當前交通事故頻發(fā),智能駕駛技術成為解決這一問題的有效手段之一,車道線檢測是智能駕駛技術的基礎而重要的組成部分,對車輛的路徑規(guī)劃及行為決策中發(fā)揮了重要的作用。通過對國內外的研究現狀進行大量調研和分析,城市環(huán)境下基于視覺的車道線檢測算法存在車道線目標信息難以提取,檢測準確率低等問題。本文以車道線檢測為研究對象,利用車載相機采集圖像,通過分析車道線的特點,提取車道線特征;針對車道線檢測易受光照、城市道路環(huán)境干擾問題,提出多次閾值分割的對比度拉伸算法和斑馬線濾除預處理方法;為進一步提高車道線檢測精度、實時性和魯棒性,建立基于混合模型的車道線檢測算法,并對車道線進行跟蹤。本文的主要研究內容如下:1.提出基于多次閾值分割的對比度拉伸算法和斑馬線濾除的預處理方法。首先針對城市環(huán)境下存在光照、道路環(huán)境干擾的問題,提出基于最大類間方差的多次閾值分割對比度拉伸算法和斑馬線濾除方法。與傳統預處理方法相比,表明本文所提方法對城市環(huán)境下的目標特征提取效果更好,適應性強。2.建立基于混合模型的車道線檢測方法,并進行車道線跟蹤。為進一步提高車道線檢測的精度、魯棒性和實時性,考慮到單種模型對道路車道線檢測的適應性不高... 

【文章來源】：重慶郵電大學重慶市

【文章頁數】：78 頁

【學位級別】：碩士

【部分圖文】：

otsu閾值分割效果圖

重慶郵電大學碩士學位論文第2章相關技術分析152.3.1道路顏色空間轉換常見的城市道路車道線顏色特征有白色以及黃色。與其他圖像特征相比，顏色特征對尺度變換、平移變換等操作不敏感。車道線顏色特征提取實質是對彩色圖像進行分割，主要涉及顏色空間變換。本文車載攝像頭采集的圖像為RGB顏色空間圖像，但人無法感知識別出R、G、B分量比例。因此，采用其他顏色空間對車道線的顏色特征進行描述是有必要的。HSV通過色度(hue)，飽和度(saturation)，以及亮度(value)來定義顏色，更接近人眼對顏色的定義[52]。如圖所示為RGB和HSV顏色空間。(a)RGB(b)HSV圖2.9顏色空間圖HSV和RGB這兩種顏色空間用不同方式描述色彩，兩者存在轉換關系。設rgb分別是一個顏色的紅、綠和藍坐標，它們的值是在0到1之間的實數。設max等價于rgb中的最大者。設min等于這些值中的最小者。要找到在HSV空間中的hsv值，這里的)h0,360是角度的色相角，而s,v0,1是飽和度和亮度，則計算公式為：0,if600,if=and60360,if=and<60120,if=60240,if=max=mingbmaxrgbmax-mingbhmaxrgbmax-minbrmaxgmax-minrgmaxbmax-min+=+++(2.17)

重慶郵電大學碩士學位論文 第 2 章 相關技術分析 0, if 01 , otherwisemax =hmax - min minmax max = = (2.18) v =max (2.19) 通過分析色彩的空間分布，我們將車道線的黃色特征從圖像中提取出來，濾除其他顏色，實驗結果如圖所示。


本文編號：3043258