基于计算机视觉的道路识别方法的研究

论文摘要

实时、可靠的道路识别是智能车辆研究的一个关键技术,在车辆自主导航中起着重要的作用。由于道路的多样性和外界环境的复杂性,如何实时、准确的对道路进行识别是目前道路识别领域研究的重点。近年来,很多学者在道路识别研究工作中做出了很多努力,并取得了一定的进展,也形成了各种各样的道路识别方法。本文研究了一种基于特征的道路识别算法,算法将基于区域特征的方法和基于边缘特征的算法结合,最终完成对道路的识别。算法首先采用基于区域特征的分水岭算法识别道路,如果识别结果能够满足要求,就直接进行道路拟合；如果不能够满足要求,则采用基于边缘特征的检测算法识别道路,两种方法结合,实现道路识别。此外,在实现道路识别的基础上,本文还根据道路的识别结果进行障碍物(主要为车辆)检测。基于区域特征的算法是在分水岭算法的基础上进行的,本文提出了对特征区域实时更新的算法并设定了区域更新条件,以达到更好的识别效果。基于边缘特征的算法是在基于区域特征的算法基础上进行的。如果基于区域特征的算法识别效果不理想,就在分水岭算法划分的道路区域内进行边缘检测,结合两者,最终实现道路的识别。障碍物检测也是课题的一项主要工作。考虑到障碍物一定是在道路区域内,算法首先划分出道路区域,在划分的道路区域内进行障碍物检测。本文制定了道路识别性能的评价指标,通过对视频库内测试样本的实验,对算法的性能进行了评价,并分析了算法的优缺点。实验表明,算法在识别效果和运行速度上都比较理想,能够满足道路识别要求。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 课题研究背景
• 1.1.2 课题的研究意义
• 1.2 国内外研究现状
• 1.2.1 基于特征的方法
• 1.2.2 基于模型的方法
• 1.2.3 与其它技术融合
• 1.3 本文的主要研究内容及技术路线
• 1.3.1 道路识别
• 1.3.2 障碍物检测
• 1.4 本文的组织结构
• 第二章 分水岭算法
• 2.1 分水岭算法简介
• 2.1.1 基本概念
• 2.1.2 基于数学形态学的算法
• 2.1.3 基于地形学距离的算法
• 2.2 改进的分水岭算法
• 2.2.1 初始化道路和背景定义
• 2.2.2 分水岭变换
• 2.2.3 求取道路边线
• 2.2.4 更新极小值
• 2.3 实验
• 2.3.1 视频实验
• 2.3.2 实验结果分析
• 2.4 本章小结
• 第三章 边缘检测算法
• 3.1 图像预处理
• 3.1.1 灰度化
• 3.1.2 滤波
• 3.1.3 边缘增强
• 3.1.4 阈值处理
• 3.2 车道线检测
• 3.2.1 划分感兴趣区域
• 3.2.2 车道线拟合
• 3.3 实验
• 3.4 本章小结
• 第四章 障碍物检测算法
• 4.1 障碍物检测算法简介
• 4.2 结构化道路中的障碍物检测算法
• 4.2.1 感兴趣道路区域（ROI）
• 4.2.2 障碍物初检测
• 4.2.3 障碍物确认
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 未来工作
• 参考文献
• 攻读硕士学位期间的研究成果
• 致谢