智能车辆视觉系统中车道线与车辆识别技术研究

摘要

随着全球汽车产业的迅猛发展，由驾驶员误操作引发的交通安全问题日益严峻，以智能辅助驾驶系统为代表的主动安全技术可有效减少因驾驶员操纵失误导致的交通事故。本文设计基于机器视觉的车道线与车辆识别算法，当车辆偏离当前车道或出现碰撞危险时能够发出预警提醒，减少由于驾驶员疲劳驾驶或注意力分散引发的交通事故，提高行车安全性。
　　提出一种基于投票机制与区域规划的车道线识别算法，可有效检测道路边界线。首先由获取的图像划分感兴趣区域，利用车道线宽度等信息提取车道线的特征点，根据特征点的位置及方向角分布对消失点进行定位，并建立关联性的投票空间进行消失点和车道线边缘点方向角检测，由消失点和方向角定义目标拟合区域，提取车道线。并提出基于倒梯形区域与可信度判断的方法实现车道线跟踪。
　　研究分析不同类型的车道偏离预警模型，制定偏离预警决策算法，设置系统触发条件。并对前车防撞预警系统中的关键技术进行了深入研究，设计一种基于机器学习的车辆识别方法。采集车辆训练的所需的正负样本集，基于Haar特征利用Adaboost算法对样本进行训练，以获得级联分类器，并对基于单目视觉的测距模型进行了研究。
　　选用IMX6S为车道偏离预警实车试验平台并搭载视觉相机，以验证本文设计的车道线检测算法的有效性。试验结果表明，所提出的车道线检测算法能准确检测不同路况下的车道标识线，在IMX6S平台中运行表现出良好的实时性与准确性。并进行了车辆与车道线识别算法融合试验，试验结果显示，所研究的算法能准确检测道路前方车辆与车道线，基本满足系统实时性与准确性要求。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 车道线检测研究现状

1．2．2 车辆识别研究现状

1．3 论文主要研究内容

第二章 基于投票机制的消失点与方向角检测

2．1 算法总体设计

2．2 图像预处理

2．2．1 感兴趣区域选取

2．2．2 图像灰度化

2．2．3 滤波处理

2．2．4 边缘检测

2．3 消失点与方向角检测

2．3．1 特征点筛选与投影计算

2．3．2 消失点检测

2．3．3 方向角检测

2．4 本章小结

第三章 车道线提取与偏离预警决策

3．1 引言

3．2 车道线识别与跟踪

3．2．1 定义目标拟合区域

3．2．2 置信度判断

3．2．3 基于倒梯形区域的车道线跟踪

3．3 车道偏离预警系统需求与原理

3．3．1 视觉传感器

3．3．2 摄像机标定

3．4．1 常用的车道偏离预警模型

3．4．2 车道偏离预警决策

第四章 基于机器视觉的车辆识别与测距算法

4．1 基于Adaboost算法的车辆识别

4．1．1 Haar特征

4．1．2 Adaboost算法原理

4．1．3 级联分类器

4．2 车辆识别算法流程

4．2．1 分类器训练过程

4．2．2 车辆识别

4．3 基于单目视觉的距离测量

4．3．1 测距模型

4．3．2 前方车辆距离测量

4．4 本章小结

第五章 车道线与车辆识别试验验证

5．1 车道线检测实车试验

5．1．1 嵌入式硬件平台系统

5．1．2 软件系统

5．1．3 试验平台搭建

5．1．4 实车实验结果

5．2 车辆识别与车道线检测算法融合试验

5．2．1 试验系统布置

S．2．2 试验结果分析

5．3 本章小结

第六章 总结与展望

6．1 全文总结

6．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况