基于形态及分布特征的车道线识别技术的研究与实现

论文摘要

汽车是人类社会进步的产物之一,促进着人类社会的进步,成为人们生活中不可替代的交通工具。随着汽车工业的不断发展以及社会的不断进步,汽车在人们的生活中已经大范围普及,并且起着越来越重要的作用,然而汽车行驶的安全问题也日益突出。面对日益严峻的交通安全形势,提高汽车安全性能、减少交通事故的发生成为人们的必须关注的焦点,其中发展以预防为核心的智能辅助驾驶系统已成为迫切的需求。车道线是汽车行驶的重要标识,所以对车道线的识别也成为智能辅助驾驶系统的一个重要功能,本文从分析车道线的形态特征及分布特征入手对车道线识别技术进行研究。本系统的主要流程为：首先对图像进行灰度化,滤波,二值化等一系列必要的预处理,为后面的处理提供实现的必要条件,提高后续识别的准确性。其次,在车道线特征区域提取阶段,利用道路区域和非道路区域之间存在的自然分界线,对图像进行自底向上的二分扫描,提取出车道线的特征区域,此方法提高了系统的实时性。然后,利用车道线特有的形态特征及分布位置特征对特征区域进行筛选过滤、合并拟合以及预测处理,提高算法的完整性及识别的准确性。最后,利用序列图像之间的相关连续性根据对前面图像处理得到的识别信息在后续图像中进行跟踪检测,缩小扫描范围,减少干扰信息的存在,提高了跟踪识别的准确性和实时性。实验结果表明,本文的基于形态及分布特征的车道线识别算法可以较为准确的检测出道路上的车道线,并且可以实现对视频的跟踪处理,具有较好的鲁棒性和较高的运行效率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文的主要工作
• 1.3.1 研究内容
• 1.3.2 组织结构
• 第2章 图像处理的理论基础
• 2.1 平滑处理
• 2.1.1 灰度化
• 2.1.2 图像平滑
• 2.2 边缘检测
• 2.2.1 图像增强
• 2.2.2 二值化处理
• 2.3 数学形态学
• 2.3.1 膨胀
• 2.3.2 腐蚀
• 2.3.3 开运算和闭运算
• 2.3.4 区域生长
• 2.4 车道线识别常用方法
• 2.4.1 车道线识别方法
• 2.4.2 车道线跟踪方法
• 2.5 本章小结
• 第3章 车道线特征区域提取
• 3.1 基于道路区域的车道线特征提取
• 3.1.1 道路区域提取
• 3.1.2 车道线特征提取
• 3.2 基于形态特征的车道线特征提取
• 3.2.1 图像预处理
• 3.2.2 车道线特征区域提取
• 3.2.3 基于形态特征的车道线特征区域提取算法
• 3.3 本章小结
• 第4章 车道线识别
• 4.1 车道线检测技术
• 4.1.1 基于Hough变换的车道线检测
• 4.1.2 基于分布特征的车道线检测
• 4.2 车道线拟合
• 4.2.1 车道线合并
• 4.2.2 拟合参数的确定
• 4.3 车道线预测
• 4.4 本章小结
• 第5章 车道线跟踪
• 5.1 车道线区域预测
• 5.2 车道线特征提取
• 5.3 车道线跟踪识别
• 5.4 重定位判断
• 5.5 本章小结
• 第6章 实验设计及算法性能分析
• 6.1 正确性及鲁棒性分析
• 6.2 速度测试
• 6.3 本章小结
• 第7章 结束语
• 7.1 本文工作总结
• 7.2 未来工作展望
• 参考文献
• 致谢
• 发表论文情况