隨著汽車數(shù)量的迅速增加,行車安全已經(jīng)越來(lái)越受到人們的重視,其中車道線識(shí)別與追蹤算法也成為研究的熱點(diǎn)領(lǐng)域。傳統(tǒng)的車道線識(shí)別與追蹤算法主要針對(duì)良好環(huán)境,而對(duì)于霧天等不良環(huán)境的研究甚少。針對(duì)霧天環(huán)境下車道線圖像路面與車道線的對(duì)比度遠(yuǎn)低于正常環(huán)境,給車道線識(shí)別與追蹤帶來(lái)困難的問(wèn)題,本文對(duì)霧天環(huán)境下車道線識(shí)別與追蹤算法進(jìn)行研究,主要研究?jī)?nèi)容如下:（1）對(duì)霧天環(huán)境下成像原理以及圖像去霧的算法進(jìn)行研究。針對(duì)傳統(tǒng)暗通道去霧算法實(shí)時(shí)性差的問(wèn)題,提出一種基于形態(tài)學(xué)腐蝕運(yùn)算的暗通道去霧算法。與傳統(tǒng)去霧算法相比,該算法可以實(shí)現(xiàn)快速、準(zhǔn)確圖像去霧。（2）對(duì)于不同類型的車道線,本文采用不同的識(shí)別算法。對(duì)于直道,選用直線模型,針對(duì)傳統(tǒng)Hough變換識(shí)別車道線存在不準(zhǔn)確、實(shí)時(shí)性差的問(wèn)題,提出一種基于極角約束和分類判別Hough變換的車道線識(shí)別算法。實(shí)驗(yàn)結(jié)果表明,該算法不僅只對(duì)本車道兩側(cè)車道線進(jìn)行識(shí)別,而且在實(shí)時(shí)性上得到提升。對(duì)于彎道,選用拋物線模型,首先針對(duì)粒子群算法存在過(guò)早收斂的問(wèn)題,用混沌理論對(duì)粒子群算法進(jìn)行改進(jìn);然后利用車道線與路面灰度值的差異設(shè)計(jì)車道線目標(biāo)函數(shù);最后采用混沌粒子群算法對(duì)目標(biāo)函數(shù)中參數(shù)優(yōu)化。實(shí)驗(yàn)... 

【文章來(lái)源】：桂林電子科技大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

國(guó)外智能車

(a) 清華智能車 (b) 百度無(wú)人車圖 1-2 國(guó)內(nèi)智能車通過(guò)對(duì)國(guó)內(nèi)外車道線識(shí)別與追蹤算法的研究及在智能車上應(yīng)用的分析與總結(jié)，目前對(duì)于車道線的識(shí)別與追蹤主要分為兩種：基于道路特征的識(shí)別方法[23][24]和基于道路模型的識(shí)別方法[25][26]�；诘缆诽卣鞯淖R(shí)別方法就是利用車道線與普通公路路面在灰度值、紋理、形狀以及亮度等特征上的不同，通過(guò)這些不同點(diǎn)選擇合適的圖像分割方法，將車道線從道路中提取出來(lái)。文獻(xiàn)[27]結(jié)合最大類間方差法和 Canny 算子的優(yōu)點(diǎn)：提出了基于最大類間方差法實(shí)現(xiàn)自適應(yīng) Canny 算子的車道線邊緣檢測(cè)算法，之后結(jié)合 Hough 變換實(shí)現(xiàn)對(duì)車道線的識(shí)別。文獻(xiàn)[28]提出利用形態(tài)學(xué)分析的方法識(shí)別車道線：首先利用最大類間方差法對(duì)圖像進(jìn)行特征點(diǎn)提取預(yù)處理，之后為消除其余車輛對(duì)識(shí)別的影響，采用形態(tài)學(xué)顆粒分析法對(duì)二值圖像進(jìn)行處理，最后采用形態(tài)學(xué)骨架化完成車道線的識(shí)別。文獻(xiàn)[29]提出利用顏色對(duì)車道線與道路的差異分類識(shí)別的算法：該算法首先將 RGB 三通道圖像變成 LAB 的圖像后通過(guò) K 均值法分割圖像，之后利用最大類間方差法對(duì)圖像二值化并且提取特征點(diǎn)，最后利用擬合的思想對(duì)特征點(diǎn)進(jìn)行擬合，進(jìn)而識(shí)別出車道線。

