原文传递
基于滤波和状态估计的复杂路况车道线检测拟合与跟踪预测技术研究
| 论文题名： | 基于滤波和状态估计的复杂路况车道线检测拟合与跟踪预测技术研究 |
| 关键词： | 无人驾驶;复杂路况;车道线检测;跟踪预测;卡尔曼滤波;状态估计 |
| 摘要： | 伴随着传统燃油汽车向新能源汽车的转型，当今车辆的各项功能越来越完善，而无人驾驶作为其中的重要研究课题，也随之蓬勃发展。作为无人驾驶中的关键技术之一，车道线检测技术在车道保持、车道偏离预警及路径规划等领域中应用广泛，其算法种类也层出不穷。然而复杂场景下的车道线检测任务依然艰巨，如何提升复杂路况下车道线检测结果的鲁棒性与准确性，仍是一个值得关注的课题。 本文针对复杂路况下的车道线检测，主要内容为基于图像预处理与多特征融合的车道线信息提取、基于改进滑动窗口法与随机抽样一致性算法的车道线拟合以及基于卡尔曼滤波的车道线跟踪算法设计，最后在公开数据集中对比验证实验效果。 1. 基于图像预处理与多特征融合的车道线信息提取。本文采用的图像预处理步骤包括图像去畸变、自适应感兴趣区域求取两步，以有效去除复杂路况下图像中的畸变与噪声。同时，为了提取出完善且准确的车道线信息，本文设计了一种融合不同颜色信息与边缘信息的多特征融合规则。 2. 基于逆透视变换与随机抽样一致性算法的车道线拟合。首先采用图像逆透视变换技术将图像转化为鸟瞰图，以计算真实的车道线坐标参数。本文考虑到车道线的历史信息，设计改进滑动窗口法以更准确地定位车道线像素坐标。最后，本文在基于最小二乘法的基础上，加入随机抽样一致性算法，排除图像中干扰点的影响，使车道线拟合结果更精确。 3. 基于卡尔曼滤波的车道线跟踪算法设计。本文考虑到复杂路况下容易出现的车道线信息丢失等问题，分别采用卡尔曼滤波算法与扩展卡尔曼滤波算法对车道线模型建模。首先设计针对线性对象的多维卡尔曼滤波车道线跟踪算法，以实现对车道线方程参数的实时鲁棒跟踪；随后设计基于扩展卡尔曼滤波的车道线跟踪算法，实现对车道线中关键坐标点的跟踪与预测，使整体的车道线跟踪算法更鲁棒。 4. 采用公开数据集对本文设计的车道线检测与跟踪算法进行对比验证。实验结果表明，本文的车道线检测与跟踪算法在复杂路况下，准确率达到了85.89%，检测率达到了98.63%，具有较好的鲁棒性与较高的准确性。 |
| 作者： | 曾杨帆 |
| 专业： | 交通运输 |
| 导师： | 陈章勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
