隨著社會(huì)上汽車保有量的增長(zhǎng),交通安全日益成為一個(gè)嚴(yán)峻的問題。目前,通過傳感器技術(shù)、模式識(shí)別、圖像處理、深度學(xué)習(xí)等方法進(jìn)行行車安全輔助系統(tǒng)的開發(fā)和研究,已然成為一個(gè)熱門的課題。通過對(duì)駕駛輔助技術(shù)的研究,使得人們有望實(shí)現(xiàn)智能駕駛甚至全自動(dòng)駕駛,達(dá)到提高行車安全和增加駕駛舒適度的目的。車道線檢測(cè)是先進(jìn)駕駛輔助系統(tǒng)一個(gè)關(guān)鍵的研究課題。正確地識(shí)別出車道線,可以對(duì)行車安全提供一個(gè)強(qiáng)有力的保障,減少安全隱患。本文圍繞結(jié)構(gòu)化道路圖像,提出本文的結(jié)構(gòu)化車道線識(shí)別方法。本文的研究?jī)?nèi)容主要圍繞兩個(gè)方面:一是道路圖像感興趣區(qū)域的提取;二是車道線的提取方法研究。為了提高車道線識(shí)別的成功率,研究者常常采用多種方法進(jìn)行車道感興趣區(qū)域的識(shí)別。本文采用基于Gabor濾波器檢測(cè)圖像紋理方向的方法對(duì)道路的結(jié)構(gòu)化路面區(qū)域進(jìn)行識(shí)別。其中包含兩個(gè)子問題:道路消失點(diǎn)的檢測(cè)和道路邊界線的搜索。針對(duì)檢測(cè)消失點(diǎn)時(shí)占用大量時(shí)間資源的投票算法,本文提出一種改進(jìn)的投票方法,該方法明顯降低了投票算法所需的時(shí)間,提高了系統(tǒng)的實(shí)時(shí)性。針對(duì)道路邊界線的搜索問題,本文首先根據(jù)投票點(diǎn)的統(tǒng)計(jì)信息大致確定道路邊界線的位置和方向,并采用一種迭代更新的方法,有效... 

【文章來源】：海南大學(xué)海南省 211工程院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題研究背景及其意義
    1.2 先進(jìn)駕駛輔助系統(tǒng)研究進(jìn)展
        1.2.1 國(guó)外發(fā)展研究及現(xiàn)狀
        1.2.2 國(guó)內(nèi)發(fā)展研究及現(xiàn)狀
    1.3 車道線檢測(cè)研究現(xiàn)狀
        1.3.1 基于特征的方法
        1.3.2 基于模型的方法
    1.4 主要研究?jī)?nèi)容及論文結(jié)構(gòu)
    1.5 本章小結(jié)
2 圖像預(yù)處理方法
    2.1 道路圖像濾波
        2.1.1 濾波平滑算法
        2.1.2 濾波效果分析
    2.2 邊緣檢測(cè)
    2.3 本章小結(jié)
3 基于紋理的道路區(qū)域檢測(cè)
    3.1 道路消失點(diǎn)檢測(cè)
        3.1.1 基于Gabor濾波器提取紋理特征
        3.1.2 基于Gabor濾波器的道路消失點(diǎn)檢測(cè)
        3.1.3 消失點(diǎn)檢測(cè)實(shí)驗(yàn)結(jié)果及分析
    3.2 基于消失點(diǎn)的道路區(qū)域識(shí)別
        3.2.1 道路邊界搜索
        3.2.2 改進(jìn)的道路邊界搜索算法
        3.2.3 道路邊界搜索實(shí)驗(yàn)結(jié)果與分析
    3.3 本章小結(jié)
4 車道線特征提取與擬合
    4.1 車道線特征提取
        4.1.1 逆透視變換
        4.1.2 車道線邊緣檢測(cè)
        4.1.3 尋找感興趣區(qū)域
    4.2 車道線模型擬合
        4.2.1 常用擬合模型
        4.2.2 基于RANSAC算法的線性擬合
        4.2.3 本文模型擬合方法
    4.3 本章小結(jié)
5 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)平臺(tái)與測(cè)試數(shù)據(jù)集
    5.2 本文算法流程
    5.3 車道檢測(cè)實(shí)驗(yàn)結(jié)果
        5.3.1 檢測(cè)效果的評(píng)價(jià)標(biāo)準(zhǔn)
        5.3.2 車道線識(shí)別效果
    5.4 本章小結(jié)
6 總結(jié)與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]換道輔助系統(tǒng)中基于可調(diào)向?yàn)V波器的車道線分類檢測(cè)[J]. 程文冬,沈云波,王麗君.  科學(xué)技術(shù)與工程. 2018(01)
[2]基于主方向加權(quán)投票的非結(jié)構(gòu)化道路消失點(diǎn)檢測(cè)[J]. 潘奎剛,石朝俠.  計(jì)算機(jī)工程. 2017(12)
[3]基于幾何矩采樣的車道檢測(cè)算法[J]. 宋銳,陳輝,肖志光,許巖巖,Reinhard KLETTE.  中國(guó)科學(xué):信息科學(xué). 2017(04)
[4]基于光照不變圖像的陰影圖像道路及導(dǎo)航線提取算法[J]. 段志剛,李勇,王恩德,田建東,唐延?xùn)|.  光學(xué)學(xué)報(bào). 2016(12)
[5]基于車道線識(shí)別和多特征的前車檢測(cè)算法[J]. 陳戈珩,潘曉旭,侯作輝.  科學(xué)技術(shù)與工程. 2016(15)
[6]基于Catmull-Rom樣條曲線的彎曲車道線檢測(cè)研究[J]. 何鵬,高峰,魏厚敏.  汽車工程學(xué)報(bào). 2015(04)
[7]基于消失點(diǎn)迭代重估的道路邊緣檢測(cè)[J]. 劉鵬輝,李歲勞,何穎.  電子與信息學(xué)報(bào). 2014(07)
[8]基于消失點(diǎn)和主方向估計(jì)的道路分割算法[J]. 田崢,徐成,米超,李仁發(fā),王曉棟.  計(jì)算機(jī)研究與發(fā)展. 2014(04)
[9]一種基于雙曲線模型的車道線檢測(cè)算法[J]. 高嵩,張博峰,陳超波,全昱,田姍姍.  西安工業(yè)大學(xué)學(xué)報(bào). 2013(10)
[10]基于Haar紋理的非結(jié)構(gòu)化道路消失點(diǎn)檢測(cè)[J]. 王永忠,文成林.  中國(guó)圖象圖形學(xué)報(bào). 2013(04)

博士論文
[1]基于視覺的結(jié)構(gòu)化道路及障礙物檢測(cè)技術(shù)研究[D]. 曲峰.吉林大學(xué) 2019
[2]智能車行車環(huán)境視覺感知關(guān)鍵技術(shù)研究[D]. 梁敏健.長(zhǎng)安大學(xué) 2017
[3]基于機(jī)器視覺的先進(jìn)輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究[D]. 范延軍.東南大學(xué) 2016

碩士論文
[1]結(jié)構(gòu)化道路車道線的魯棒檢測(cè)與跟蹤[D]. 王吉通.吉林大學(xué) 2019
[2]一種基于雙曲線模型的車道線跟蹤檢測(cè)算法設(shè)計(jì)與實(shí)現(xiàn)[D]. 王雷.吉林大學(xué) 2014
[3]基于車道線的路面標(biāo)志檢測(cè)識(shí)別研究[D]. 許媛媛.中國(guó)科學(xué)技術(shù)大學(xué) 2014



本文編號(hào)：3206410