原文传递
基于单目视觉的车道线检测和车辆检测方法研究
| 论文题名： | 基于单目视觉的车道线检测和车辆检测方法研究 |
| 关键词： | 汽车自动驾驶系统;车道线检测;横截面特征;车辆检测;分类器;逆透视测距;闪现闪灭抑制 |
| 摘要： | 汽车自动驾驶系统（Motor Vehicle Auto Driving System）是一种能够感知汽车周身信息，融合信息，分析信息，最后进行无人驾驶的高新技术，它能够解放驾驶员双手，提高效率，减少交通事故，因此受到国内外广泛关注。传统自动驾驶系统通过雷达、激光和超声波等传感器感知汽车周围信息，其由于价格昂贵，功能单一，不符合人的感知习惯等缺点难以普及。近年来，随着计算机视觉技术的发展，基于单目视觉的自动驾驶系统因其成本低廉、信息丰富、检测结果直观等原因逐渐得到人们的认可。车道线和车辆检测是自动驾驶中的基本任务之一，开展基于单目视觉的车道线和车辆检测研究具有十分重要的研究价值和现实意义。 论文开展的主要工作研究工作如下： （1）提出了基于横截面特征的车道线检测算法。根据车道线在二值图像中矩形形态提取车道线边缘点集，使用连通域对点集聚类、分块和滤波，分别使用直线模型和多项式模型对车道线分段拟合，使用卡尔曼滤波平滑检测结果。实验表明，该方法相比于传统的车道线检测方法能够直接检测出实线、虚线、直线、曲线等复杂线型，检测率高，鲁棒性好，实时性好。 （2）改进了基于Adaboost+Haar的车辆检测的训练和检测算法。在训练阶段，将负样本分成简单负样本和复杂负样本。Adaboost分类器前半部分是由正样本和简单负样本训练得到，后面级联上正样本和复杂负样本训练的强分类器。相较于传统的训练算法，该方法能够保证分类器的结构先简单后复杂，避免过早发散，保证检测效果的同时，减少了使用的Haar特征个数，检测效率提升30％。在检测阶段，先使用逆透视测距算法标定，根据实际的车辆宽度范围和距离本车的纵向距离自适应地调整对应的图像中某一行的候选框的检测范围。与传统的滑窗检测算法相比，该方法滤除超过一半的无效检测窗口，将检测速度提高7倍以上。 （3）提出了闪现闪灭抑制算法。在连续视频图像的检测中，将压缩跟踪算法的跟踪结果与分类器检测结果对应目标融合，并设置两个累加器统计目标的出现次数和连续消失的次数，只有当这两个累加器满足要求才会将该结果做为目标显示。实验表明，该算法能够有效区分闪现、新目标、闪灭和目标消失这四种现象，鲁棒性好，提高检测窗口的稳定性，提高检测率。 |
| 作者： | 赵伟康 |
| 专业： | 机械工程 |
| 导师： | 黎向锋;冯强龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
