隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展,交通運(yùn)輸行業(yè)在經(jīng)濟(jì)生活中的重要性更加突顯,汽車成為經(jīng)濟(jì)活動(dòng)和人們生活中必要的工具。機(jī)動(dòng)車保有量的快速增加導(dǎo)致?lián)矶�、事故頻發(fā)等問題日漸嚴(yán)重。安全駕駛輔助技術(shù)是自動(dòng)駕駛技術(shù)的基礎(chǔ),也是解決交通問題的重要技術(shù)手段。路面標(biāo)線作為路面上最主要的交通標(biāo)識(shí),對(duì)路面標(biāo)線的利用是安全駕駛輔助技術(shù)的主要手段之一。安全駕駛輔助技術(shù)中的車道偏離輔助、智能自適應(yīng)巡航等技術(shù)也是建立在對(duì)路面標(biāo)線檢測(cè)和識(shí)別的基礎(chǔ)之上的。因此,繼續(xù)的提高路面標(biāo)線識(shí)別算法的準(zhǔn)確性、實(shí)時(shí)性和魯棒性是安全駕駛輔助技術(shù)乃至無人駕駛應(yīng)用中的重要問題。本文的主要內(nèi)容是研究單目機(jī)器視覺檢測(cè)和跟蹤路面標(biāo)線的算法。目的是提高檢測(cè)的準(zhǔn)確性、實(shí)時(shí)性。首先,在圖像的預(yù)處理模塊中,分別研究分析了圖像預(yù)處理的各個(gè)步驟中不同算法的原理及其優(yōu)缺點(diǎn),并重點(diǎn)對(duì)邊緣檢測(cè)算法進(jìn)行了研究,同時(shí)根據(jù)Canny邊緣檢測(cè)算法的步驟,改進(jìn)了Canny算法,優(yōu)化了其高低閾值的求取方法,不必人工設(shè)置,能夠根據(jù)圖像灰度分布自動(dòng)計(jì)算,從圖像測(cè)試結(jié)果來看,能夠提高算法的環(huán)境適應(yīng)能力,在環(huán)境復(fù)雜、亮度變化等情況下對(duì)比原始算法有更佳的檢測(cè)效果。給出了一個(gè)當(dāng)前條件下的優(yōu)化的算... 

【文章來源】：中國地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

L3級(jí)別的奧迪A8

中國地質(zhì)大學(xué)（北京）工程碩士學(xué)位論文7圖1-3百度“Apollogo”無人駕駛出租車華為公司發(fā)揮自身通信領(lǐng)域優(yōu)勢(shì)，依托5G技術(shù)，打造“5G汽車生態(tài)圈”，與數(shù)十家車企合作，加速5G技術(shù)在汽車產(chǎn)業(yè)的商用進(jìn)程，依靠車聯(lián)網(wǎng)促進(jìn)汽車終端化；四維圖新打造出了"芯片+算法+軟件+地圖"的布局。依靠車載芯片、ADAS、車聯(lián)網(wǎng)形成了自動(dòng)駕駛的全面架構(gòu);阿里巴巴于聚焦于智能車聯(lián)的車載OS，并與上汽開展了深度合作，推出斑馬系統(tǒng)；中海達(dá)整合多領(lǐng)域的傳感器集成，造就行業(yè)內(nèi)數(shù)一數(shù)二的先進(jìn)定位技術(shù)，均可運(yùn)用在無人駕駛領(lǐng)域。此外，騰訊、滴滴、AutoX、文遠(yuǎn)知行、Pony.ai、希迪智駕等公司也通過各種途徑積極研究高級(jí)駕駛輔助相關(guān)技術(shù)，布局自動(dòng)駕駛領(lǐng)域。[5]1.2.3路面標(biāo)線檢測(cè)研究現(xiàn)狀路面標(biāo)線檢測(cè)和識(shí)別的主要分為基于特征的識(shí)別方法和基于模型的識(shí)別方法兩類�；谔卣鞯姆椒ㄖ饕菍D像的色彩或灰度作為主要研究參考。對(duì)于基于灰

