基于差分激勵(lì)的車道線檢測(cè)研究.pdf

1、隨著社會(huì)的飛速發(fā)展和道路交通系統(tǒng)的日益完善，我國(guó)人均汽車保有量快速提升，但交通擁堵和安全等問(wèn)題也隨之而來(lái)。用于解決這些問(wèn)題的智能交通系統(tǒng)目前正愈發(fā)受到人們重視，各國(guó)政府都投入大量經(jīng)費(fèi)對(duì)其進(jìn)行研究。智能車是智能交通系統(tǒng)的重要組成部分，是一個(gè)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(tái)，代表了汽車未來(lái)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(cè)技術(shù)長(zhǎng)期是學(xué)者們研究的重點(diǎn)課題

2、。該技術(shù)通過(guò)分析車載視覺系統(tǒng)采集的道路圖像，及時(shí)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(chǎng)景下快速、準(zhǔn)確地檢測(cè)出車道線是智能車的一項(xiàng)關(guān)鍵技術(shù)。本文提出了一種基于差分激勵(lì)的車道線檢測(cè)算法。該算法首先進(jìn)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(lì)的車道線特征點(diǎn)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(kù)上的仿真實(shí)驗(yàn)結(jié)果表明：與其他典型車

3、道線檢測(cè)算法相比，所提算法能夠顯著地提高檢測(cè)精度，且具有較好的魯棒性和實(shí)時(shí)性。本論文的主要研究?jī)?nèi)容及貢獻(xiàn)包括以下三方面:
　　1)提出了基于差分激勵(lì)的車道線特征點(diǎn)提取方法。針對(duì)常用車道線特征點(diǎn)提取方法的不足并根據(jù)實(shí)際道路圖像的特點(diǎn)，本文提出了基于差分激勵(lì)的提取方法。該方法首先通過(guò)差分激勵(lì)算子對(duì)灰度圖像進(jìn)行紋理增強(qiáng)，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(diǎn)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(shí)用的特征點(diǎn)去冗余方法。由于提取出的特征信息較多，若直接對(duì)其進(jìn)行擬合處理則整個(gè)算法的實(shí)時(shí)性會(huì)受到嚴(yán)重影響。本文提出對(duì)特征圖像進(jìn)行掃描，若其中連續(xù)的水平信號(hào)滿足預(yù)定的要求，則從該段信號(hào)中選取出特征點(diǎn)。反之，則將該段信號(hào)作為噪音或背景信息直接去除。通過(guò)該方法，所提算法有效地減輕了后續(xù)處理的計(jì)算量，提高了算法的實(shí)時(shí)性。
　　3)提出了一種帶約束的Houg