近年來,隨著公路建設(shè)的發(fā)展和汽車的普及,給人類帶來了極大的便利,創(chuàng)造了可觀的經(jīng)濟(jì)效益。但是交通安全問題也面臨著嚴(yán)峻的挑戰(zhàn),其影響不容忽視。車輛智能輔助駕駛系統(tǒng)作為行車安全的重要保障,以警報(bào)或偏離警告的方式指導(dǎo)司機(jī)安全駕駛,在即將發(fā)生碰撞或偏離車道時(shí),避免事故的發(fā)生。其中車道線檢測(cè)和跟蹤作為安全智能輔助系統(tǒng)中的重要組成部分,有著重要的研究價(jià)值和意義。本文主要圍繞車道線檢測(cè)和跟蹤進(jìn)行深入分析和研究。論文介紹并分析了國內(nèi)外車道線檢測(cè)和跟蹤算法的研究現(xiàn)狀。在現(xiàn)有車道線檢測(cè)技術(shù)的基礎(chǔ)上,本文根據(jù)我國結(jié)構(gòu)化公路特性分別研究了直車道線檢測(cè)方法和彎曲車道線檢測(cè)方法。在機(jī)器視覺導(dǎo)航中,車道線檢測(cè)要求實(shí)時(shí)性好,道路定位準(zhǔn)確性高,因此將跟蹤算法加入輔助駕駛系統(tǒng)中有著重要的意義與價(jià)值。通過研究國內(nèi)外智能車輛系統(tǒng)的各種算法,本文主要針對(duì)下面兩部分展開論述。在車道線檢測(cè)方面,為了去除對(duì)車道線檢測(cè)無用的冗余信息,精確地提取出車道線,需要對(duì)視覺傳感器所采集到的圖像進(jìn)行預(yù)處理,且對(duì)每一步預(yù)處理的算法進(jìn)行仿真對(duì)比,選取出效果最好的算子。首先,為了使檢測(cè)結(jié)果更精準(zhǔn),更符合要求,本文將改進(jìn)的概率Hough變換算法（PPHT）... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省211工程院校

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原圖像與灰度圖像

由于車輛在戶外環(huán)境，難免會(huì)遭受惡劣天氣的影響，還會(huì)受到電磁波等難以避免的干擾。車載攝像機(jī)在采集視頻時(shí)，考慮圖像的濾波去噪作用顯得尤為關(guān)鍵。圖像噪聲種類多且繁雜，依據(jù)統(tǒng)計(jì)學(xué)理論，可分為平穩(wěn)和非平穩(wěn)噪聲兩類。噪聲濾除主要的方法分別為基于空間域和基于變換域兩大類。前者是指在原圖直接對(duì)像素的灰度值進(jìn)行數(shù)學(xué)運(yùn)算，典型的濾波方法有均值濾波、中值濾波等。通過處理在經(jīng)圖像的變換域上變換后的系數(shù)，從而去除噪聲的方法，這便是基于變換域的方法。例如通過對(duì)圖像進(jìn)行離散余弦變換后的去除噪聲的方法。當(dāng)圖像自身數(shù)據(jù)量較大時(shí)，基于變換域的方法需要兩次域的變換，運(yùn)算量非常大，占用系統(tǒng)大量內(nèi)存，耗費(fèi)時(shí)間必定加長，達(dá)不到實(shí)時(shí)性的要求；與基于變換域方法不同的是，空間域?yàn)V波法不需要進(jìn)行域的變換，對(duì)圖像的像素直接操作就可以達(dá)到濾波效果，過程簡單，運(yùn)算量小，能滿足實(shí)時(shí)性的要求。本文主要對(duì)中值濾波法、均值濾波法、維納濾波法這三種不同的空間域算法進(jìn)行研究分析。為了模擬道路圖像中雨雪天氣的干擾，采用椒鹽噪聲來代替。加入椒鹽噪聲的圖像，如圖 2.2 所示。

)1( , )m n sf m nMNμ∈= （2-6）2 2 2( , )1( , )m n sf m nMNσ μ∈= （2-7）在相同的條件下，對(duì)以上三種濾波算法進(jìn)行道路圖像仿真實(shí)驗(yàn)。采用同一幅圖片，該圖片背景為結(jié)構(gòu)化的高速路，三種濾波算法仿真結(jié)果如圖 2.3 所示a 椒鹽噪聲圖 b 均值濾波

【參考文獻(xiàn)】：
期刊論文
[1]基于meanshift的目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 白蕾.  電子測(cè)量技術(shù). 2016(04)
[2]自適應(yīng)模板匹配在自主空中加油跟蹤中的應(yīng)用[J]. 杜立一,程詠梅,公續(xù)平,趙建濤.  電子設(shè)計(jì)工程. 2014(20)
[3]基于直線模型的道路邊界識(shí)別技術(shù)[J]. 劉金龍,張曉雨.  電子科技. 2014(10)
[4]基于RGB空間的車道線檢測(cè)與辨識(shí)方法[J]. 楊益,何穎.  計(jì)算機(jī)與現(xiàn)代化. 2014(02)
[5]機(jī)器視覺技術(shù)的應(yīng)用研究[J]. 張紅霞,劉義才.  電子世界. 2013(17)
[6]結(jié)合分塊Hough變換與Kalman預(yù)測(cè)的車道線檢測(cè)方法[J]. 尤小泉,彭映杰.  科學(xué)技術(shù)與工程. 2013(24)
[7]最小二乘法原理及其簡單應(yīng)用[J]. 鄒樂強(qiáng).  科技信息. 2010(23)
[8]基于Canny算子的邊緣檢測(cè)研究[J]. 孫英慧.  鞍山師范學(xué)院學(xué)報(bào). 2010(02)
[9]基于三分量色差法的交通標(biāo)志分割[J]. 胡牡丹,楊立敬,朱雙東.  機(jī)電工程. 2009(10)
[10]基于逆透視變換的智能車輛定位技術(shù)[J]. 高德芝,鄭榜貴,段建民.  計(jì)算機(jī)測(cè)量與控制. 2009(09)

博士論文
[1]面向駕駛輔助系統(tǒng)的車輛行駛安全預(yù)警模型研究[D]. 胡三根.華南理工大學(xué) 2016
[2]視頻目標(biāo)跟蹤算法研究[D]. 王書朋.西安電子科技大學(xué) 2009

碩士論文
[1]基于貝葉斯框架的目標(biāo)檢測(cè)跟蹤算法研究[D]. 麥華岸.華南理工大學(xué) 2013
[2]基于彩色圖像序列的目標(biāo)跟蹤算法研究[D]. 張坤.中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所） 2013
[3]基于單目視覺的車道線檢測(cè)與智能車導(dǎo)航[D]. 謝一峰.上海交通大學(xué) 2013
[4]復(fù)雜環(huán)境下的道路檢測(cè)算法研究[D]. 王曉云.杭州電子科技大學(xué) 2012
[5]基于視覺的高速公路車道線檢測(cè)算法研究[D]. 吳林成.合肥工業(yè)大學(xué) 2010
[6]基于GNSS/ODO的列車定位方法研究[D]. 張輝.北京交通大學(xué) 2008
[7]智能車輛中的道路檢測(cè)與識(shí)別[D]. 張偉.重慶大學(xué) 2006
[8]基于機(jī)器視覺的高速車道標(biāo)志線檢測(cè)算法的研究[D]. 李晗.東北大學(xué) 2006



本文編號(hào)：3623165