中國地質(zhì)大學(xué)（北京）工程碩士學(xué)位論文13預(yù)留n的值可變，可以根據(jù)道路圖像的或者攝像機(jī)參數(shù)調(diào)整，這里取n=5。最終的ROI分割示意圖如下：圖2-1ROI分割示意圖2.2圖像灰度化處理我們?nèi)粘Ｉ钪谐Ｒ姷牟噬珗D像以RGB圖像為主。這種彩色圖像中的每個(gè)像素點(diǎn)均由R、G、B三個(gè)通道疊加而成，根據(jù)每個(gè)分量所占的不同權(quán)重，分別顯示出紅綠藍(lán)等各種不同的顏色。圖像的灰度是指位于黑色與白色之間的多級(jí)色彩深度，灰度值最大的像素點(diǎn)為255，表示白色。最小的為0，表示黑色，處于中間值的像素則是分級(jí)變化。灰度化處理就是將彩色圖像轉(zhuǎn)換為由0-255的灰度值表示的灰度圖像的過程。在很多圖像處理算法的應(yīng)用過程中，往往都要把彩色圖像轉(zhuǎn)換為灰度圖像，因?yàn)轭伾畔⒉荒芊从硤D像的形態(tài)特征，例如在我們識(shí)別某種物體的時(shí)候，梯度是最為重要的關(guān)鍵因素之一，梯度往往就意味著邊緣的存在，這一點(diǎn)我們?cè)谶吘墮z測(cè)算法的研究部分會(huì)更詳細(xì)的介紹，而邊緣是一幅圖像最重要的特征。然而，在計(jì)算梯度的過程中，圖像的色彩往往起不到作用，還影響實(shí)

【參考文獻(xiàn)】：
期刊論文
[1]基于CamShift和Kalman組合的改進(jìn)目標(biāo)跟蹤算法[J]. 何俊,樊衛(wèi)華,王沖,周維維.  計(jì)算機(jī)測(cè)量與控制. 2017(03)
[2]基于動(dòng)態(tài)感興趣區(qū)域的光照無關(guān)車道線檢測(cè)算法[J]. 魚兆偉,吳曉波,沈林.  計(jì)算機(jī)工程. 2017(02)
[3]基于視頻的高速車道偏離預(yù)警系統(tǒng)[J]. 余小角,陳賢富.  微型機(jī)與應(yīng)用. 2016(19)
[4]一種基于噪聲連接分量的層次中值濾波算法[J]. 陳宏希.  計(jì)算機(jī)應(yīng)用與軟件. 2016(10)
[5]改進(jìn)的基于均值濾波的單幅圖像去霧算法研究[J]. 吳延海,張婧,陳康.  西安科技大學(xué)學(xué)報(bào). 2016(04)
[6]基于Kalman濾波器和改進(jìn)Camshift算法的雙眼跟蹤[J]. 王麗,郝曉麗.  微電子學(xué)與計(jì)算機(jī). 2016(06)
[7]結(jié)合卡爾曼濾波器噪聲分析的車道線檢測(cè)跟蹤算法[J]. 郭克友,王藝偉,郭曉麗.  計(jì)算機(jī)測(cè)量與控制. 2016(05)
[8]基于優(yōu)先像素與卡爾曼濾波追蹤的車道線檢測(cè)[J]. 陳濤,張洪丹,陳東,譚純.  汽車工程. 2016(02)
[9]結(jié)構(gòu)化道路上應(yīng)用區(qū)域劃分的車道線識(shí)別[J]. 王越,范先星,劉金城,龐振營.  計(jì)算機(jī)應(yīng)用. 2015(09)
[10]基于擴(kuò)展卡爾曼濾波器的車道線檢測(cè)算法[J]. 彭紅,肖進(jìn)勝,程顯,李必軍,宋曉.  光電子·激光. 2015(03)

碩士論文
[1]基于計(jì)算機(jī)視覺的車道偏離預(yù)警算法研究[D]. 陳普.南昌航空大學(xué) 2015
[2]基于圖像集的視覺目標(biāo)跟蹤算法研究[D]. 沈映菊.華僑大學(xué) 2015



本文編號(hào)：3243395