智能驾驶是全球汽车行业变革的一个大趋势,而车道线识别与车道偏离预警技术则是智能驾驶汽车的眼睛,是其不可缺少的基础技术。该技术可以减少许多由于车辆非自主偏离而发生的车祸,具有十分重要的研究意义和应用价值。本文对基于单目视觉的车道线识别与车道偏离预警技术进行了深入研究,旨在进一步提高其检测速度和准确率。本文主要研究内容和成果如下:(1)设计了高效的图像预处理流程(包括灰度化、去噪、增强、二值化及检测区域确定):根据道路图像特征设计了彩色通道与加权平均值结合法将彩色图转化为灰度图;提出灰度均值作为图像分类指标,并对不同光照强度图像进行增强;根据道路图像特征确定检测区域。最终得到的检测区域为原图17%左右,车道线特征也更为明显。(2)改进了Hough车道线检测算法:采用形态学滤波去除车道线空洞;根据道路图像特点结合Canny自定义差分算子进行边缘检测;根据车道线斜率、宽度等特征筛选符合条件的车道线。该算法在没有进行车道线跟踪情形下检测准确率为87%左右,耗时为21ms左右。(3)提出了基于动态划分检测区域的车道线检测算法:根据车道线在道路图像中远窄近宽特点动态划分检测区域并设置相应宽度阈值;根据车道线边缘点特征(包括灰度值变化、车道线宽度及相邻边缘点距离等)设计了多阈值车道线边缘点提取方法;采用基于RASANC的三阶贝塞尔曲线对提取的边缘点拟合。该算法能很好地检测出各种复杂环境下的多种类型车道线,且其检测准确率比改进Hough检测算法高5%左右,耗时少11%左右。(4)设计了基于条件密度传播粒子滤波的车道线跟踪算法:首先根据车道线模型参数确定状态转移模型;然后进行模型更新;最后进行重采样与状态估计以更新车道线模型参数,从而实现车道线跟踪。该算法利用跟踪结果改善了车道线检测效果(在保证检测实时性的前提下检测准确率提升了3%以上),从而提高了车道线识别系统的鲁棒性。(5)改进了基于跨越车道线时间的车道偏离预警算法:设计了偏离时间计算方法;对车载相机标定以获取相机内外参数;对比设置的时间阈值决策是否预警。该算法偏离预警准确率为94%左右,且每帧检测耗时为30ms左右,算法具备较好的实用性。