車(chē)道線檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著國(guó)內(nèi)交通領(lǐng)域爆發(fā)式的發(fā)展，每年都有許多人由于駕駛中的疏忽大意喪生于交通事故當(dāng)中。而近幾年高速發(fā)展的智能交通領(lǐng)域的目的便是如何有效較少此類(lèi)交通事故的發(fā)生。
　　本文研究的側(cè)重點(diǎn)為車(chē)道線檢測(cè)系統(tǒng)，該系統(tǒng)為智能交通輔助駕駛系統(tǒng)中關(guān)鍵的一部分，并且已經(jīng)廣泛用于多種車(chē)載系統(tǒng)中，如自動(dòng)駕駛、自動(dòng)泊車(chē)及防碰撞預(yù)警等系統(tǒng)中。車(chē)道線檢測(cè)系統(tǒng)通過(guò)運(yùn)用數(shù)字圖像處理及模式識(shí)別技術(shù)，在道路圖像中有效提取車(chē)道線的信息并擬合車(chē)道線。本文著重于車(chē)道線檢測(cè)系統(tǒng)

2、的研究與實(shí)現(xiàn)，其中針對(duì)理論知識(shí)的研究分為預(yù)處理、車(chē)道線檢測(cè)算法、車(chē)道線跟蹤算法三部分。
　?。?）預(yù)處理算法。本文研究了預(yù)處理算法 RMC（Use Retinex and Mask to improve test results got by Canny）。首先利用顏色恢復(fù)及多尺度Retinex對(duì)原始圖像進(jìn)行增強(qiáng)處理，然后利用圖像底端計(jì)算求得閾值，并利用此閾值求得二值圖像I1。其次基于Mask計(jì)算出每個(gè)區(qū)域內(nèi)的閾值，并利用此閾值求

3、得每個(gè)區(qū)域內(nèi)的二值圖像，并將所有二值圖像按原坐標(biāo)組成二值圖像I2。然后利用Canny算子求得邊緣圖像I3。最后通過(guò)利用I1、I2、I3中均為高值的點(diǎn)組成最終邊緣圖像。通過(guò)RMC預(yù)處理算法可以有效得去除大量無(wú)效信息，并且可以保留基本完整的車(chē)道線邊緣，為下部分的檢測(cè)算法減少計(jì)算量及降低其復(fù)雜程度。
　?。?）車(chē)道線檢測(cè)算法。本文在 Canny/Hough Estimation of Vanishing Points（CHEVP）基礎(chǔ)上

4、，研究了改進(jìn)型 CHEVP算法，并利用此模型完成常規(guī)車(chē)道線檢測(cè)。該算法首先將圖像分為N塊區(qū)域，并在每個(gè)區(qū)域內(nèi)利用Hough變換求得所有直線段。然后通過(guò)投票表決原理求得消失線的坐標(biāo)，再利用消失線求得每個(gè)區(qū)域內(nèi)消失點(diǎn)的坐標(biāo)及每個(gè)區(qū)域內(nèi)車(chē)道線線段。最后利用求得的控制點(diǎn)，擬合出完整的車(chē)道線。本文在此部分利用Gauss-Like模型改進(jìn)Hough變換中存在的缺陷，并在CHEVP的基礎(chǔ)上通過(guò)加權(quán)直線段求得消失線的坐標(biāo)。
　?。?）車(chē)道線跟蹤算