原文传递
基于视觉的复杂环境下道路检测技术研究
| 论文题名： | 基于视觉的复杂环境下道路检测技术研究 |
| 关键词： | 自动驾驶;道路检测;渐进概率式霍夫变换;自适应直方图;图像分割 |
| 摘要： | 道路检测技术是自动驾驶环境感知的基础关键技术之一，是自动驾驶汽车决策规划的重要参考。我国道路工况与发达国家相比，存在道路环境构型多样、人车高度混杂等特点，给面向复杂情况的道路检测技术开发带来极大的挑战。本文的主要研究工作及结论如下： （1）针对复杂环境下结构化道路车道线检测检测效率低、鲁棒性差等问题，提出一种基于多约束PPHT（渐进概率式霍夫变换）算法的复杂环境结构化道路检测方法。采用限制对比度的自适应直方图均衡增强道路图像，改进PPHT算法，提出了基于多约束的改进PPHT算法实现左右车道线提取。 （2）针对结构化道路图像存在遮挡、污损、阴影等情况准确率低的问题，改进多约束PPHT算法，设计了基于无迹卡尔曼滤波的车道线跟踪算法，建立车道线观测模型，实时观测车辆行驶状态下的车道线模型参数，得到车辆行驶状态下的有效估计；与现有结构化道路车道线检测经典算法进行对比分析，验证了改进算法具有更高的准确度、实时性和抗干扰性。 （3）针对非结构化道路图像环境变量复杂，干扰因素多的问题，设计了基于区域生长与图像分块的非结构化道路边界检测方法。研究非结构化道路预处理方法，采用HSV空间转换和中值滤波增强图像；采用Otsu阈值分割算法二值化图像并通过形态学方法去除离散噪声点、平滑边缘；利用基于最大面积法的区域生长算法提取道路区域，结合图像分块算法提取道路边缘点并拟合道路边界。与现有非结构化道路边界检测经典算法对比，验证了本文提出的非结构化道路检测方法的可行性和先进性。 |
| 作者： | 张亚宁 |
| 专业： | 电磁场与微波技术 |
| 导师： | 孙建红;肖泽龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
