基于圖像的車道線檢測.pdf

1、隨著經濟的快速發(fā)展，行駛在公路上的車輛越來越多，交通事故導致的損失受到社會越來越多的關注。各種安全輔助駕駛系統(tǒng)在這種強勁的需求刺激下，相關理論及應用技術得到快速發(fā)展。以機器視覺的方式獲取行車環(huán)境信息因具有較低的成本、直觀等優(yōu)勢而受到越來越多的關注，車道線檢測是無人自主駕駛汽車及輔助駕駛系統(tǒng)各種應用的關鍵技術之一，車道線是行車環(huán)境信息中最基礎和重要的信息。本文對結構化道路下的車道線檢測進行了研究。
　　 首先，介紹車道線檢測的應用

2、需求、國內外車道線檢測的研究及應用現(xiàn)狀。分析了車道線的色彩、形態(tài)屬性給出了車道線特征:車道線亮度局部最大、車道線具有固定寬度、同一路面上各條車道線相互平行及車道線變化平緩。基于這些特征先后介紹了透視變換、水平亮度微分基本理論，通過利用車道線局部亮度最大及車道線具有固定寬度的特征使用透視變換和水平亮度微分提取出車道線，理論和實驗證明將這兩個特征進行組合來實現(xiàn)車道線邊緣的提取帶來的計算量更小、濾除的無效信息更多，為后續(xù)處理降低了計算；對于提

3、取出的車道線點本文使用標準Hough變換對其進行分段直線擬合；最后介紹本文針對車道線污損、不連續(xù)的虛線及無車道線情況下所使用的車道線跟蹤算法并與常用的Kalman濾波器、粒子濾波器跟蹤算法進行理論對比。并在Linux平臺上使用OpenCV及GCC內置SIMD指令集實現(xiàn)了本文算法及演示系統(tǒng)，并進行試驗和結果分析，實驗表明本文所使用的方法在結構化道路下的車道線檢測率最低為94.02％。
　　 最后，對本論文工作進行總結，并對今后的工