论文部分内容阅读
伴随着人们经济水平的提高,汽车的拥有量逐年增加,人们的出行越来越便利,伴随着这些方便,交通拥挤,交通事故也越来越多。近年来,安全辅助驾驶,智能车等受到越来越多的关注,这方面的产品能够有效地减少甚至避免交通事故的发生,为人们带来福音。其中,路面上交通标志线的识别和预警作为安全辅助驾驶的一个重要分支,在其中起着举足轻重的作用。而这个内容正是本文的研究内容。本文针对上述研究内容,从路面区域提取、车道线识别及预警、路面上指示类标志线的识别及提示几方面展开研究,主要有以下工作量:(1)由于车道线和指示类交通标志线是本文的目标对象,而这些目标对象都位于路面上,因此精确的提取路面区域变成了一个重要的任务。本文中基于区域生长的方法做了一系列的改进并进行实验分析,最终提出了将分块动态多种子区域生长与基于YcrCb像素特征相结合的路面区域搜索方法,先搜索出大致范围,再通过消除明显的非路区,对图像的轮廓信息量分析排除,最终比较精确的定位出路面区域,为后续的路面交通标志线的提取做好铺垫。(2)利用基于HSV和RGB相结合颜色信息的全局搜索法将所有点集提取出来,并对点集贴标签,进行连通域分析,求取每个连通区域的最大宽度作为连通区域的宽度,设定上下限阈值,将非车道线的区域进行初步排除;在得到的疑似车道线的点后利用最小二乘拟合的方法对车道线点进行拟合,并在拟合后根据消隐点原理排除非车道线信息,最终实现将车道线的识别划分为黄白线、单双线、虚实线的识别三项工作。(3)实现了一种自适应的横向标定方法,根据图像上y的位置得到图像上两车道线间的像素宽度,再根据像素宽度与实际宽度的关系推导出当前车辆与车道线间的距离。将车辆分为有偏转和无偏转两种状态,在不同行驶状态下,提出了不同的距离计算模型,在设定的条件下实现了不同阈值下进行不同级别的预警。(4)对于路面上指示类交通标志线的识别,本文中建立了较全面的样本库信息,使用了在当前车道线之间建立梯形区域对当前标志进行定位的思想,并对当前定位的标志做了形状尺寸规范化操作,实现了Hu矩特征提取和Zernike矩特征提取两种方法,最终用相似性度量方法中的最小欧氏距离做分类器,进行分类识别,并结合当前车道线的颜色,线型信息给驾驶员相应的提示。本文在VC++6.0及OpenCV平台下,研究了车道线识别并进行偏离预警判断、路面上指示类交通标志线的识别及提示两大方向,实验表明,本文的算法能够较好地完成车道线和指示类标志线的识别,并将两者结合给驾驶员相应的预警或提示。