基于智能車(chē)輛視覺(jué)導(dǎo)航的道路檢測(cè)技術(shù)的研究.pdf

1、近年來(lái)，視覺(jué)輔助導(dǎo)航已成為智能車(chē)輛導(dǎo)航領(lǐng)域的研究熱點(diǎn)之一，其中道路檢測(cè)是視覺(jué)輔助導(dǎo)航中的關(guān)鍵技術(shù)，道路圖像的檢測(cè)結(jié)果會(huì)受到噪聲質(zhì)量及成像質(zhì)量的嚴(yán)重影響。本文以道路檢測(cè)技術(shù)中將會(huì)遇到的幾個(gè)關(guān)鍵問(wèn)題作為研究重點(diǎn)，對(duì)道路圖像進(jìn)行增強(qiáng)、邊緣檢測(cè)等算法的處理，主要研究了基于圖像處理的道路檢測(cè)技術(shù)。
　　 本文根據(jù)道路圖像的噪聲類(lèi)型，針對(duì)不同的噪聲采取相應(yīng)地去噪方案，提出一種改進(jìn)的直方圖均衡算法，可以有效地解決圖像的模糊問(wèn)題；而對(duì)于雨雪天氣

2、造成的椒鹽噪聲，利用中值濾波能夠有效地去除其噪聲；對(duì)于高斯白噪聲，則采用自適應(yīng)濾波的濾波效果最好。
　　 在圖像邊緣檢測(cè)中，通過(guò)對(duì)經(jīng)典邊緣檢測(cè)算法的具體分析與比較，提出一種基于多尺度幾何分析的Beamlet變換的邊緣檢測(cè)算法。該算法符合最優(yōu)圖像特征的表示方法，能夠充分利用圖像的幾何正則性，檢測(cè)出的道路邊緣更加連續(xù)清晰，使道路的邊緣特征得到較好的保護(hù)。在閾值分割環(huán)節(jié)，通過(guò)對(duì)幾種傳統(tǒng)閾值分割方法的比較，根據(jù)道路圖像特點(diǎn)，確定使用最大

3、類(lèi)間方差法進(jìn)行閾值分割。
　　 在進(jìn)行道路邊界線提取時(shí)，采用一種基于直線點(diǎn)密度的霍夫變換方法，將圖像空間和霍夫空間有機(jī)地統(tǒng)一起來(lái)，該方法能夠避免由于過(guò)度積累而導(dǎo)致偽直線過(guò)多的缺點(diǎn)，同時(shí)具有較好的魯棒性和抗噪性，從而提高道路檢測(cè)的準(zhǔn)確性。
　　 文中通過(guò)對(duì)采集的道路圖像添加椒鹽噪聲、高斯白噪聲以及模糊化的處理，模擬實(shí)時(shí)道路檢測(cè)中可能會(huì)遇到的影響圖像質(zhì)量的問(wèn)題，仿真實(shí)驗(yàn)結(jié)果論證本文所提出的算法能夠準(zhǔn)確地檢測(cè)出道路圖像中的車(chē)道