智能视觉导航系统中图像处理算法的研究及实现

摘要

智能导航系统是智能交通的重要组成部分，在各行各业有着广泛的应用，旅游业作为于贵州的支柱产业，发展智能导航观光车将拥有很大的市场前景。而道路图像检测是智能导航系统中的重点部分，如何准确识别道路和障碍物是智能导航的关键，因此，本文将主要集中于智能导航系统中道路分道线检测和障碍物识别两方面进行研究。
　　围绕论文的研究内容，本文首先介绍了现有的图像增强算法，包括直方图均衡化、同态滤波和形态学算法。并将三种方法应用于实际的道路图像处理中，分析了三种增强算法的优缺点以及适用场合。然后论文详尽阐述了常用的边缘检测算法，主要有Roberts算子，Sobel算子，Prewitt算子，Laplace算子，Canny算子，snake模型，小波变换和形态学算法。分别利用这些算法对增强后的图像进行边缘检测，对比分析检测结果，找出适合于道路图像边缘检测的算法。
　　在上述的基础上，结合snake模型和Hough变换实现了直线型道路分道线的检测，并利用数学形态学算法，标定出障碍物。
　　研究结果表明，Canny算子是检测道路边缘图像的最好算子，边缘定位精确、边缘线连续性较好，对比度较高。Sanke模型与Hough变换的结合可以准确的识别道路线和道路中线，解决了间断的道路中线检测问题。形态学算法能够简单的实现障碍物定位。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1智能视觉导航系统

1.2课题来源及选题意义

1.3论文的主要工作

第二章 道路图像增强算法研究

2.1直方图均衡算法

2.2同态滤波算法

2.3数学形态学算法

2.4路面图像增强算法处理结果及分析

2.5本章小结

第三章路面边缘信息检测与提取

3.1 经典的边缘检测算法

3.2 新兴的边缘检测算法

3.3各算法对路面边缘提取结果对比分析

3.4本章小结

第四章 道路识别技术及实验结果

4.1基于道路特征的路面识别算法

4.2基于道路模型的算法

4.3基于Hough变换的道路检测算法

4.4道路检测结果

4.5本章小结

第五章 障碍物识别算法及处理结果

5.1障碍物检测方法概述

5.2障碍物定位

5.3障碍物测距

5.4本章小结

第六章 总结与展望

致谢

参考文献

附录（论文的主要程序）