原文传递
面向低照度的山区城市道路交通信息特征与视觉检测技术研究
| 论文题名： | 面向低照度的山区城市道路交通信息特征与视觉检测技术研究 |
| 关键词： | 智能驾驶;山区城市道路;低照度环境;交通信息特征;车道线检测 |
| 摘要： | 智能驾驶的时代已经到来，视觉感知作为智能驾驶的关键一环，以摄像头为感知工具，对车辆周围的环境信息作精确感知，在交通标识识别和车道偏离预警等辅助驾驶任务中起着重要作用。而在低照度环境下视觉传感器获取道路交通信息不足，从而导致智能驾驶系统的性能下降。因此，低照度条件下基于视觉的道路信息增强和检测技术已经成为当前备受关注的研究热点。 本论文是贵州省科技厅重大专项(项目号：黔科合重大专项ZNWLQC[2019]3012)的子课题，主要围绕低照度的山区城市道路交通信息特征与检测技术开展研究。具体内容如下： 1）以山区城市道路为研究对象，深入分析低照度条件下山区城市道路图像的特点，并利用现有实验条件，采集和整理了真实场景下的低照度道路图像，建立了专门的数据集，为后续算法验证提供数据支持。 2）针对低照度山区城市道路图像存在亮度和对比度不足、色彩失真、噪声增加等问题，提出两种方案来增强低照度道路图像质量： 方案一提出一种基于阈值分区加权亮度分量的增强方法，在空间域中对图像进行处理，通过最大熵值法设计阈值对亮度分量进行分区，并利用改进后的双曲映射函数增强图像像素，提高图像清晰度和对比度。实验结果表明，该算法可在180ms/fps以内快速提高道路图像清晰度1~2倍。 方案二综合了空间域和频率域的特点，提出一种基于双曲正切和同态滤波的增强方案。首先使用双曲正切函数对图像像素进行动态范围压缩，平衡图像的整体亮度。然后转换到频率域中，使用 4 阶巴特沃兹高通滤波器的同态滤波进一步增强，以增强图像交通信息。经实验证明，该算法处理后的道路图像亮度和对比度提高了1~3倍，使得图像中的细节更加丰富，处理速度达到400ms/fps以内。 3）车道线检测关乎自动驾驶的行车安全，对提高行车舒适性和实现自适应行车轨迹规划具有重要作用。因此针对现有车道线检测算法在低照度环境下准确率低、鲁棒性差的问题，提出一种基于深度学习的车道线检测算法。通过引入残差网络和注意力机制，利用自建数据集进行训练和检测。实验结果表明：该算法有效地提高了车道线检测的准确率，并降低了漏检率和误检率。同时，该算法的处理速度平均为154 fps/s，最快可达到300+ fps/s，可以满足实际道路条件下的实时性要求。 通过建立低照度环境下的山区城市道路图像数据集，丰富交通信息检测领域的低照度场景图像数据。设计低照度道路图像信息增强算法、车道线检测算法，为解决自动驾驶系统在低照度条件下的计算机视觉研究工作提供了理论支撑。 |
| 作者： | 代建琴 |
| 专业： | 机械工程 |
| 导师： | 冯治国 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
