近年來(lái),為減少道路交通事故,保障行車安全,汽車的智能輔助駕駛技術(shù)成為研究熱點(diǎn)。車道線檢測(cè)與跟蹤技術(shù)作為智能輔助駕駛的關(guān)鍵技術(shù)之一,通過(guò)實(shí)時(shí)檢測(cè)車道線,為駕駛員提供車道線偏離預(yù)警服務(wù)。車道線檢測(cè)是在車載攝像機(jī)實(shí)時(shí)采集的道路圖像上,提取其中的車道線。車道線跟蹤是根據(jù)前一幀檢測(cè)到的車道信息預(yù)測(cè)后一幀車道線的位置。論文以高速公路上的車道線為研究對(duì)象,利用機(jī)器視覺(jué)傳感器采集道路圖像,融合機(jī)器學(xué)習(xí)和傳統(tǒng)圖像處理算法來(lái)檢測(cè)與跟蹤多個(gè)實(shí)際道路數(shù)據(jù)集中的車道線。論文的主要工作及創(chuàng)新之處如下:（1）基于聚類與幾何約束的車道線檢測(cè)。采用傳統(tǒng)圖像分析技術(shù),通過(guò)霍夫變換檢測(cè)出每一條車道區(qū)域內(nèi)的所有直線,然后利用K-means將屬于同一車道區(qū)域上的直線歸為一類,最后綜合相同類別直線信息擬合車道線。該算法簡(jiǎn)單清晰,計(jì)算成本低;（2）基于卷積神經(jīng)網(wǎng)絡(luò)與連通域約束的車道線檢測(cè)。為解決傳統(tǒng)算法難以克服復(fù)雜交通道路環(huán)境干擾的缺點(diǎn),提出了用于檢測(cè)車道特征的卷積神經(jīng)網(wǎng)絡(luò)Tiny-LaneNet,并結(jié)合連通域約束和最小二乘法對(duì)車道特征點(diǎn)進(jìn)行分類和車道線擬合,有效提高了車道線檢測(cè)的抗干擾能力,實(shí)驗(yàn)結(jié)果表明平均檢測(cè)精度與傳統(tǒng)算法相比... 

【文章來(lái)源】：重慶交通大學(xué)重慶市

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

道路圖像預(yù)處理

17（a）xy平面圖（b）zy平面圖圖3-3相機(jī)在世界坐標(biāo)系的位置計(jì)算機(jī)中圖像的來(lái)源是將世界坐標(biāo)系的3D物體投影至2D透視圖中，但由于縮放因子和消失點(diǎn)等問(wèn)題，采集的圖像可能會(huì)失真。通過(guò)逆透視變換生成一個(gè)道路的頂視圖，不僅可以使重建后的圖像消除圖像的透視影響，還能使各車道線近似平行，BertozziM等人[47]提出逆透視變換方法如式3.2所示，建立了圖像坐標(biāo)點(diǎn)與世界坐標(biāo)系中地面上的點(diǎn)的聯(lián)系。圖3-3模擬了車載相機(jī)在世界坐標(biāo)系中的情況，本實(shí)驗(yàn)中，相機(jī)在世界坐標(biāo)系的位置(d,l,h)設(shè)置為（6.38，1.38，1.879），相機(jī)偏航角γ為0，相機(jī)俯仰角θ為28.4°，圖像分辨率(m,n)為1280×1024，相機(jī)的孔徑角2α=57，將本實(shí)驗(yàn)參數(shù)帶入公式3.2后得到公式3.3，式中X(u,v)表示圖像像素點(diǎn)(u,v)與世界坐標(biāo)系下中的橫坐標(biāo)的關(guān)系式。Y(u,v)分別表示圖像像素點(diǎn)(u,v)與世界坐標(biāo)系下中的縱坐標(biāo)的關(guān)系式。22(,)cot[())]cos[())]1122(,)cot[())]sin[())]11XuvhuvdmnYuvhuvlmnααθαγαααθαγα=×+××+×+=×+××+×+（3.2）444444(,)1.879cot[2.5105.5610]cos[3.1100.16]6.38(,)1.879cot[2.5105.5610]sin[3.1100.16]1.38XuvuvYuvuv=×××××××+=×××××××+（3.3）通過(guò)上式，即可得到逆透視變換后的道路圖像，如圖3-4所示，可見(jiàn)，透視影響基本消除，相鄰車道線平行且間距相等。圖3-4逆透視變換

逆透視變換

【參考文獻(xiàn)】：
期刊論文
[1]聯(lián)合圖像處理和目標(biāo)約束的車道線檢測(cè)方法[J]. 駱濟(jì)煥,蘭鳳崇,陳吉清.  汽車工程學(xué)報(bào). 2019(01)
[2]自動(dòng)駕駛汽車事故的責(zé)任認(rèn)定[J]. 楊宏芹,黃淑君.  長(zhǎng)安大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(04)
[3]一種魯棒性的多車道線檢測(cè)算法[J]. 宣寒宇,劉宏哲,袁家政,李青,牛小寧.  計(jì)算機(jī)科學(xué). 2017(11)
[4]基于分段切換模型的快速車道線檢測(cè)[J]. 隋靚,黨建武,王陽(yáng)萍.  計(jì)算機(jī)應(yīng)用與軟件. 2017(08)
[5]中國(guó)汽車工程學(xué)術(shù)研究綜述·2017[J]. 《中國(guó)公路學(xué)報(bào)》編輯部.  中國(guó)公路學(xué)報(bào). 2017(06)
[6]基于TMS320DM6437的車道線檢測(cè)與跟蹤[J]. 趙午峰,喬瑞萍,孫賀.  電子技術(shù)應(yīng)用. 2017(04)
[7]智能網(wǎng)聯(lián)汽車（ICV）技術(shù)的發(fā)展現(xiàn)狀及趨勢(shì)[J]. 李克強(qiáng),戴一凡,李升波,邊明遠(yuǎn).  汽車安全與節(jié)能學(xué)報(bào). 2017(01)
[8]基于動(dòng)態(tài)感興趣區(qū)域的光照無(wú)關(guān)車道線檢測(cè)算法[J]. 魚兆偉,吳曉波,沈林.  計(jì)算機(jī)工程. 2017(02)
[9]結(jié)合卡爾曼濾波器噪聲分析的車道線檢測(cè)跟蹤算法[J]. 郭克友,王藝偉,郭曉麗.  計(jì)算機(jī)測(cè)量與控制. 2016(05)
[10]基于雙向窗口特征提取技術(shù)的車道線檢測(cè)算法[J]. 范延軍,張為公.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(04)

碩士論文
[1]汽車智能化指數(shù)及評(píng)價(jià)方法研究[D]. 王羽.吉林大學(xué) 2018
[2]基于視覺(jué)的汽車前方碰撞預(yù)警系統(tǒng)研究[D]. 侯曉乾.湖南大學(xué) 2016
[3]車道線檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 許茂鵬.電子科技大學(xué) 2015
[4]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
[5]基于圖像的車道線檢測(cè)與跟蹤算法研究[D]. 劉國(guó)榮.湖南大學(xué) 2014
[6]基于機(jī)器視覺(jué)的輔助駕駛系統(tǒng)中預(yù)警系統(tǒng)設(shè)計(jì)[D]. 毛河.電子科技大學(xué) 2014
[7]車載視頻圖像中運(yùn)動(dòng)目標(biāo)的識(shí)別與跟蹤方法研究[D]. 楊培龍.天津大學(xué) 2005



本文編號(hào)：3295046