基于差分激勵的車道線檢測研究.pdf

1、隨著社會的飛速發(fā)展和道路交通系統(tǒng)的日益完善，我國人均汽車保有量快速提升，但交通擁堵和安全等問題也隨之而來。用于解決這些問題的智能交通系統(tǒng)目前正愈發(fā)受到人們重視，各國政府都投入大量經(jīng)費對其進行研究。智能車是智能交通系統(tǒng)的重要組成部分，是一個集環(huán)境感知、決策規(guī)劃以及輔助駕駛等功能于一體的智能平臺，代表了汽車未來的發(fā)展方向，具有廣闊的應(yīng)用前景。
　　作為智能車環(huán)境感知系統(tǒng)的關(guān)鍵組成部分—基于視覺的車道線檢測技術(shù)長期是學(xué)者們研究的重點課題

2、。該技術(shù)通過分析車載視覺系統(tǒng)采集的道路圖像，及時提取出車道線的位置信息，以供智能車的決策規(guī)劃、車道偏離預(yù)警等系統(tǒng)使用。因此，如何在復(fù)雜道路場景下快速、準(zhǔn)確地檢測出車道線是智能車的一項關(guān)鍵技術(shù)。本文提出了一種基于差分激勵的車道線檢測算法。該算法首先進行感興趣區(qū)域提取、灰度化以及中值濾波等預(yù)處理，然后利用基于差分激勵的車道線特征點提取方法獲取特征信息，最后利用帶約束的Hough變換擬合出車道線。在公開數(shù)據(jù)庫上的仿真實驗結(jié)果表明：與其他典型車

3、道線檢測算法相比，所提算法能夠顯著地提高檢測精度，且具有較好的魯棒性和實時性。本論文的主要研究內(nèi)容及貢獻包括以下三方面:
　　1)提出了基于差分激勵的車道線特征點提取方法。針對常用車道線特征點提取方法的不足并根據(jù)實際道路圖像的特點，本文提出了基于差分激勵的提取方法。該方法首先通過差分激勵算子對灰度圖像進行紋理增強，然后根據(jù)韋伯原理，提取出差分結(jié)果中值最大的一部分作為車道線特征，最后利用所提的去冗余方法剔除特征點集中的冗余。與常用車

4、道線特征提取方法相比，所提算法在精度和速度上都有較大提升。
　　2)提出了一種實用的特征點去冗余方法。由于提取出的特征信息較多，若直接對其進行擬合處理則整個算法的實時性會受到嚴重影響。本文提出對特征圖像進行掃描，若其中連續(xù)的水平信號滿足預(yù)定的要求，則從該段信號中選取出特征點。反之，則將該段信號作為噪音或背景信息直接去除。通過該方法，所提算法有效地減輕了后續(xù)處理的計算量，提高了算法的實時性。
　　3)提出了一種帶約束的Houg