高速公路車道檢測(cè)方法研究.pdf

1、隨著汽車數(shù)量的增長(zhǎng)，高速公路事故率激增，其中大部分是由于駕駛員對(duì)周圍環(huán)境的忽視或視覺(jué)干擾造成的。基于視覺(jué)的車道檢測(cè)技術(shù)是汽車安全輔助駕駛的關(guān)鍵技術(shù)，車道線是行車環(huán)境信息中最重要的信息。本文針對(duì)智能汽車在高速公路環(huán)境下的車道檢測(cè)問(wèn)題，研究了不同光照下的車道特征提取、車道模型擬合問(wèn)題。
　　本研究主要內(nèi)容包括：⑴通過(guò)圖像梯度分析并結(jié)合實(shí)際車道圖像，提出了一種基于梯度增強(qiáng)的特征提取方法。由線性判別式分析法計(jì)算梯度增強(qiáng)變換向量，并灰度化彩

2、色圖像，由自適應(yīng)Canny邊緣檢測(cè)得到車道特征圖像，特征提取向量根據(jù)光照的改變實(shí)時(shí)更新以保證算法對(duì)光照的魯棒性。實(shí)驗(yàn)表明在光照變化的情況下，提出的特征提取方法能保留車道的主要特征，并提高了車道檢測(cè)的正確性。⑵為了改善標(biāo)準(zhǔn)霍夫變換網(wǎng)格量化精度并減少其計(jì)算復(fù)雜度，提出了一種基于梯度約束的統(tǒng)計(jì)霍夫變換車道檢測(cè)方法。利用高斯核函數(shù)對(duì)圖像中每個(gè)像素進(jìn)行建模，解決標(biāo)準(zhǔn)霍夫變換網(wǎng)格量化精度的問(wèn)題，通過(guò)梯度閾值的方法約束統(tǒng)計(jì)霍夫變換的初始數(shù)據(jù)集，減少算

3、法計(jì)算量的同時(shí)也改善了后續(xù)檢測(cè)精度，得到車道參數(shù)的連續(xù)概率密度函數(shù)；用車道檢測(cè)結(jié)果來(lái)初始化粒子濾波器跟蹤算法，車道參數(shù)的連續(xù)概率密度函數(shù)作為其測(cè)量模型。實(shí)驗(yàn)結(jié)果表明，在高速公路環(huán)境下，該方法能快速準(zhǔn)確的檢測(cè)出車道，同時(shí)提高車道檢測(cè)的魯棒性。⑶給出了一種結(jié)合路面實(shí)況信息的評(píng)估方法，用來(lái)衡量車道檢測(cè)系統(tǒng)的性能。采用時(shí)間片方式將原始視頻序列轉(zhuǎn)化為TS圖像，通過(guò)取樣點(diǎn)的插值運(yùn)算得到路面實(shí)況信息中的車道位置，給出了車道檢測(cè)準(zhǔn)確性程度的誤差函數(shù)以及