基于粒子濾波的車道標識線檢測與跟蹤算法的設(shè)計與實現(xiàn).pdf

1、智能交通系統(tǒng)(Intelligent Transportation System,ITS)的主要內(nèi)容是檢測汽車駕駛環(huán)境，其中道路檢測是ITS的關(guān)鍵技術(shù)之一.車道標識線作為道路的基本約束，能夠用于估計自車前進方向和自車定位，并且可提供路面車道信息，其檢測與跟蹤在基于視覺的智能交通系統(tǒng)中是必不可少的.現(xiàn)存的基于視覺的車道檢測和跟蹤算法，多數(shù)用于高速公路上車輛的自主導航，無法解決特殊的道路狀況，如高速公路出口、雙車道標識線等，并且算法的初始約

2、束條件假設(shè)較多，如自車初始位置與車道的一部分平行，初始圖像中除了車道標識線外沒有其他線形結(jié)構(gòu)干擾，但現(xiàn)實很難達到如此理想的初始環(huán)境.
　　 本文首先分析了基于視覺的車道標識線檢測與跟蹤算法的研究現(xiàn)狀，通過對比各種算法，闡述了現(xiàn)存車道標識線的檢測與跟蹤算法存在的問題.其次，提出了基于置信度度量的車道標識線檢測算法，通過邊緣點檢測得到車道標識線的邊緣，用車道方向估計方法去除不可能是車道標識線的邊緣線，并建立融合多幀檢測結(jié)果的有限狀態(tài)

3、機，實現(xiàn)了車道標識線的狀態(tài)判定，能夠及時地停止對消失車道標識線的檢測與跟蹤.再次，根據(jù)粒子濾波理論，提出了基于CONDENSATION算法的車道標識線跟蹤算法，依據(jù)車道標識線的先驗知識，建立相應(yīng)的狀態(tài)轉(zhuǎn)移模型和觀測更新模型，得到描述車道標識線的狀態(tài)的后驗概率估計，并采用分割采樣等方法將算法性能加以改進，提高了跟蹤的準確性和可靠性.最后在不同條件下進行算法評估，包括不同的光照條件、天氣條件和道路狀況，都能夠達到較高的識別率，評估結(jié)果證明了