第一章 緒論先驗(yàn)去霧算法進(jìn)行改進(jìn)，在保證去霧效果的前提下，減小計(jì)算的復(fù)雜度，提高實(shí)時(shí)性。（2）對(duì)于預(yù)處理之后的圖像進(jìn)行車道線特征提取。通過(guò)對(duì)比幾種二值化方法處理效果，利用局部最大類間方差法完成圖像二值化和車道線特征提取。（3）針對(duì)車道線有直線和曲線的問(wèn)題，采用分類識(shí)別的方式。對(duì)于直線識(shí)別，采用改進(jìn)的 Hough 變換進(jìn)行識(shí)別；對(duì)于曲線識(shí)別，采用基于拋物線模型的曲線識(shí)別方法，通過(guò)對(duì)車道線特征的分析得出車道線目標(biāo)函數(shù)，然后使用混沌粒子群對(duì)目標(biāo)函數(shù)中的三個(gè)參數(shù)最優(yōu)化，從而完成對(duì)彎車道的識(shí)別。（4）對(duì)于采集的車道線視頻信息，因?yàn)橄噜弾蛄兄g的車道線特征信息差距很小，所以采用混沌粒子群算法根據(jù)上一幀的結(jié)果實(shí)現(xiàn)對(duì)車道線的追蹤，從而提高識(shí)別追蹤的實(shí)時(shí)性。

【參考文獻(xiàn)】：
期刊論文
[1]基于投影統(tǒng)計(jì)與雙曲線擬合的車道識(shí)別算法[J]. 王其東,魏振亞,王乃漢,陳無(wú)畏,謝有浩.  中國(guó)機(jī)械工程. 2019(04)
[2]霧天景區(qū)圖像增強(qiáng)的算法優(yōu)化[J]. 浦瀚,楊道業(yè),溫勇.  中國(guó)儀器儀表. 2018(10)
[3]對(duì)比度增強(qiáng)的彩色圖像灰度化算法[J]. 劉美,薛新松,劉廣文,劉智,才華.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[4]基于組合模型的交通事故嚴(yán)重程度預(yù)測(cè)方法[J]. 石雪懷,戚湧,張偉斌,李千目.  計(jì)算機(jī)應(yīng)用研究. 2019(08)
[5]彩色圖像灰度化算法綜述[J]. 顧梅花,蘇彬彬,王苗苗,王志磊.  計(jì)算機(jī)應(yīng)用研究. 2019(05)
[6]基于人工魚群算法的分?jǐn)?shù)階PIλ控制器參數(shù)整定[J]. 張學(xué)典,王富彥,秦曉飛.  計(jì)算機(jī)應(yīng)用研究. 2019(03)
[7]基于暗通道及多尺度Retinex的霧霾天氣圖像增強(qiáng)算法[J]. 趙春麗,董靜薇.  激光雜志. 2018(01)
[8]基于自適應(yīng)Riesz分?jǐn)?shù)階微分的霧天圖像增強(qiáng)[J]. 雷思佳,趙鳳群.  計(jì)算機(jī)應(yīng)用. 2018(05)
[9]百度谷歌無(wú)人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚(yáng),田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[10]基于消失點(diǎn)檢測(cè)與分段直線模型的車道線識(shí)別[J]. 王曉錦,王增才,趙磊.  機(jī)電一體化. 2017(05)

博士論文
[1]城市動(dòng)態(tài)路況信息下交通行為的研究[D]. 周偉.大連理工大學(xué) 2012

碩士論文
[1]車道偏離預(yù)警中的車道標(biāo)線識(shí)別方法研究[D]. 李棟梁.遼寧工業(yè)大學(xué) 2018
[2]基于單目視覺(jué)的結(jié)構(gòu)化道路車道線識(shí)別和SAE算法的車道偏離檢測(cè)研究[D]. 王曉錦.山東大學(xué) 2017
[3]基于機(jī)器視覺(jué)的車道偏離預(yù)警策略研究[D]. 張亮.大連理工大學(xué) 2017
[4]基于機(jī)器視覺(jué)的車道偏離及碰撞預(yù)警技術(shù)研究[D]. 張?jiān)骑w.北京工業(yè)大學(xué) 2017
[5]基于暗原色原理和B樣條小波的霧霾車牌定位的研究[D]. 鞠麗麗.青島大學(xué) 2016
[6]基于機(jī)器視覺(jué)的霧天環(huán)境下車道線識(shí)別技術(shù)研究[D]. 蔡兵.重慶郵電大學(xué) 2016
[7]單目視覺(jué)結(jié)構(gòu)化道路車道線檢測(cè)和跟蹤技術(shù)研究[D]. 付永春.南京理工大學(xué) 2012



本文編號(hào)：3374607