基于单目视觉的道路检测算法的研究

论文摘要

智能车辆是近年来各国潜心研究的一个重要领域。其中,基于视觉的导航系统更是以其特有的优势在此领域占有一席之地。一个好的智能车辆辅助驾驶系统,需要可以实时检测行驶环境,确定道路的边界,使得智能车辆能够在无人驾驶或操纵的情况下,自主安全平稳的行驶。对于结构化道路,本文将重点放在车道线的检测上,首先从图像的预处理、边缘提取的经典算法出发,应用中值截距和Catmull-Rom样条函数对车道线进行分段拟合。算法分别对直道型和转弯型道路进行检测。可以有效地检测在各种条件下白色道路边沿标志线,并准确地估算公路延伸方向,为行驶车辆提供防偏预报。本文采用基于语义映射的方法完成非结构化道路检测。应用“野外非结构化语义模型”把现实中变化的路况归结为同一个模型,使得系统运算量小,检测速度快,具有一定的抗阴影和水迹的能力。本文首次将随机森林引入道路检测。应用随机森林为道路样本的分类寻一最优的分类算法,提高了道路检测的精度。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.1.1 视觉导航在智能车辆中的应用
• 1.1.2 论文的研究目的
• 1.1.3 论文的研究意义
• 1.2 视觉导航系统中道路检测方法的国内外研究现状
• 1.2.1 基于假设的识别方法
• 1.2.2 基于特征的识别方法
• 1.3 论文的主要工作和组织结构
• 第二章 车道线检测与跟踪算法
• 2.1 标准结构化道路车道线的检测的引入
• 2.2 图像预处理
• 2.2.1 道路图像的滤波处理
• 2.2.2 阈值分割
• 2.3 边缘提取算法的研究
• 2.3.1 梯度算子
• 2.3.2 高斯型的拉普拉斯算子
• 2.4 求取道路分道线方程
• 2.4.1 最小二乘法
• 2.4.2 Hough 变换
• 2.4.3 应用中值截距提取车道线方程
• 2.4.4 Catmull-Rom 样条函数拟合
• 2.5 实验结果与分析
• 2.5.1 实验结果
• 2.5.2 实验分析
• 2.6 本章小结
• 第三章 基于语义映射的非结构化道路的检测算法
• 3.1 非结构化道路研究的引入
• 3.2 基于语义映射的道路识别算法
• 3.2.1 动态场景的语义理解的意义
• 3.2.2 野外非结构化道路语义模型
• 3.2.3 算法描述
• 3.3 实验结果及分析
• 3.3.1 实验结果
• 3.4 本章小结
• 第四章 随机森林应用于道路检测
• 4.1 随机森林简介
• 4.1.1 决策树简介
• 4.1.2 随机森林和其理论背景
• 4.2 基于随机森林的道路样本的分类算法
• 4.2.1 训练和测试样本的选择
• 4.2.2 样本特征的选取
• 4.3 实验设计与结果分析
• 4.3.1 实验设计
• 4.3.2 实验结果与分析
• 4.5 本章小结
• 第五章 总结与展望
• 致谢
• 参考文献