【摘要】：針對實時車道線偏離預警問題,采用一種橫向腐蝕算子對邊緣檢測后的圖像進行腐蝕,減少和消除圖像中無關的邊緣信息,從而顯著減少后續(xù)處理數(shù)據(jù)量;提出一種以大津法為基礎的邊緣梯度圖像分塊閾值選取方法以便在不均勻光照條件下對道路邊緣圖像進行有效分割;結合車道線在路面分布的幾何特征、Hough投票結果、道路圖像之間的相關性和車道線寬度特征,提出了候選車道線篩選和計分算法對多車道場景進行車道線識別,采用卡爾曼濾波法對車道線進行跟蹤,應用車道線偏離預警系統(tǒng)算法軟件進行了試驗驗證。試驗結果表明:道路圖像總幀數(shù)為24 661,其中確檢幀數(shù)為23 483,誤檢幀數(shù)為1 178,平均檢測正確率為95.22%,因此,算法是正確的和有效的,可以較好地滿足車道線偏離預警系統(tǒng)實時性和魯棒性的要求。
[Abstract]:Aiming at the problem of real-time lane deviation warning, a kind of lateral corrosion operator is used to corrode the image after edge detection to reduce and eliminate the irrelevant edge information in the image, thus significantly reducing the data amount of subsequent processing. A threshold selection method for edge gradient image segmentation based on Otsu method is proposed in order to segment the road edge image effectively under uneven illumination, combining the geometric characteristics of lane distribution on the road surface, Hough voting results. Based on the correlation between road images and the characteristics of lane line width, a candidate lane selection and scorecard algorithm is proposed to identify lane lines in multi-lane scene, and Kalman filter is used to track lane lines. The algorithm software of lane deviation early warning system is used to test and verify. The experimental results show that the total number of frames in road images is 24 661, in which the number of detected frames is 23 483, the number of false frames is 1 178, and the average detection accuracy is 95. 22%. Therefore, the algorithm is correct and effective. It can meet the requirement of real-time and robustness of lane deviation warning system.
【作者單位】： 上海大學機電工程與自動化學院;
【基金】：國家自然科學基金項目(61376028) 上海市引進技術的吸收與創(chuàng)新年度計劃項目(11XI-15)
【分類號】：U463.6

【相似文獻】

相關期刊論文 前10條

1 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

2 徐后杰;李會方;繆國鋒;;基于單目視覺的車道線分離警告算法研究[J];微處理機;2011年03期

3 郭磊;王建強;李克強;;基于點集優(yōu)化和干擾點模糊化的車道線識別[J];中國機械工程;2007年15期

4 李若皓;丁冬花;;一種基于掃描線的車道線識別算法[J];微計算機信息;2008年16期

5 王寶鋒;齊志權;馬國成;陳思忠;;基于動態(tài)區(qū)域規(guī)劃的雙模型車道線識別方法[J];北京理工大學學報;2014年05期

6 劉曉龍;鄧志東;;基于全局與局部模型相互制約及具有模型不確定性評估的車道線檢測方法[J];東南大學學報(自然科學版);2013年S1期

7 湯定山;唐敦兵;王雷;;基于激素調節(jié)機制的遺傳算法在車道線檢測中的應用研究[J];機械科學與技術;2011年04期

8 陳軍;趙玉凡;徐友春;彭永勝;袁一;;基于啟發(fā)式搜索的車道線識別算法研究[J];計算機工程與應用;2007年31期

9 賈立山;羅劍;李世其;;基于車道線直線模型的道路曲率估計方法[J];江蘇大學學報(自然科學版);2012年04期

10 高鋒;桂瀚洋;張強;何舉剛;;基于FPGA的車道線檢測系統(tǒng)開發(fā)[J];汽車工程學報;2011年06期

相關會議論文 前1條

1 劉天輝;李飛;;車輛視覺導航中道路檢測算法研究[A];第十一屆沈陽科學學術年會暨中國汽車產業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學與工程技術分冊）[C];2014年

相關碩士學位論文 前10條

1 張維;基于形態(tài)及分布特征的車道線識別技術的研究與實現(xiàn)[D];東北大學;2011年

2 徐靜波;基于圖像處理的車道線檢測算法研究[D];河南工業(yè)大學;2014年

3 陳小燕;基于單目視覺的車道線實時檢測研究[D];南京郵電大學;2015年

4 狄?guī)?車道偏離預警中車道線識別算法研究[D];河南工業(yè)大學;2013年

5 路順杰;綜合考慮視覺和雷達的車道線檢測研究[D];吉林大學;2015年

6 張貴洋;汽車在車道中運行狀態(tài)的識別方法研究[D];遼寧工業(yè)大學;2015年

7 李曉松;基于ARM汽車視覺導航的車道線識別技術研究[D];湖北工業(yè)大學;2013年

8 呂魁超;基于DM6437的不同照度下閾值選取對車道偏離預警系統(tǒng)影響的研究[D];長安大學;2014年

9 王勤;基于多特征信息的疲勞駕駛檢測系統(tǒng)研究[D];西華大學;2015年

10 鄒博維;基于多傳感器的車輛局部交通環(huán)境感知[D];吉林大學;2013年

，

本文編號：2280552