详情

原文传递基于差分激励的车道线检测研究

论文题名：	基于差分激励的车道线检测研究
关键词：	车道线检测;差分激励;机器视觉;Hough变换;特征点提取
摘要：	随着社会的飞速发展和道路交通系统的日益完善，我国人均汽车保有量快速提升，但交通拥堵和安全等问题也随之而来。用于解决这些问题的智能交通系统目前正愈发受到人们重视，各国政府都投入大量经费对其进行研究。智能车是智能交通系统的重要组成部分，是一个集环境感知、决策规划以及辅助驾驶等功能于一体的智能平台，代表了汽车未来的发展方向，具有广阔的应用前景。　　作为智能车环境感知系统的关键组成部分—基于视觉的车道线检测技术长期是学者们研究的重点课题。该技术通过分析车载视觉系统采集的道路图像，及时提取出车道线的位置信息，以供智能车的决策规划、车道偏离预警等系统使用。因此，如何在复杂道路场景下快速、准确地检测出车道线是智能车的一项关键技术。本文提出了一种基于差分激励的车道线检测算法。该算法首先进行感兴趣区域提取、灰度化以及中值滤波等预处理，然后利用基于差分激励的车道线特征点提取方法获取特征信息，最后利用带约束的Hough变换拟合出车道线。在公开数据库上的仿真实验结果表明：与其他典型车道线检测算法相比，所提算法能够显著地提高检测精度，且具有较好的鲁棒性和实时性。本论文的主要研究内容及贡献包括以下三方面: 　　1)提出了基于差分激励的车道线特征点提取方法。针对常用车道线特征点提取方法的不足并根据实际道路图像的特点，本文提出了基于差分激励的提取方法。该方法首先通过差分激励算子对灰度图像进行纹理增强，然后根据韦伯原理，提取出差分结果中值最大的一部分作为车道线特征，最后利用所提的去冗余方法剔除特征点集中的冗余。与常用车道线特征提取方法相比，所提算法在精度和速度上都有较大提升。　　2)提出了一种实用的特征点去冗余方法。由于提取出的特征信息较多，若直接对其进行拟合处理则整个算法的实时性会受到严重影响。本文提出对特征图像进行扫描，若其中连续的水平信号满足预定的要求，则从该段信号中选取出特征点。反之，则将该段信号作为噪音或背景信息直接去除。通过该方法，所提算法有效地减轻了后续处理的计算量，提高了算法的实时性。　　3)提出了一种带约束的Hough变换法。针对使用经典Hough变换拟合车道线的不足，本文提出一种带约束的Hough变换。该方法从候选车道线的斜率、候选车道线与已检测出的车道线之间的夹角和距离等方面对Hough变换进行约束。与此同时，本文还通过及时消除Hough变换过程中已检测点对后续检测的影响提高检测精度。
作者：	赵鹏
专业：	计算机科学与技术
导师：	房斌
授予学位：	硕士
授予学位单位：	重庆大学
学位年度：	2017
正文语种：	中文