基于全景环视的道路交通标线检测与识别方法研究

摘要

道路作为城市的脉络,其信息的价值越来越明显,无论是辅助驾驶还是GPS导航,抑或未来的无人驾驶车,都依赖于对道路的认知。为了拓展现有地图,丰富道路信息,本文对道路面上的多种信息进行检测和识别,主要包括车道线的检测识别、路面交通标志的检测识别、基于视觉的车辆主运动估计等,具体有以下几个方面的研究:
　　针对传统视觉系统感知范围有限且容易受其它车辆遮挡问题,本文设计了一种基于车载环视和全景的环境感知系统,其中环视系统由车辆周身四个鱼眼相机构成,用于获取近视野的当前车道信息,避免了其它车辆遮挡导致的车道线检测失败;全景系统由一台可以拍摄360度全景图的相机构成,用于获取大范围的多车道信息。经标定融合后两个系统可以协同工作、信息互补,最大限度地提供全面的道路信息,消除环境感知盲区。
　　针对当前车道标线检测和类型识别问题,本文提出了一种基于环视的方法。本文采用基于兴趣区域的车道线提取方法进行检测,该方法可以有效地对抗噪声;对兴趣区域内的车道线进行y方向直方图统计和色彩空间阈值划分,以分析行车线的类型和颜色,识别结果通过决策滤波器滤波。实验结果证明了本文方法的可靠性。
　　针对多车道检测问题,本文提出了一种基于全景的多车道检测方法。在环视获得当前车道宽度和行车线位置的基础上,本文利用宽度不变假设,采用像素搜索方法和外推方法对车道线像素进行聚类,并用二次曲线拟合。实验结果表明,在综合情况下本文方法对多车道的检测识别率较高。
　　针对路面交通标志检测与识别问题,本文提出了一种基于滑动窗口的标志检测方法,并使用模板匹配和支持向量机进行标志识别。对于支持向量机,本文对比了Zernike矩、小波矩以及傅里叶描述子三种形状特征不变量,最后以效果最好的傅里叶描述子结合模板匹配方法实现标志识别。实验结果表明,建立在车道检测基础上的该方法能应对多种路面交通标志,准确率较高。
　　针对实际交通环境中存在车辆干扰的问题,本文单纯依靠视觉方法,通过主运动估计实现车辆检测以排除干扰。由于环视图像动态信息少而灰度等级变化较弱,本文采用ICP算法实现边缘点集的配准,获取车辆主运动参数;全景的主运动估计采用光流算法,利用环视的结果对光流场进行筛选,优化参数,最后根据光流特征实现了路面其它车辆的检测。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外发展现状

1.3本文主要研究内容

第二章 系统方案设计

2.1需求分析

2.2硬件系统架构

2.3联合标定

2.4软件系统架构

2.5实验平台

2.5本章小结

第三章 环视平台下的当前车道检测与识别

3.1 引言

3.2环视行车线检测与识别

3.2基于车道线的车辆主运动估计

3.4实验结果与分析

3.5 本章小结

第四章 全景平台下的多车道检测与识别

4.1 引言

4.2 基于主运动估计的车辆检测

4.3全景多车道行车线检测与识别

4.4 实验结果与分析

4.5 本章小结

第五章 路面交通标志检测与识别

5.1 引言

5.2 基于滑动窗口的标志检测

5.3 基于模板匹配的标志识别

5.4 基于形状特征和支持向量机的标志识别

5.5 实验结果与分析

5.6 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参 考 文 献

致谢

攻读硕士学位期间已发表或录用的论文