基于视觉信息的道路检测算法研究

论文摘要

针对巡逻机器人运行环境的多样性和路况的复杂性进行了研究和分析,对于非结构化路面经常出现的光照变化、阴影、水迹、障碍、路口分支提出了基于视觉信息的道路检测算法,对于机器人行驶过程中的偏移导致的检测算法失效问题提出了机器人航迹偏移检测算法。针对非结构化道路的路面复杂多样、路口类型繁多的问题提出了基于交叉视觉皮质模型(Intersecting Cortical Model,ICM)的道路可行区域检测算法。ICM具有接近生物视觉信息处理机制的特点,能够根据像素及其邻域的相关性动态区分目标和背景。在检测出道路可行区域的基础上针对道路中经常出现的路口设计了一种T型模板法来检测与识别路口,能够实时检测道路中是否存在路口以及路口的类型。针对机器人在行驶的过程中由于累积误差出现航迹偏航而导致道路检测算法失效的问题,论文提出了基于道路边界线检测与跟踪以及单目测距的机器人航迹检测算法。该算法是基于机器人两侧单目摄像机能够实时的提供道路边界信息以及机器人在道路中的横向位置估计的。道路边界信息是基于Canny算子结合Hough变换的方法,该方法利用了Canny算子检测出的边缘具有单像素宽和滤波能力强的优点,结合Hough变换拟合直线。机器人利用单目测距原理实时求取机器人两侧摄像机与道路边界的距离,进而估计出机器人在道路中横向偏移位置,并在机器人偏航时给出偏航信息。论文算法已在室外环境应用机器人进行了大量的实验,结果表明算法具有较好的实时性和鲁棒性,算法是可行的。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景意义
• 1.2 国内外研究现状
• 1.3 非结构化道路的识别问题
• 1.4 课题研究内容
• 第二章 道路图像预处理
• 2.1 图像的数字化描述
• 2.2 道路图像颜色空间的选择
• 2.3 道路图像的滤波
• 2.3.1 图像滤波常用算法
• 2.3.2 道路图像滤波的实验结果
• 2.4 道路图像的边缘检测
• 2.4.1 边缘检测常用算法
• 2.4.2 道路图像边缘检测的实验结果
• 2.5 道路图像的常用分割算法
• 2.5.1 阈值选取常用算法
• 2.5.2 道路图像分割实验结果
• 2.6 本章小结
• 第三章 基于交叉视觉皮质模型的道路检测算法
• 3.1 道路检测算法常用基本假设
• 3.2 道路可行区域提取算法方案
• 3.3 基于交叉视觉皮质模型（ICM）的道路检测
• 3.3.1 交叉视觉皮质模型
• 3.3.2 ICM最佳分割阈值以及循环迭代次数的确定
• 3.3.3 基于ICM的道路图像分割实验
• 3.4 基于种子标号法的可行区域提取
• 3.5 路口检测
• 3.5.1 T型模板法
• 3.5.2 路口检测实验
• 3.6 本章小结
• 第四章 机器人航迹检测算法
• 4.1 道路边界线的检测与跟踪
• 4.1.1 Hough变换检测直线算法简介
• 4.1.2 道路边界线的检测与跟踪算法
• 4.1.3 实验结果与分析
• 4.2 机器人的横向偏移位置估计
• 4.2.1 单目视觉测距原理
• 4.2.2 机器人横向位置偏移估计算法设计
• 4.2.3 实验及结果分析
• 4.3 本章小结
• 结论
• 致谢
• 参考文献
• 攻读学位期间发表的学术论文