實(shí)時(shí)車道線檢測(cè)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn).pdf

1、近幾年來(lái)人工智能的快速發(fā)展，以及多家知名公司對(duì)無(wú)人駕駛的研究，尤其是谷歌和百度在無(wú)人汽車方面的突出成績(jī)，極大地推進(jìn)了當(dāng)前智能交通行業(yè)的發(fā)展。為汽車提供更加安全可靠的駕駛策略，成為相關(guān)行業(yè)研究的共同目標(biāo)。而車道線檢測(cè)技術(shù)作為無(wú)人駕駛的基礎(chǔ)性工作，在自動(dòng)泊車、防碰撞預(yù)警以及自動(dòng)駕駛中發(fā)揮著重要的作用，因此對(duì)車道線檢測(cè)技術(shù)的研究也數(shù)不勝數(shù)。然而車道線檢測(cè)技術(shù)的終極目標(biāo)是作為自動(dòng)導(dǎo)航系統(tǒng)的一部分，而不是傳統(tǒng)意義上的檢測(cè)變道，當(dāng)然這需要更長(zhǎng)的時(shí)間

2、來(lái)完善此項(xiàng)技術(shù)。本文從圖像處理的角度研究單目視覺(jué)下的車道線檢測(cè)技術(shù)，創(chuàng)新的提出一種基于最大直線的車道線檢測(cè)算法，在實(shí)時(shí)性和準(zhǔn)確率方面均有很大提高。本文的大致內(nèi)容分為車道線預(yù)處理算法、最大直線檢測(cè)算法、車道重建三個(gè)部分。
　　⑴預(yù)處理。本文使用的預(yù)處理包括圖像分塊、顏色空間轉(zhuǎn)換、圖像增強(qiáng)、中值濾波以及邊緣檢測(cè)。圖像分塊盡可能去除部分干擾信息，提高車道線檢測(cè)系統(tǒng)的準(zhǔn)確率和實(shí)時(shí)性；顏色空間轉(zhuǎn)換主要考慮到現(xiàn)實(shí)路況中存在黃色車道，傳統(tǒng)的算法

3、都是針對(duì)白色車道做出的研究，本文使用的 RGB到HSV顏色空間轉(zhuǎn)換能夠有效的把黃色車道轉(zhuǎn)換為白色車道；圖像增強(qiáng)用于增強(qiáng)圖像中的高亮度的車道區(qū)域，突出車道邊緣部分；中值濾波用于去除掉圖像增強(qiáng)后圖像中孤立的亮點(diǎn)，同時(shí)能夠保留圖像的有效邊緣；邊緣檢測(cè)使用目前效果較好的 Canny算子，基于Canny算子使用雙閾值能夠把斷開(kāi)的邊緣連接起來(lái)。
　　⑵最大直線檢測(cè)算法。最大直線檢測(cè)算法包括最大直線檢測(cè)算法、統(tǒng)計(jì)更新算法以及變道算法。最大直線檢

4、測(cè)算法以最大直線作為依據(jù)掃描尋找圖像中最內(nèi)側(cè)直線，通過(guò)灰度驗(yàn)證的直線作為此幀的正確車道線，沒(méi)有通過(guò)灰度驗(yàn)證的直線認(rèn)為此幀不存在車道；統(tǒng)計(jì)更新算法作為具有一定導(dǎo)航意義的算法以車道線的時(shí)空特性來(lái)更新車道線，防止過(guò)分抖動(dòng)和突變的發(fā)生；變道算法用于變道檢測(cè)，在車輛變道行駛時(shí)給出變道提示，本文使用左右車道線距離差來(lái)判斷變道與否。
　　⑶車道重建。車道重建包括車道穩(wěn)固算法、車道線跟蹤算法、彎道擬合算法以及重建評(píng)估四個(gè)部分。穩(wěn)固算法主要針對(duì)統(tǒng)計(jì)

5、更新算法造成的車道漂移，在一定范圍內(nèi)能夠把偏離的車道線糾正過(guò)來(lái)，提高車道線檢測(cè)的準(zhǔn)確率；車道線跟蹤算法采用小區(qū)域直線匹配算法，小區(qū)域匹配跟蹤算法能夠較好的配合最大直線檢測(cè)算法，在上一幀直線附近搜索最匹配的直線，同時(shí)設(shè)置跳出標(biāo)志以應(yīng)對(duì)車道的突變；彎道擬合算法主要針對(duì)現(xiàn)實(shí)路況中存在的彎道，采用直線模型來(lái)擬合彎道顯然是不合理的，因此本文采用多段直線加多段貝塞爾曲線的模型來(lái)擬合彎道；重建評(píng)估用于評(píng)估檢測(cè)出來(lái)的車道線與真實(shí)車道線的差距，然而考慮到