基于方向可调滤波器的车道线识别方法研究

论文摘要

由于智能车辆视觉导航系统需要车道线信息来确定行驶轨迹,所以车道线识别是此类系统的一个重要组成部分。本文研究了结构化道路图像中车道线识别所要面对的问题,对如何有效地识别出图像中的车道线信息做了深入研究,主要包括图像增强、车道线特征提取和车道线识别三部分。一、分析了几种常用的计算复杂度较小、计算量较小的图像增强算法,并根据道路图像处理的具体要求,选取了合适的图像增强算法。二、对几种传统边缘提取算法和方向可调滤波器算法进行比较,结果表明方向可调滤波器算法更能有效地强化车道线信息,去除图像噪声。三、对车道线识别算法进行了详细论述,分为车道线初始检测和车道线拟合。在初始检测阶段,首先采用确定的图像增强处理和车道线特征提取算法对由视觉传感器采集到的道路图像进行处理;紧接着将处理后的图像分为近视场和远视场区域,再利用边缘分布函数和霍夫变换确定车道线方向;最后再基于车道线的方向特性建立感兴趣区域。在车道线拟合阶段,首先建立直线-抛物线模型来近似车道线边缘:近视场区域采用直线模型,远视场区域采用抛物线模型,然后使用最小二乘法对车道线边缘点进行拟合。基于以上研究,本文提出了一种基于方向可调滤波器的车道线识别算法。通过对不同条件的道路图像进行仿真表明,此车道线识别算法能够稳定地识别出车道线。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.2 智能车辆视觉导航系统的相关研究
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 基于视觉的车道识别技术
• 1.4 本文的研究工作和内容的安排
• 第二章 图像预处理
• 2.1 图像的灰度化
• 2.2 图像增强
• 2.2.1 灰度变换
• 2.2.2 邻域平均法
• 2.2.3 中值滤波
• 2.3 本章小结
• 第三章 车道线特征提取
• 3.1 传统边缘提取算法
• 3.1.1 Sobel 边缘提取算法
• 3.1.2 Prewitt 边缘提取算法
• 3.1.3 Canny 边缘提取算法
• 3.1.4 LoG 边缘提取算法
• 3.2 方向可调滤波器提取算法
• 3.2.1 方向可调滤波器设计
• 3.2.2 方向可调滤波器的应用
• 3.3 车道线特征提取结果对比分析
• 3.4 本章小结
• 第四章 车道线识别
• 4.1 车道线模型选择
• 4.2 基于直线-抛物线模型的车道线识别算法概述
• 4.3 车道线初始检测
• 4.3.1 边缘分布函数
• 4.3.2 Hough 变换
• 4.3.3 感兴趣区域
• 4.4 车道线拟合
• 4.4.1 车道线模型公式
• 4.4.2 图像边缘提取
• 4.4.3 常用拟合方法
• 4.4.4 车道线拟合方法
• 4.4.5 车道线拟合结果及分析
• 4.5 本章小结
• 第五章 总结与展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果