隨著科技的發(fā)展,汽車行業(yè)正在大步邁向智能駕駛時代,道路識別和路徑跟蹤是智能駕駛的基礎(chǔ),也是高級輔助駕駛系統(tǒng)（ADAS）的主要組成部分。本文圍繞結(jié)構(gòu)化道路識別展開研究,旨在提出一種快速、準確、魯棒性高的車道線檢測方法。本文針對智能汽車的道路識別問題做了以下研究:基于視覺的道路識別技術(shù)主要包括:圖像預(yù)處理、感興趣區(qū)域選擇、車道線特征點識別、車道線的擬合與跟蹤等四個方面。對于傳感器采集的真實道路圖像,本文利用圖像的灰度轉(zhuǎn)化減小圖像的計算量;采用圖像增強處理突出圖像中的邊緣部分;然后利用局部OTSU算法對圖像中的車道線邊緣和噪聲進行分割,并用開運算與閉運算對初始車道線邊緣進行形態(tài)學處理,完成道路圖像的預(yù)處理。圖像的感興趣區(qū)域（ROI）選擇是提高道路識別的實時性和準確性的關(guān)鍵技術(shù)之一,本文利用仿射變換將車道圖像轉(zhuǎn)化為鳥瞰圖,根據(jù)鳥瞰圖中的道路特征,運用一種基于橫縱向安全視野的動態(tài)感興趣區(qū)域（DROI）選擇方法,利用上一幀的車道線方程和車速數(shù)據(jù),求解道路邊緣上各點的曲率以及最大安全距離,通過像素與實際距離的轉(zhuǎn)化,實現(xiàn)當前時刻DROI的準確選擇。本文根據(jù)車道線的設(shè)計特征,利用基于DROI全局搜索和改... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

交通擁堵圖

年，各參賽隊伍的自動駕駛技術(shù)得到了顯著提高，最終由斯坦福大學的無人車贏得冠軍。2007年DARPA挑戰(zhàn)賽由沙漠轉(zhuǎn)向了城市道路，實現(xiàn)了城市工況的自動駕駛競賽。隨后谷歌、Uber、特斯拉等都相繼加入了智能車研究的隊列中。2015年谷歌表示，該公司的無人駕駛汽車已經(jīng)成功完成超過130萬英里的路試。2015年12月份特斯拉發(fā)布的Aotopilot實現(xiàn)量產(chǎn)，預(yù)示著智能汽車正式進入市常2017年美國交通部發(fā)布《自動駕駛系統(tǒng)2.0：安全愿景》，正式為自動駕駛車輛立法，為智能車上市掃清法律障礙。(a)谷歌自動駕駛汽車(b)百度自動駕駛汽車圖1.2谷歌與百度的自動駕駛汽車Fig.1.2AutonomousvehicleofGoogleandBaidu歐洲的無人駕駛技術(shù)起源于自動控制技術(shù)，最初的目的是實現(xiàn)高級輔助駕駛，幫助駕駛員判斷和分析路況。90年代末的意大利帕爾馬大學視覺實驗室研制的自動駕駛汽車在高速公路上實現(xiàn)了長距離、高速度的無人駕駛測試，其中人為干預(yù)不足6%，車速也是超過了110km/h。隨后德國慕尼黑聯(lián)邦國防大學與奔馳共同研發(fā)的VAMP自動駕駛試驗車輛開始進行路測，該車總共完成了超過1600公里的實路測試，其中人工干預(yù)不超過5%。2010年，Vislab路測四輛自動駕駛車輛從意大利帕爾馬出發(fā)，實現(xiàn)了穿越9國行程1.3萬公里的超長距離試車。2017年5月，德國開始在政策和法律上對自動駕駛技術(shù)予以支持，并修改《道路交通法》，為自動駕駛技術(shù)的商用掃清障礙。隨后英國等國家開始在保險、車聯(lián)網(wǎng)等方面開始出

