【摘要】：隨著21世紀(jì)信息技術(shù)的高速發(fā)展,智能技術(shù)越來越滲透人類的生活。智能車自動駕駛系統(tǒng)的開發(fā)也隨著人工智能技術(shù)的發(fā)展成為了研究開發(fā)的熱點。在依靠智能車輛視覺導(dǎo)航系統(tǒng)實現(xiàn)的智能駕駛系統(tǒng)中,計算機視覺負(fù)責(zé)完成道路的識別和跟蹤,是最為關(guān)鍵的技術(shù)。在智能車自動駕駛系統(tǒng)中,計算機視覺的研究可分為基于單目、雙目和多目視覺導(dǎo)航技術(shù)。本文在智能車自動駕駛系統(tǒng)的發(fā)展和車道線識別技術(shù)的研究基礎(chǔ)上,結(jié)合真實道路的路況信息,實現(xiàn)了一套多目視覺車道線識別方法及其原型系統(tǒng)。具體研究成果如下:(1)提出一種基于道路模型和灰度特征相結(jié)合的車道線檢測和跟蹤算法。針對目前車道線識別方法復(fù)雜度高、準(zhǔn)確性差的問題,本文提出借助霍夫變換進行道路線提取,并結(jié)合實際道路的特點,采用道路灰度特征與道路直線模型約束車道線的檢測,最終實現(xiàn)車道的準(zhǔn)確定位與動態(tài)跟蹤。(2)提出一種基于多目視覺的多車道線融合方法。針對單目車道線識別方法魯棒性差的問題,本文提出借助多個攝像頭中提取的可用車道線和坐標(biāo)轉(zhuǎn)換方法,融合出適合車輛行駛的參考車道線,進而防止部分?jǐn)z像頭失效導(dǎo)致的系統(tǒng)不穩(wěn)定問題。(3)設(shè)計一套多車道線融合的道路識別仿真系統(tǒng)及其在達芬奇平臺上的移植方案。為了驗證所設(shè)計方法的有效性,運用EMCV和嵌入式DSP技術(shù)完成車道識別檢測算法在達芬奇平臺上的移植。最后,根據(jù)系統(tǒng)實時性要求,結(jié)合達芬奇平臺的特點,對車道識別方法進行優(yōu)化,使其在對前方道路進行可靠提取的前提下達到較高的效率。本文在城市環(huán)境下采集了多種結(jié)構(gòu)化道路視頻,并對系統(tǒng)進行了全面測試,測試結(jié)果表明,本文系統(tǒng)穩(wěn)定、準(zhǔn)確,可以達到較好的實驗效果。
【圖文】：

第 2 章 相關(guān)技術(shù)介紹2.1 引言在完成圖像采集后，直接使用獲取到的圖像幀會使得車道線識別系統(tǒng)無法正常工作，系統(tǒng)要對獲取到的圖像幀利用各種算法進行各種分析和處理，以助于后續(xù)相關(guān)操作。視覺系統(tǒng)在圖像的處理過程中，，容易產(chǎn)生各種噪音，圖像預(yù)處理[36]操作就是為了消除各種環(huán)境所致的干擾因素，提升圖像質(zhì)量，重點突出圖像中的關(guān)鍵道路信息�；陧椖炕蛳到y(tǒng)特定的需要，減小或削除某些信息，能重點突出一幅圖像的有用信息，即圖像預(yù)處理（Image Preprocessing）[37]技術(shù)。在本系統(tǒng)中，要讓攝像機獲取的圖像更易于后續(xù)的處理與分析，就需要對獲取到的圖像進行預(yù)處理。

圖 2.2 ROI 區(qū)域選擇像顏色空間B 空間所采用的攝像頭為真彩色 RGB 模式。RGB 色彩就是我們通常所說的 即 Red（紅色），B 即 Blue（藍色），G 即 Green（綠色）。人類的到的所有色彩都可以基于這三種色彩按照一定的比例混合疊加而成彩色圖像數(shù)據(jù)量大，而灰度圖像的數(shù)據(jù)量就小了許多。為了計算簡就要先轉(zhuǎn)換為灰度圖像。色圖像灰度化的方法主要包括以下三種： 最大值法：在三個分量中取一個數(shù)值令它為最大值，如公式（2.1（2.1法的特點是最終獲得亮度較高的灰度圖像。
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;U463.6

【參考文獻】

相關(guān)期刊論文 前10條

1 劉富;袁雨桐;李洋;;基于紋理特征的非結(jié)構(gòu)化道路分割算法[J];計算機應(yīng)用;2015年S2期

2 何鵬;高峰;魏厚敏;;基于Catmull-Rom樣條曲線的彎曲車道線檢測研究[J];汽車工程學(xué)報;2015年04期

3 楊智杰;;基于RGB彩色通道的結(jié)構(gòu)化道路車道線檢測[J];電子科技;2015年01期

4 李駿揚;金立左;費樹岷;馬軍勇;;基于多尺度特征表示的城市道路檢測[J];電子與信息學(xué)報;2014年11期

5 易世春;李克強;郭君斌;高秀麗;;基于邊緣分布及特征聚類的車道標(biāo)記線檢測[J];汽車工程;2014年10期

6 王海;蔡英鳳;林國余;張為公;;基于方向可變Haar特征和雙曲線模型的車道線檢測方法[J];交通運輸工程學(xué)報;2014年05期

7 王超;王歡;趙春霞;任明武;;基于梯度增強和逆透視驗證的車道線檢測[J];哈爾濱工程大學(xué)學(xué)報;2014年09期

8 呂艷鵬;潘玉田;;基于BP神經(jīng)網(wǎng)絡(luò)的非結(jié)構(gòu)化道路識別[J];機械工程與自動化;2014年03期

9 楊益;何穎;;基于RGB空間的車道線檢測與辨識方法[J];計算機與現(xiàn)代化;2014年02期

10 高嵩;張博峰;陳超波;全昱;田姍姍;;一種基于雙曲線模型的車道線檢測算法[J];西安工業(yè)大學(xué)學(xué)報;2013年10期

本文編號：2705730