道标志线检测算法的鲁棒性。利用车道标志线和车道中车辆在视频图像中形状、大小和运动模式的差异消除车道中车辆对车道标志线检测所产生的干扰。
　　 (3)在图像序列中跟踪道路变化，利用所拍摄道路视频中图像序列信息的一致性，由前一帧道路检测结果排除后续帧可能出现的误检测，提高车道检测结果的准确性。
　　 (4)检测车辆：充分利用道路图像中车辆的三个特征——车辆底部阴影、车辆成对存在的垂直边缘以及车辆的对称性来预测车辆存在区域并验证车辆的存在。在实现车辆检测的基础上，利用卡尔曼滤波器对检测到的目标车辆进行跟踪。
　　 (5)在Windows平台下使用Visual C++6.0开发工具，利用拍摄的车载视频进行实验测试，测试证明能够实现车道以及车辆的实时检测跟踪。

目录

文摘

英文文摘

声明

第一章绪论

1.1本课题的研究背景

1.1.1机器视觉的国内外研究现状及发展趋势

1.1.2智能车辆导航系统的国内外研究发展现状

1.1.3视觉导航系统的特点及发展趋势

1.2本课题研究的目的和意义

1.3本文的研究内容与结构

1.3.1本论文主要内容及研究流程

1.3.2论文结构

第二章数字图像处理基础

2.1数字图像处理基础理论

2.1.1数字图像采样原理

2.1.2数字图像的表示方法

2.1.3以亮度、灰度来表示数字图像

2.1.4灰度图像的二值化

2.1.5二值化图像的投影

2.1.6二维图像的坐标

2.1.7动态图像特征

2.2道路图像的预处理

2.2.1灰度直方图

2.2.2直方图均衡化

2.2.3图像的噪声及降噪方法

2.3道路图像的边缘检测

2.4本章小结

第三章基于机器视觉的车道检测技术研究

3.1基于机器视觉的车道标识识别方法概述

3.1.1基于特征的识别方法

3.1.2基于模型的识别方法

3.1.3基于视觉与其他传感器融合的识别方法

3.2各种车道识别方法的比较与总结

3.3不确定背景环境下的车道检测

3.3.1不确定背景环境描述

3.3.2道路和车道标志线的色彩提取

3.3.3区分道路图像中的车辆与车道标志线

3.3.4车道识别及车道标志线的一致性确认

3.3.5试验验证

3.4本章小结

第四章基于机器视觉的车辆检测技术研究

4.1基于机器视觉的车辆检测方法概述

4.1.1利用边缘特征作为约束条件的滤波方法

4.1.2基于模板匹配的方法

4.1.3基于运动目标距离不变的采样法

4.1.4基于对称性的方法

4.2具有代表性的基于机器视觉的车辆检测系统

4.2.1以雷达测距系统为基础的车辆检测系统

4.2.2以视频流检测为基础的车辆检测系统

4.2.3以图像检测为基础的车辆检测系统

4.3基于多特征的前方车辆的检测

4.3.1车辆底部阴影的特征

4.3.2车辆的垂直边缘特征

4.3.3车辆的对称特征

4.4前方车辆的检测跟踪

4.4.1由图像低端至顶部扫描的车辆检测算法

4.4.2检测目标跟踪

4.4.3车辆检测跟踪试验结果

4.5本章小结

第五章全文总结与展望

5.1工作总结

5.2下一步工作展望

参考文献

致 谢

研究生期间已发表的论文