重慶大學碩士學位論文14圖2.3RGB圖像Fig.2.3RGBImage②灰度圖也稱亮度圖像灰度圖像與RGB圖像相比，數(shù)據(jù)量要小很多。它的每個像素只有一個灰度值，是一個確定的數(shù)值，一般該值在0~255之間，用于表示該圖像的亮度，黑色用0表示，白色的亮度的255，屬于最高亮度。同樣的，不同的顏色在灰度圖像中都有相對應(yīng)的灰度值表示，所以圖像中的不同對象都有較為明顯的邊緣差異。此外灰度圖像還有一種特殊形式為二值化圖像；在二值化圖像中，圖像的像素值只有0和1，分別表示黑色和白色，也就只有兩種亮度。在沒有歸一化的圖像中，也有用0和255來表示黑白亮度的。如圖2.4所示。(a)一般灰度圖像(b)二值化灰度圖像圖2.4二值化前后對比圖Fig.2.4Comparisonofimagesbeforeandafterbinarization本文采用的數(shù)據(jù)樣本是利用車載攝像機或者行車記錄儀錄制的車載視頻流，存儲時是以RGB格式存儲圖像數(shù)據(jù)的。本文的主要的研究對象是車道線，所以利用灰度圖就可以實現(xiàn)道路的識別，相對于RGB彩色圖像處理，灰度圖的計算量要小很多。在對車載攝像頭收集到的彩色真實道路圖片序列進行處理時，先對視頻中的單幀圖像進行灰度處理，以下介紹彩色圖像轉(zhuǎn)灰度圖像的一些常用的方法。由RGB到Gray,其中幾種著名的灰度轉(zhuǎn)換方法為：

【參考文獻】：
期刊論文
[1]基于多幀疊加和窗口搜索的快速車道檢測[J]. 陳涵深,姚明海,陳志浩,楊圳.  計算機科學. 2018(10)
[2]基于感興趣區(qū)域模型的車道線快速檢測算法[J]. 錢基德,陳斌,錢基業(yè),陳剛.  電子科技大學學報. 2018(03)
[3]基于改進最小二乘法車道線模型的車道標識線檢測識別[J]. 梁朱冬,陳洪洋.  汽車實用技術(shù). 2017(15)
[4]基于雙重ROI和變間距掃描的車道線檢測[J]. 王鑫,劉玉超,海丹.  指揮與控制學報. 2017(02)
[5]基于交通事故數(shù)據(jù)的汽車安全技術(shù)發(fā)展趨勢分析[J]. 李一兵,孫岳霆,徐成亮.  汽車安全與節(jié)能學報. 2016(03)
[6]基于卡方分布的高維數(shù)據(jù)相似性連接查詢算法[J]. 馬友忠,賈世杰,張永新.  計算機應(yīng)用. 2016(07)
[7]基于優(yōu)先像素與卡爾曼濾波追蹤的車道線檢測[J]. 陳濤,張洪丹,陳東,譚純.  汽車工程. 2016(02)
[8]基于方向可變Haar特征和雙曲線模型的車道線檢測方法[J]. 王海,蔡英鳳,林國余,張為公.  交通運輸工程學報. 2014(05)
[9]不同光照下基于自適應(yīng)圖像閾值的車道保持系統(tǒng)設(shè)計[J]. 李進,陳杰平,易克傳,徐朝勝,范智平.  機械工程學報. 2014(02)
[10]數(shù)字圖像處理技術(shù)的發(fā)展現(xiàn)狀及趨勢[J]. 張瑋雄,劉建霞.  科學之友. 2012(06)

碩士論文
[1]結(jié)構(gòu)化道路車道線的單目視覺檢測方法研究[D]. 范寶正.湖南大學 2018
[2]無人駕駛車輛的行道線檢測方法研究[D]. 李強.南京理工大學 2017
[3]高速公路彎道車速預(yù)警系統(tǒng)的研究[D]. 陳亮.長安大學 2012



本文編號：3093042