基于粒子滤波的车道标识线检测与跟踪算法的设计与实现

论文摘要

智能交通系统(Intelligent Transportation System, ITS)的主要内容是检测汽车驾驶环境,其中道路检测是ITS的关键技术之一.车道标识线作为道路的基本约束,能够用于估计自车前进方向和自车定位,并且可提供路面车道信息,其检测与跟踪在基于视觉的智能交通系统中是必不可少的.现存的基于视觉的车道检测和跟踪算法,多数用于高速公路上车辆的自主导航,无法解决特殊的道路状况,如高速公路出口、双车道标识线等,并且算法的初始约束条件假设较多,如自车初始位置与车道的一部分平行,初始图像中除了车道标识线外没有其他线形结构干扰,但现实很难达到如此理想的初始环境.本文首先分析了基于视觉的车道标识线检测与跟踪算法的研究现状,通过对比各种算法,阐述了现存车道标识线的检测与跟踪算法存在的问题.其次,提出了基于置信度度量的车道标识线检测算法,通过边缘点检测得到车道标识线的边缘,用车道方向估计方法去除不可能是车道标识线的边缘线,并建立融合多帧检测结果的有限状态机,实现了车道标识线的状态判定,能够及时地停止对消失车道标识线的检测与跟踪.再次,根据粒子滤波理论,提出了基于CONDENSATION算法的车道标识线跟踪算法,依据车道标识线的先验知识,建立相应的状态转移模型和观测更新模型,得到描述车道标识线的状态的后验概率估计,并采用分割采样等方法将算法性能加以改进,提高了跟踪的准确性和可靠性.最后在不同条件下进行算法评估,包括不同的光照条件、天气条件和道路状况,都能够达到较高的识别率,评估结果证明了算法的有效性和鲁棒性.算法的实时频率为30Hz.

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.1.1 智能交通系统的概念与起源
• 1.1.2 智能交通系统的意义
• 1.1.3 智能交通系统的发展现状
• 1.2 基于机器视觉的车道标识线检测与跟踪算法的研究现状
• 1.2.1 车道标识线检测算法的研究现状
• 1.2.2 车道标识线跟踪算法的研究现状
• 1.3 存在问题
• 1.4 本文的研究内容和组织结构
• 1.4.1 研究内容
• 1.4.2 组织结构
• 第2章 粒子滤波理论
• 2.1 概述
• 2.2 贝叶斯滤波原理
• 2.3 蒙特卡罗方法
• 2.3.1 蒙特卡罗方法的基本原理
• 2.3.2 蒙特卡罗方法的基本步骤
• 2.4 粒子滤波
• 2.4.1 先验知识的获取
• 2.4.2 重要性采样
• 2.4.3 序列重要性采样
• 2.4.4 后验概率的计算
• 2.4.5 退化现象
• 2.5 粒子滤波算法描述
• 2.6 本章小结
• 第3章 车道标识线检测算法设计
• 3.1 概述
• 3.2 约束条件假设的比较分析
• 3.3 基于置信度度量方法的车道标识线检测
• 3.3.1 边缘点检测
• 3.3.2 车道方向估计
• 3.3.3 候选车道标识线提取
• 3.3.4 置信度度量
• 3.4 本章小结
• 第4章 车道标识线跟踪算法设计
• 4.1 概述
• 4.2 CONDENSATION算法描述
• 4.3 基于粒子滤波的车道标识线跟踪算法描述
• 4.3.1 粒子状态的描述
• 4.3.2 先验知识的获取
• 4.3.3 基于CONDENSATION算法的模型建立
• 4.3.4 后验概率的计算
• 4.3.5 重采样
• 4.4 算法性能增强
• 4.4.1 分割采样
• 4.4.2 重要性采样
• 4.4.3 初始化采样
• 4.5 算法流程
• 4.6 本章小结
• 第5章 基于粒子滤波的车道标识线检测与跟踪算法试验
• 5.1 算法运行环境
• 5.1.1 软件运行环境
• 5.1.2 硬件运行环境
• 5.2 算法评估方法
• 5.2.1 评估数据
• 5.2.2 评估方法
• 5.3 评估结果
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 展望
• 参考文献
• 致谢