基于车道线边缘及分布特征的车道线识别算法研究与实现

摘要

随着社会经济、技术和人们生活水平的不断提高，机动车的数量不断增多，交通运输问题也随之越来越突出，采用现代化的管理方法来实现交通管理这一要求变得更加迫切。智能交通系统是目前世界电子信息技术在交通运输领域应用的前沿研究课题，具有极其重要的理论和应用价值。智能车辆视觉导航是智能交通系统的重要部分，在预防交通事故和提高车辆的主动安全性能方面，视觉导航有重要的研究价值及应用前景。
　　车道线识别是智能车辆视觉导航系统的最基本、最重要的功能。本文研究基于视觉图像的车道线识别技术。本文的基本思想是:第一，在预处理阶段，用基于图像归一化直方图累计函数的相似度的图像分割方法对图像进行分割，提高车道线识别的速度和准确性，然后再进行边缘提取，提取车道线边缘特征点。第二，在车道线识别阶段，提出通过排除非车道区域来提取车道线的方法，此方法利用道路区域的连通性和区域生长方法提取出路面区域，进而识别出车道线。然后利用基于车道线之间相对位置的快速扫描算法提取车道线，同时在车道线识别过程中增加了基于车道线几何特征筛选方法来提高车道线识别的准确性，最后通过车道线的预测来估计出较远处的车道线位置。第三，在车道线的跟踪阶段，为了提高算法的速度，利用在前一帧图像中识别出的车道线的边缘和颜色特征信息对后续图像进行车道线识别，改进了整体算法的运行效率。
　　实验结果表明，本文所提出的基于车道线特征提取算法能很好的检测出道路上的车道线区域，并且检测和跟踪更为准确，同时算法具有较高的鲁棒性和较好的运行效率。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 智能车辆系统

1．2．1 研究现状

1．2．2 发展前景

1．3 车道线识别方法介绍

1．3．1 识别方法介绍

1．3．2 跟踪方法介绍

1．4 本文的主要工作

1．4．1 研究内容

1．4．2 本文的组织

第2章 道路图像预处理

2．1 图像灰度化

2．2 图像平滑

2．2．1 算法介绍

2．2．2 图像平滑

2．2．3 图像平滑

2．3 图像分割

2．4 本章小结

第3章 车道线特征提取

3．1 图像边缘增强

3．1．1 算法介绍

3．1．2 图像边缘增强

3．2 图像二值化

3．2．1 算法介绍

3．2．2 图像二值化

3．3 边缘修补

3．3．1 算法介绍

3．3．2 边缘修补

3．4 道路区域提取

3．4．1 区域生长算法介绍

3．4．2 感兴趣区域选取

3．4．3 道路区域提取

3．5 车道线特征提取

3．6 本章小结

第4章 车道线识别

4．1 车道线扫描

4．2 车道线筛选

4．3 车道线合并

4．4 车道线预测

4．5 本章小结

第5章 车道线跟踪

5．1 车道线区域预测

5．2 车道线特征提取

5．3 车道线跟踪识别

5．4 本章小结

第6章 实验设计及算法性能分析

6．1 正确性及鲁棒性分析

6．2 速度测试

6．3 本章小结

第7章 结束语

7．1 本文工作总结

7．2 未来工作展望

参考文献

致谢

发表论文情况