道路交通標(biāo)線的檢測(cè)算法研究.pdf

1、由于我國(guó)經(jīng)濟(jì)發(fā)展速度越來(lái)越快，家庭車輛的擁有程度越來(lái)越高，使得交通安全問(wèn)題日益凸顯。為了提高駕駛員及乘客的安全性，安全輔助駕駛系統(tǒng)以及智能車成為了近年來(lái)的一個(gè)研究熱點(diǎn)。智能車在無(wú)人駕駛的情況下需要感知外部環(huán)境，而路面標(biāo)線是外部環(huán)境中的一個(gè)重要信息，因此路面標(biāo)線檢測(cè)具有非常重要的作用。路面標(biāo)線檢測(cè)技術(shù)是通過(guò)獲取智能車輛前方的道路場(chǎng)景，來(lái)實(shí)時(shí)檢測(cè)路面標(biāo)線，從而使智能車輛能夠正常安全行駛。
　　 本文通過(guò)安裝在智能車上的單目攝像頭采集

2、的道路圖像來(lái)對(duì)路面交通標(biāo)線進(jìn)行檢測(cè)，其檢測(cè)對(duì)象包括車道線、人行橫道、停止線，主要研究?jī)?nèi)容包括以下三點(diǎn):
　　 (1)研究了圖像的逆透視變換方法:分析車體坐標(biāo)系和圖像坐標(biāo)系之間的變換關(guān)系;求取圖像像素坐標(biāo)和實(shí)際物理距離之間的轉(zhuǎn)換公式;以及對(duì)道路圖像的感興趣區(qū)域進(jìn)行逆透視變換。
　　 (2)改進(jìn)了基于HSI顏色空間的閾值分割算法:分別在H、S和I分量中，結(jié)合OTSU自適應(yīng)閾值分割方法，分割出路面標(biāo)線;將分割圖像與邊緣檢測(cè)信息

3、融合處理，得到道路的二值化圖像。
　　 (3)研究了車道線、人行橫道和停止線的檢測(cè)算法:運(yùn)用改進(jìn)了的概率霍夫變換獲得二值化圖像上的直線坐標(biāo)，對(duì)其進(jìn)行特征匹配，從而檢測(cè)得到車道線;設(shè)計(jì)了基于雙極性和特征融合的人行橫道檢測(cè)算法，通過(guò)雙極性提取出人行橫道候選區(qū)域，基于人行橫道的寬度、高度以及角度等特征進(jìn)行多特征融合，從而檢測(cè)得到人行橫道;提出了基于灰度圖像的停止線檢測(cè)算法，通過(guò)選取模板核進(jìn)行卷積濾波來(lái)搜索停止線的特征點(diǎn)，利用停止線的寬