隨著智能交通系統(tǒng)的發(fā)展、圖像視覺(jué)傳感器成本的降低與拍攝精度的提高,以實(shí)際道路交通圖像為處理對(duì)象的自動(dòng)駕駛和輔助駕駛系統(tǒng)的發(fā)展也越來(lái)越迅猛。車(chē)道線與車(chē)輛檢測(cè)技術(shù)作為自動(dòng)駕駛和輔助駕駛系統(tǒng)的關(guān)鍵技術(shù),也成為國(guó)內(nèi)外學(xué)者與企業(yè)的研究熱點(diǎn)。目前車(chē)道線與車(chē)輛檢測(cè)算法有很多,并且還在不斷優(yōu)化。由于交通場(chǎng)景的復(fù)雜性,不同的天氣條件和道路表面陰影都使得車(chē)道線的提取變得困難,車(chē)輛檢測(cè)的準(zhǔn)確性也會(huì)受到交通場(chǎng)景中車(chē)輛的多樣性和光照環(huán)境的多變性的影響。針對(duì)以上問(wèn)題,本文對(duì)車(chē)道線檢測(cè)與車(chē)輛檢測(cè)兩個(gè)關(guān)鍵技術(shù)展開(kāi)了研究。本文提出了一種光照不變條件下的車(chē)道線檢測(cè)算法。該算法首先利用紋理特征,通過(guò)局部投票算法提取道路圖像消失點(diǎn),獲得車(chē)道線檢測(cè)的感興趣區(qū)域;然后基于相機(jī)感光函數(shù)與物體表面反射特征,通過(guò)色度空間變換獲得感興趣區(qū)域的光照不變灰度圖;最后利用道路圖像中車(chē)道線的特點(diǎn)對(duì)光照不變灰度圖中車(chē)道線檢測(cè)的目標(biāo)區(qū)域進(jìn)行提取,通過(guò)基于極角約束的霍夫變換對(duì)目標(biāo)區(qū)域內(nèi)車(chē)道線的檢測(cè),獲得車(chē)道線檢測(cè)結(jié)果�？紤]到車(chē)輛可行駛區(qū)域內(nèi)的其他汽車(chē)是該車(chē)輛行駛過(guò)程中主要的安全威脅之一,本文在車(chē)道線檢測(cè)的基礎(chǔ)上提出了一種車(chē)輛可行駛區(qū)域內(nèi)的車(chē)輛檢測(cè)算法。該算法首先利用任何光照條件下車(chē)底陰影都暗于道路其它區(qū)域的特征,通過(guò)梯度強(qiáng)度閾值對(duì)道路圖像垂直梯度強(qiáng)度圖中的車(chē)輛陰影進(jìn)行初步的提取;然后利用車(chē)輛寬度通過(guò)形態(tài)學(xué)的方法對(duì)垂直梯度強(qiáng)度圖中的車(chē)輛陰影進(jìn)行進(jìn)一步的篩選;最后利用車(chē)道線檢測(cè)結(jié)果得到車(chē)輛可行駛區(qū)域,通過(guò)閾值法實(shí)現(xiàn)對(duì)車(chē)輛可行駛區(qū)域內(nèi)車(chē)輛的檢測(cè)。本文將所提出的車(chē)道線檢測(cè)與車(chē)輛檢測(cè)算法在數(shù)據(jù)集Alvarez dataset、iROADS dataset和實(shí)際拍攝的道路圖像數(shù)據(jù)集上進(jìn)行測(cè)試實(shí)驗(yàn),數(shù)據(jù)集中包含不同天氣與光照條件下所拍攝的實(shí)際交通場(chǎng)景圖像。實(shí)驗(yàn)結(jié)果表明:本文所提出的車(chē)道線和車(chē)輛檢測(cè)算法在不同天氣、不同光照條件下檢測(cè)結(jié)果的準(zhǔn)確率較高,并且具有良好的魯棒性,解決了由于光照條件變化和道路表面陰影造成的車(chē)道線識(shí)別率不高的問(wèn)題,避免了交通場(chǎng)景中車(chē)輛的多樣性和光照環(huán)境的多變性對(duì)車(chē)輛檢測(cè)準(zhǔn)確率的影響。
【學(xué)位單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：U463.6;U495;TP391.41
【部分圖文】：

中值濾波效果圖

高斯濾波效果圖

均值濾波效果圖
【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 牛敏;鄔戰(zhàn)軍;牛燕雄;楊露;許冰;耿天琪;;一種基于排序統(tǒng)計(jì)理論的快速圖像中值濾波法[J];電子測(cè)量技術(shù);2015年06期

2 沈德海;侯建;鄂旭;張龍昌;;一種多子窗口中值加權(quán)的高斯噪聲濾波算法[J];現(xiàn)代電子技術(shù);2015年09期

3 沈德海;張龍昌;鄂旭;;基于Sobel算子的改進(jìn)邊緣檢測(cè)算法[J];信息技術(shù);2015年04期

4 湯燕;;基于視覺(jué)的自主車(chē)道路檢測(cè)技術(shù)研究[J];計(jì)算機(jī)測(cè)量與控制;2015年03期

5 雷林平;伍雁鵬;黃磊;;經(jīng)典圖像去噪算法比較[J];電腦與信息技術(shù);2014年06期

6 段汝嬌;趙偉;黃松嶺;陳建業(yè);;一種基于改進(jìn)Hough變換的直線快速檢測(cè)算法[J];儀器儀表學(xué)報(bào);2010年12期

7 吳晴;吳振華;鄭榜貴;;形態(tài)學(xué)在道路圖像邊界檢測(cè)中的應(yīng)用[J];控制工程;2010年01期

8 王剛;冀小平;;基于MATLAB的車(chē)牌識(shí)別系統(tǒng)的研究[J];電子設(shè)計(jì)工程;2009年11期

9 劉佳;肖曉明;彭駿馳;蔡自興;;基于改進(jìn)的Laplacian算子的圖像邊緣檢測(cè)[J];電子技術(shù)應(yīng)用;2006年11期

本文編號(hào)：2878347