原文传递
基于单目视觉的车道和车辆的检测及跟踪算法
| 论文题名： | 基于单目视觉的车道和车辆的检测及跟踪算法 |
| 关键词： | 单目视觉;车道;车辆行驶;检测和跟踪;实时性;行驶安全;信息实现;辅助驾驶;阴影特征;图像预处理;形态学变换;中值滤波;运行速度;预测算法;形状特征;行驶状态;系统运行;系统发展;双阈值法;数字视频 |
| 摘要： | 近些年来，随着私家车数目的增加，车辆行驶安全越来越受到人们关注，成为了车辆和交通系统发展的重要课题。对车辆行驶状态进行估计、对车辆前方障碍物进行跟踪研究，不仅有利于更好地保障车辆的行驶安全，也是未来车辆发展的趋势。 本文主要研究了基于单目视觉的车辆行驶辅助技术。相比超声波、激光和雷达传感方式来说，视觉传感器具有成本低、精度高，并可提供丰富的信息等优点，在测距的同时可利用图像中包含的大量信息实现其它辅助驾驶功能。可是数字视频中所包含的信息较为间接，从中提取出辅助行驶所需要的关键信息是一件具有挑战性的工作。本文所研究的车辆行驶辅助驾驶技术由车道和前方车辆两部分组成。 本文的主要研究内容如下： 1.在图像预处理部分，分析比较了几种典型的滤波方法，最终采用运行速度较快、处理效果较好的中值滤波。针对车道方向特征，引入了45°核和135°核的Sobel算子，并结合大津法提取出车道边缘。 2.在车道的检测和跟踪部分，采用图像局部Hough变换初始检测出车道边界线，并利用实时性较好的Kalman滤波技术对车道线进行跟踪，保证系统运行的准确性和实时性。 3.在车辆检测部分，采用自适应双阈值法得到车辆底部阴影，并依据车道位置划定车辆初始检测区域；在初始检测区域中采用形态学变换和空穴填充的方法得到完整的车辆底部阴影区域，利用车辆的形状特征和阴影特征，进一步精确定位出车辆区域。 4.在车辆跟踪部分，采用Mean Shift快速算法和Kalman预测算法相结合的方法，有效的提高了目标跟踪的实时性和稳定性。 |
| 作者： | 宋彩霞 |
| 专业： | 电路与系统 |
| 导师： | 王波涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京工业大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
