隨著人工智能、圖像處理等技術(shù)的飛速發(fā)展,基于機(jī)器視覺(jué)的環(huán)境感知技術(shù)得到廣泛應(yīng)用;近年來(lái),通過(guò)機(jī)器視覺(jué)來(lái)進(jìn)行整車(chē)的車(chē)道偏離預(yù)警成為汽車(chē)智能化與主動(dòng)安全方面的研究重點(diǎn);當(dāng)前車(chē)道偏離預(yù)警方面的研究雖然有一些突破但仍面臨諸多問(wèn)題。本文針對(duì)目前車(chē)道線(xiàn)檢測(cè)與偏離預(yù)警方法適應(yīng)性不強(qiáng)、檢測(cè)精度不高,從而不能夠滿(mǎn)足多種道路環(huán)境下實(shí)際應(yīng)用需求的問(wèn)題展開(kāi)相關(guān)研究。提出一種能夠適應(yīng)多種道路場(chǎng)景的車(chē)道線(xiàn)檢測(cè)方法,并建立相應(yīng)的偏離預(yù)警方法,增強(qiáng)整個(gè)系統(tǒng)的可靠性。本文主要做了以下研究工作:首先,針對(duì)當(dāng)前車(chē)道線(xiàn)檢測(cè)算法環(huán)境適應(yīng)性差的缺點(diǎn),本文側(cè)重于復(fù)雜路況、雨霧天氣、陰影路況條件下的車(chē)道線(xiàn)檢測(cè)方法研究。在道路圖像的預(yù)處理階段,對(duì)圖像中的冗余信息以及噪聲進(jìn)行剔除,對(duì)車(chē)道線(xiàn)邊緣信息進(jìn)行強(qiáng)化,提升整體檢測(cè)方法對(duì)環(huán)境變化的適應(yīng)性以及精度。其次,本文對(duì)包括水平線(xiàn)、消失點(diǎn)、物理坐標(biāo)位置等在內(nèi)的圖像特征進(jìn)行研究,而后融合這些特征信息并與圖像的不同顏色模型以及邊緣檢測(cè)方法相結(jié)合。提出一種能夠有較好檢測(cè)精度,且能有效避免前方道路中障礙物與陰影干擾的適應(yīng)性強(qiáng)、魯棒性好的車(chē)道線(xiàn)檢測(cè)方法。然后,研究圖像的成像原理與成像過(guò)程中不同坐標(biāo)系之間的對(duì)...

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與研究方法
第2章 道路圖像預(yù)處理
    2.1 圖像去霧提清處理
    2.2 圖像灰度化
    2.3 圖像濾波
    2.4 圖像邊緣強(qiáng)化
    2.5 圖像二值化
    2.6 本章小結(jié)
第3章 基于機(jī)器視覺(jué)的車(chē)道線(xiàn)檢測(cè)與識(shí)別
    3.1 道路場(chǎng)景布局分析
    3.2 道路消失點(diǎn)檢測(cè)
    3.3 圖像ROI確定
    3.4 圖像平面轉(zhuǎn)換
    3.5 圖像的邊緣檢測(cè)
    3.6 基于HSL與 Lab顏色模型的車(chē)道線(xiàn)檢測(cè)
    3.7 車(chē)道線(xiàn)識(shí)別
    3.8 檢測(cè)結(jié)果與分析
    3.9 本章小結(jié)
第4章 基于機(jī)器視覺(jué)的道路坡度檢測(cè)方法研究
    4.1 道路俯視圖像分析
    4.2 坐標(biāo)系構(gòu)建
    4.3 道路坡度檢測(cè)模型的建立
    4.4 檢測(cè)結(jié)果與分析
    4.5 本章小結(jié)
第5章 基于改進(jìn)TLC模型的車(chē)道偏離預(yù)警算法
    5.1 車(chē)道偏離預(yù)警模型分析
    5.2 車(chē)道偏離預(yù)警算法研究
    5.3 測(cè)試結(jié)果與分析
    5.4 本章小結(jié)
第6章 結(jié)論
    6.1 研究總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間獲得與論文相關(guān)的科研成果
附錄 A:本文所用到的部分Matlab庫(kù)函數(shù)



本文編號(hào)：4032732