智能车辆视觉感知中的车道标线识别方法的研究

论文摘要

本文对结构化道路上车道标线识别这一智能车辆视觉感知系统中的关键技术进行了有针对性地研究,目的是开发出一整套较完善的、能够在用于结构化道路上大多数工况中前方以车道标线表征的可行区域的检测算法。本文的主要研究内容如下:针对车道标线识别工作中道路图像的结构复杂、信息量大的特点,通过研究寻求一种能够有效抵抗光照、阴影、雨雪等路面图像杂质,突出车道标线图像的图像二值化方法;针对在二值图像的基础上进行车道标线拟合中简单数学模型精确性低,复杂数学模型实时性差的问题,寻求一种能够兼顾精确性和实时性的车道标线拟合方法;针对目前国内外研究中对车道标线类型的识别鲜有比较成熟的方法,寻求一种较实用的车道标线类型识别方法。本文的创新之处在于:提出了通过分窗口自适应图像二值化方法抵抗光照、阴影等局部图像信息对道路图像二值化结果的影响;并针对车道标线处理的需求,提出了通过WOI灰度图像对比度筛选和WOI滑动寻优两种方法确定车道标线感兴趣区域,分别适用于车道标线搜索和跟踪阶段图像处理阶段;在道路图像二值化基础上,提出车道标线上间断线端点的识别方法,进而实现了车道标线类型的识别;在车道标线图像中位置的确定环节,提出了车道标线递归二分折线拟合算法进行车道标线位置描述,在算法精确性和实时性方面都取得了一定的效果;针对于换车道工况,提出了利用驾驶员最优预瞄加速度模型判定本车行驶过程中换车道意图的方法,并在换车道过程中提出三线跟踪的方法平稳地进行车道标线跟踪。最后,对上述各种算法进行了实车道路实验,验证了上述各个方法的有效性。

论文目录

• 提要
• 第1章 绪论
• 1.1 课题的提出
• 1.2 国内外相关研究状况综述
• 1.2.1 智能辅助驾驶系统的研究状况综述
• 1.2.2 视觉感知系统的研究状况综述
• 1.2.3 结构化道路车道标线检测算法的研究状况综述
• 1.3 本文的主要研究内容
• 第2章 道路图像二值化的分窗口自适应方法的研究
• 2.1 引言
• 2.2 适应环境变化的矩形窗口划分方法
• 2.3 针对道路图像的矩形窗口划分方法的改进
• 2.4 分窗口自适应阈值大津法图像二值化方法
• 2.5 小结
• 第3章 车道标线区域筛选的阶梯串接感兴趣窗序列方法的研究
• 3.1 引言
• 3.2 含有车道标线的感兴趣窗口序列（WOIs）的判定方法
• 3.3 含有车道标线的感兴趣窗口序列（WOIs）的生成加速方法
• 3.3.1 WOIs 尺寸及位置的初始值确定方法
• 3.3.2 WOIs 中是否包含车道标线的判定方法
• 3.3.3 WOIs 最佳位置的判定方法
• 3.4 小结
• 第4章 车道标线类型及间断线端点的识别方法的研究
• 4.1 引言
• 4.2 车道标线间断线端点的识别方法
• 4.2.1 车道标线的代表点序列的生成
• 4.2.2 车道标线间断线端点的判定
• 4.3 车道标线类型的识别方法
• 4.3.1 车道标线线形的识别方法
• 4.3.2 车道标线颜色的识别方法
• 4.4 小结
• 第5章 连续车道标线段的递归二分折线拟合方法的研究
• 5.1 引言
• 5.2 点序列递归二分方法
• 5.3 直线拟合方法
• 5.4 递归二分折线拟合方法实现的流程
• 5.5 递归二分折线拟合方法的有效性分析
• 5.5.1 方法准确性对比
• 5.5.2 方法实时性对比
• 5.6 小结
• 第6章 变换车道行驶过程车道标线跟踪方法的初步研究
• 6.1 引言
• 6.2 变换车道行驶意图的判断方法
• 6.3 第三车道线位置的确定方法
• 6.4 小结
• 第7章 车道标线视觉检测系统实验结果及分析
• 7.1 引言
• 7.2 实验系统硬件组成
• 7.3 摄像机参数标定实验
• 7.3.1 内部标定实验
• 7.3.2 外部标定实验
• 7.3.3 标定结果分析
• 7.4 实车道路实验
• 7.4.1 图像预处理方法
• 7.4.2 车道标线搜索阶段的实车道路试验
• 7.4.3 车道标线跟踪阶段的实车道路试验
• 7.4.4 变换车道过程中车道标线跟踪的实车道路实验
• 7.5 小结
• 第8章 全文总结与展望
• 8.1 工作总结
• 8.2 研究展望
• 附录1 摄像机成像模型的建立方法
• 附录2 均匀性图的生成算法
• 附录3 车道标线拟合的LMedSquare 曲线拟合算法
• 参考文献
• 攻读博士学位期间发表的学术论文及从事的科研工作
• 致谢
• 摘要
• ABSTRACT