隨著智能交通系統(tǒng)的發(fā)展、圖像視覺傳感器成本的降低與拍攝精度的提高,以實際道路交通圖像為處理對象的自動駕駛和輔助駕駛系統(tǒng)的發(fā)展也越來越迅猛。車道線與車輛檢測技術(shù)作為自動駕駛和輔助駕駛系統(tǒng)的關(guān)鍵技術(shù),也成為國內(nèi)外學(xué)者與企業(yè)的研究熱點。目前車道線與車輛檢測算法有很多,并且還在不斷優(yōu)化。由于交通場景的復(fù)雜性,不同的天氣條件和道路表面陰影都使得車道線的提取變得困難,車輛檢測的準確性也會受到交通場景中車輛的多樣性和光照環(huán)境的多變性的影響。針對以上問題,本文對車道線檢測與車輛檢測兩個關(guān)鍵技術(shù)展開了研究。本文提出了一種光照不變條件下的車道線檢測算法。該算法首先利用紋理特征,通過局部投票算法提取道路圖像消失點,獲得車道線檢測的感興趣區(qū)域;然后基于相機感光函數(shù)與物體表面反射特征,通過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道線的特點對光照不變灰度圖中車道線檢測的目標區(qū)域進行提取,通過基于極角約束的霍夫變換對目標區(qū)域內(nèi)車道線的檢測,獲得車道線檢測結(jié)果�？紤]到車輛可行駛區(qū)域內(nèi)的其他汽車是該車輛行駛過程中主要的安全威脅之一,本文在車道線檢測的基礎(chǔ)上提出了一種車輛可行駛區(qū)域內(nèi)的車輛檢測算法。該算法首先利用任何光照條件下車底陰影都暗于道路其它區(qū)域的特征,通過梯度強度閾值對道路圖像垂直梯度強度圖中的車輛陰影進行初步的提取;然后利用車輛寬度通過形態(tài)學(xué)的方法對垂直梯度強度圖中的車輛陰影進行進一步的篩選;最后利用車道線檢測結(jié)果得到車輛可行駛區(qū)域,通過閾值法實現(xiàn)對車輛可行駛區(qū)域內(nèi)車輛的檢測。本文將所提出的車道線檢測與車輛檢測算法在數(shù)據(jù)集Alvarez dataset、iROADS dataset和實際拍攝的道路圖像數(shù)據(jù)集上進行測試實驗,數(shù)據(jù)集中包含不同天氣與光照條件下所拍攝的實際交通場景圖像。實驗結(jié)果表明:本文所提出的車道線和車輛檢測算法在不同天氣、不同光照條件下檢測結(jié)果的準確率較高,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道線識別率不高的問題,避免了交通場景中車輛的多樣性和光照環(huán)境的多變性對車輛檢測準確率的影響。
【學(xué)位單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：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】

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)計理論的快速圖像中值濾波法[J];電子測量技術(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算子的改進邊緣檢測算法[J];信息技術(shù);2015年04期

4 湯燕;;基于視覺的自主車道路檢測技術(shù)研究[J];計算機測量與控制;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Hough變換的直線快速檢測算法[J];儀器儀表學(xué)報;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的車牌識別系統(tǒng)的研究[J];電子設(shè)計工程;2009年11期

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

本文編號：2878347