單目視覺(jué)結(jié)構(gòu)化道路車(chē)道線(xiàn)檢測(cè)和跟蹤技術(shù)研究.pdf

1、20世紀(jì)80年代以來(lái),自主導(dǎo)航已成為智能車(chē)領(lǐng)域研究的主要方向,車(chē)道線(xiàn)是實(shí)現(xiàn)自主導(dǎo)航的重要信息,因此開(kāi)發(fā)一種魯棒性和實(shí)時(shí)性較高的車(chē)道線(xiàn)檢測(cè)方法成為智能車(chē)領(lǐng)域中研究的熱點(diǎn)問(wèn)題。本文主要研究了基于單目視覺(jué)的結(jié)構(gòu)化道路車(chē)道線(xiàn)檢測(cè)和跟蹤技術(shù)。通過(guò)理論分析和仿真結(jié)果確定了一種包含圖像預(yù)處理、直線(xiàn)檢測(cè)、消失點(diǎn)檢測(cè)、車(chē)道線(xiàn)提取的算法流程,并利用Kalman濾波實(shí)現(xiàn)了車(chē)道線(xiàn)的跟蹤檢測(cè)。
　　 在圖像預(yù)處理模塊,本文給出了一個(gè)最優(yōu)的算法流程:G分量

2、灰度化、中值濾波、Sobel邊緣檢測(cè)、OSTU法二值化。實(shí)驗(yàn)結(jié)果表明這一流程能夠很好的檢測(cè)出光照較好和光照較惡劣的道路圖像中的車(chē)道線(xiàn)邊緣。
　　 為了降低干擾線(xiàn)對(duì)第一幀圖像消失點(diǎn)檢測(cè)的影響,本文提出了權(quán)值聚類(lèi)法。根據(jù)傳統(tǒng)Hough變換會(huì)在車(chē)道線(xiàn)附近檢測(cè)出多條傾角相近的直線(xiàn),而這些直線(xiàn)對(duì)應(yīng)參數(shù)空間中一組密集點(diǎn)的特點(diǎn),先采用權(quán)值聚類(lèi)法得到直線(xiàn)簇的中心直線(xiàn),然后再次利用權(quán)值聚類(lèi)法得到這些中心直線(xiàn)交點(diǎn)的中心點(diǎn),將得到的中心點(diǎn)作為最終的消

3、失點(diǎn)。仿真結(jié)果表明該方法能夠很好地排除干擾線(xiàn)的影響。
　　 為了提高系統(tǒng)的實(shí)時(shí)性,對(duì)第一幀道路圖像和跟蹤過(guò)程中地直線(xiàn)檢測(cè)和消失點(diǎn)檢測(cè)分別采用了不同的方法。第一幀圖像采用傳統(tǒng)Hough變換查找直線(xiàn),權(quán)值聚類(lèi)法檢測(cè)消失點(diǎn),消失點(diǎn)約束中心直線(xiàn)提取車(chē)道線(xiàn)。在跟蹤過(guò)程中首先采用Kalman濾波確定出感興趣域,再根據(jù)線(xiàn)性鄰域法檢測(cè)出消失點(diǎn),然后用基于消失點(diǎn)的改進(jìn)Hough變換查找直線(xiàn),最后根據(jù)直線(xiàn)簇的角度信息提取車(chē)道線(xiàn)。
　　 通過(guò)