论文部分内容阅读
统计表明,许多的交通事故是由于司机疏忽或疲劳驾驶引起的。汽车辅助驾驶系统正是被设计用来在汽车将要驶离车道或发生碰撞时警告司机,以帮助其保持车辆安全行驶,避免事故发生。而车道线检测与识别是实现这一技术的首要问题。因此本文围绕基于单目视觉传感器的车道线检测与识别技术进行了深入研究。论文的研究内容主要包括:视频采集、图像预处理、车道线特征提取、车道线拟合、车道偏离预警五个方面的内容。基于微软的VFW(Video for Windows)视频软件服务包,提出了新的视频开发接口,实现视频流的实时采集,然后将采集图像以JPEG格式保存,它是后续算法处理的基础。围绕基于单目视觉的车道线检测技术,采用了新的基于B-Spline的2D车道线模型,并假设道路边界在平面图上是平行的,该模型可以处理更多道路结构。利用透视平行线的知识将车道左右边界检测问题转化为车道中线检测问题,从而实现了对车道线检测算法的有效改进和处理。根据道路图像中车道线的边缘检测效果显著特性,采用Canny算子得到梯度变化较大区域。针对车道线可能存在的曲率现象,使用了对车道线感兴趣区域水平切割的解决方法。该方法利用透视投影特点,在图像平面上找出路面与天空的水平(消失)线,以此切割图像确定车道线感兴趣区域。对车道线提取问题在CHEVP(Canny/Hough Estimation of Vanishing Points)算法基础上进行了改进。对车道线感兴趣区域的确定采用了根据图像特征自动调节水平线位置的解决办法。使用了参数可自调节的Hough变换检测直线算法,并将像素的梯度值作为直线的权值。提出一个约束条件去除干扰直线,使每块图像得到唯一一对直线作为预估车道线边界。根据预估车道线边界提出了中线构建方法,采用B-Spline曲线模型将中线及车道左右边界拟合为光滑的曲线。最后以车道中线的方向与当前汽车行驶方向的夹角作为依据,来判断是否进行车道偏离预警。大量的实验表明该算法有效,具有较好的鲁棒性,同时对视觉导航领域的研究也有一定的借鉴意义。