基于三目攝像機的車道線識別方法研究
發(fā)布時間:2020-06-04 15:30
【摘要】:現今,由于信息和計算機技術的高速發(fā)展,在對待道路交通問題上,人們越來越傾向于依靠高科技來尋求解決之路,世界各國都競相開展智能車自動駕駛系統(tǒng)的研發(fā)。車輛視覺導航子系統(tǒng)最為關鍵的技術就是計算機視覺,計算機視覺的主要任務是道路的識別和跟蹤。國內外許多的學者對于視覺導航也都進行了研究,有基于單目視覺技術的研究,也有基于雙目或多目的多維度視覺導航技術研究。首先,本文對試驗汽車上的三目攝像機采集的道路圖像進行預處理,根據左、中、右攝像機設置的位置與方向,使用ROI區(qū)域提取對圖像進行區(qū)域選擇;使用圖像灰度加權法,對ROI區(qū)域圖像進行灰度化;同時采用直方圖均衡化對有效信息突出,無效信息剔除,減少圖像信息的復雜性;采用高斯濾波,將圖像中噪聲進行抑制,在一定程度上降低噪聲對圖像的干擾。運用Sobel算法檢測出圖像車道線邊緣,降低圖像邊緣模糊程度,在一定程度上提高車道線邊緣的準確性。其次,本文進行車道線檢測與車道線跟蹤。采用基于直線道路模型匹配方法對道路進行匹配,將帶彎曲的道路模擬成直線道路進行匹配;舴蜃儞Q算法將圖像空間的直角坐標轉換成參數空間的極坐標系中的坐標,并對多幀圖像的車道線進行跟蹤,加入投票機制檢測虛假車道線,并將檢測到的結果進行坐標轉換發(fā)送給上層模塊。最后,本文采用基于三目攝像機四車道線融合算法擬合出新的車道參考線。車道線的融合是對三目車道線的二次判斷的過程,即第一次判斷是在霍夫變換車道線檢測后,判斷是否找到車道線,以排除非車道的干擾線;第二次判斷是在圖像中車道線轉換成世界坐標下的車道線是否符合實際情況,以防止因為攝像機擺放或是圖像采集錯誤的問題而造成車道線檢測丟失;將二次判斷后的車道線與16種組合可能出現的參考線進行匹配,融合成車道參考線。
【圖文】:
智能車輛視覺系統(tǒng)通過攝像機、行車記錄儀等視頻設備,對車輛行駛的道路進行路面信息的圖像采集,并將獲取到的圖像數據(圖像幀)進行數據處理以及數據分析[13]。由于在圖像的采集生成、數據傳輸以及數據轉化的過程中,圖像數據容易產生噪音或者失真等情況。因此,為了提高圖像數據的質量,消除或減少受到外界因素的影響,將圖像中與道路數據相關的信息進行突顯。所以在對圖像數據進行操作前,須對原始的圖像數據進行預處理。圖像預處理[14](Image Preprocessing)是指為了減少或消除環(huán)境等外界因素的影響,根據實際應用需要對圖像的某些信息特征進行突顯,同時將與實際應用需要不相關的信息進行削弱或者清除的處理過程與處理方法。對圖像進行預處理的目的在于,圖像進行預處理后,圖像的信息針對實際應用某種特定需要,與原始圖像的數據信息相比,更便于人和機器對圖像的理解和分析。針對于本研究課題,道路圖像預處理流程如圖 2-1 的紅色虛線框區(qū)域:
圖 2-3 中間攝像機 ROI 區(qū)域選擇像機采集到的圖像數據進行 ROI 區(qū)域選擇。設置 ROI ROI 區(qū)域的上界線一致,即紅色線與圖像頂部距離為線水平中心點 ( )0x 0, 0為起點,與紅色線的左側線夾角接線,,此連接線即為 ROI 左側界線;原圖像右側邊界為線以下與左側藍色線往右區(qū)域組合建立成的陰影部分為圖 2-4 所示。
【學位授予單位】:華南理工大學
【學位級別】:碩士
【學位授予年份】:2018
【分類號】:TP391.41;TN948.41;U495
本文編號:2696589
【圖文】:
智能車輛視覺系統(tǒng)通過攝像機、行車記錄儀等視頻設備,對車輛行駛的道路進行路面信息的圖像采集,并將獲取到的圖像數據(圖像幀)進行數據處理以及數據分析[13]。由于在圖像的采集生成、數據傳輸以及數據轉化的過程中,圖像數據容易產生噪音或者失真等情況。因此,為了提高圖像數據的質量,消除或減少受到外界因素的影響,將圖像中與道路數據相關的信息進行突顯。所以在對圖像數據進行操作前,須對原始的圖像數據進行預處理。圖像預處理[14](Image Preprocessing)是指為了減少或消除環(huán)境等外界因素的影響,根據實際應用需要對圖像的某些信息特征進行突顯,同時將與實際應用需要不相關的信息進行削弱或者清除的處理過程與處理方法。對圖像進行預處理的目的在于,圖像進行預處理后,圖像的信息針對實際應用某種特定需要,與原始圖像的數據信息相比,更便于人和機器對圖像的理解和分析。針對于本研究課題,道路圖像預處理流程如圖 2-1 的紅色虛線框區(qū)域:
圖 2-3 中間攝像機 ROI 區(qū)域選擇像機采集到的圖像數據進行 ROI 區(qū)域選擇。設置 ROI ROI 區(qū)域的上界線一致,即紅色線與圖像頂部距離為線水平中心點 ( )0x 0, 0為起點,與紅色線的左側線夾角接線,,此連接線即為 ROI 左側界線;原圖像右側邊界為線以下與左側藍色線往右區(qū)域組合建立成的陰影部分為圖 2-4 所示。
【學位授予單位】:華南理工大學
【學位級別】:碩士
【學位授予年份】:2018
【分類號】:TP391.41;TN948.41;U495
【參考文獻】
相關期刊論文 前10條
1 李孟;周波;孟正大;戴先中;;三目立體相機的標定研究[J];計算機技術與發(fā)展;2015年02期
2 易世春;李克強;李防震;張強;;基于圖像行數據處理的車道偏離預警系統(tǒng)[J];汽車工程;2014年07期
3 王軍;柳紅巖;;基于三目視覺系統(tǒng)的車輛導引方法[J];計算機應用;2014年06期
4 陳陽舟;閆豪杰;辛樂;;車道線識別中的自適應Canny邊緣檢測及改進研究[J];交通信息與安全;2012年01期
5 樊超;狄?guī)?侯利龍;石小鳳;;一種基于直線模型的車道線識別算法研究[J];計算機應用研究;2012年01期
6 孟樊;方圣輝;;利用模板匹配和BSnake算法準自動提取遙感影像面狀道路[J];武漢大學學報(信息科學版);2012年01期
7 郭磊;李克強;王建強;連小珉;;應用方向可調濾波器的車道線識別方法[J];機械工程學報;2008年08期
8 田炳香;鄭榜貴;吳晴;;高速公路車道線檢測與跟蹤算法研究[J];現代電子技術;2008年09期
9 郭磊;王建強;李克強;;存在車輛干擾的車道線識別[J];汽車工程;2007年05期
10 賈陽,王榮本,余天洪,金立生;基于熵最大化邊緣提取的直線型車道標識線識別及跟蹤方法[J];吉林大學學報(工學版);2005年04期
本文編號:2696589
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/2696589.html