论文部分内容阅读
近几十年来,随着科学技术的发展,特别是计算机技术、信息技术、人工智能、电子技术的突飞猛进,为智能车辆的开发研究奠定了坚实的物质基础。智能车辆进入了深入、系统、大规模研究阶段。智能车辆的关键技术是车辆辅助驾驶系统,该系统采用图像处理和计算机视觉技术检测道路路面、交通标志、其他车辆、行人以及交通事故等道路环境状况,以保证车辆以安全的车距和合适的车速行驶在正确的车道上,并能对一些异常状况进行及时处理。本文提出的基于单目机器视觉的车道线检测与跟踪系统,主要是为了完善以往智能车辆辅助驾驶系统的出现的运行时间长、定位不准确等缺陷;从车辆主动安全性的角度出发,在智能车辆的安全技术保障领域进行了一些积极有益的探索,目的是为我国车辆辅助驾驶系统的应用研究开发提供现实的理论和技术支持。本文系统研究主要集中在道路的检测与识别方面。道路检测与识别就是分析智能车辆的预瞄图像,检测出车辆相对于车道的偏差,并将偏差信息送给车辆辅助驾驶系统,从而实现汽车“防偏安全行驶”。本文立足于车道线特征的提取,在图像预处理和后期的道路检测识别等方面均做出了相应的改进。在图像预处理的时候,充分考虑到车道线灰度特征,在对图像灰度化处理的时候采用了基于该特征的灰度化方法,同时在图像边缘增强的时候采用了自定义的差分算子,前期的预处理结果相对以往研究起到了一定程度的改善和提高,在对图像预处理后的图像进行处理的时候,根据CCD透视投影原理,本文提出了约束条件下的Radon变换进行车道线识别,同时通过Kalman预测参数对第一帧以外的图像动态建立ROI(Region Of Interest)区域,在该区域中利用最小二乘法拟合车道线,并将得到的车道线参数送入Kalman预测器,来预测下一帧车道线的位置参数。实验结果表明,本文提出的方法不仅提高了车道线检测的准确率,同时节省了系统运行时间。