自适应感兴趣区域车道检测算法

摘要

随着道路环境的改善和汽车保有量的增加，汽车给生产、生活带来了极大的便利和巨大的经济效益。同时，交通事故所造成的人身伤害和经济损失也不容忽视。因此，人们在不断的改进汽车安全技术，减少交通事故。近年来，车辆智能辅助驾驶受到研究人员的高度重视，得到了快速发展和广泛应用，特别是计算机视觉、车辆传感、通信控制等技术的发展，使得采用技术手段避免交通事故发生具有可行性和有效性。车道检测作为车辆智能辅助驾驶的关键和基础技术，是该领域的研究热点，本文在现有车道检测算法的基础上做进一步地研究和改进。
　　为更好、更快的获取车道信息，对不同的图像预处理方法进行分析和筛选，选择处理速度快、效果好的方法。对比不同边缘检测算子的优缺点，选取Sobel边缘检测算子检测车道边缘，并根据车道线在图像中的特点对其进行改进。采用最优阈值法对图像二值化，提高车道检测算法对道路环境的适应性。利用形态学方法对前期处理的图像腐蚀膨胀，消除孤立点噪声，得到骨架化的车道图像。
　　在车道检测跟踪过程中，本文提出一种基于线性预测自适应感兴趣区域的车道检测算法。首先利用Hough变换稳定、精确的优点，采用一次约束条件的Hough确定车道线的起始位置，然后根据Hough变换所得参数，结合最小二乘直线拟合，线性预测车道方向，确定车道检测的左右自适应感兴趣区域(AROI-AdaptiveRegion of Interest)，减少非车道噪声干扰，实现车道检测。在车道拟合跟踪阶段，根据车道方向变化的大小判别采用最小二乘直线或曲线拟合车道线，由感兴趣区域对车道进行跟踪。以上方法可以在准确检测车道的前提下确保算法的实时性，克服现有车道检测算法感兴趣区域固定的缺点，同时实现对直道和弯道的检测和跟踪。
　　实验表明，本文算法能够快速有效地检测车道，正确率达到了98.35％。特别是在试验场路况较差、弯道和车道破损等情况下显示了优越效果，具有良好的实时性、准确性和鲁棒性，非常实用。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．1．1 选题背景

1．1．2 选题意义

1．2 国内外现状

1．2．1 国外发展现状

1．2．2 国内发展现状

1．3 本文的主要研究内容和章节安排

1．3．1 主要研究内容

1．3．2 本文章节安排

第2章 图像预处理

2．1 道路图像灰度化

2．1．1 最大值法

2．1．2 分量法

2．1．3 平均值法

2．1．4 加权平均值法

2．2 车道边缘检测

2．2．1 Roberts算子

2．2．2 Prewitt算子

2．2．3 Sobel算子

2．2．4 LoG算子

2．2．4 Canny算子

2．2．5 各方法分析以及文中改进方法

2．3 图像二值化

2．3．1 迭代法

2．3．2 大津法

2．3．3 Bernsen法

2．3．4 最优阈值法

2．4 形态学处理

2．4．1 孤立点消除

2．4．2 膨胀腐蚀

2．5 本章小结

第3章 自适应感兴趣区域检测车道

3．1 Hough变换

3．1．1 Hough变换原理

3．1．2 Hough变换检测步骤

3．2 最小二乘法

3．2．1 最小二乘法原理

3．2．2 最小二乘法的应用

3．3 车道线起始位置获取

3．3．1 车道线起始位置

3．3．2 起始感兴趣区域

3．4 自适应感兴趣区域车道检测

3．4．1 线性预测感兴趣区域

3．4．2 自适应感兴趣区域检测车道

3．5 本章小结

第4章 车道拟合跟踪

4．1 车道拟合

4．2 车道跟踪

4．2．1 跟踪算法概述

4．2．2 感兴趣区域跟踪

4．3 本章小结

第5章 实验和分析

5．1 实验环境

5．2 实验结果分析

5．3 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士研究生期间学术成果