《基于图像处理的车道线识别算法研究讲解》由会员分享，可在线阅读，更多相关《基于图像处理的车道线识别算法研究讲解（42页珍藏版）》请在金锄头文库上搜索。
1、长春理工大学本科毕业论文基于图像处理的车道线识别算法研究摘要为了提高车道线识别算法的实时性和准确性，提出了一种基于改进Hough变换的车道线检测方法。在车道线的预处理阶段，首先确定图像中的感兴趣区域，然后对图像进行平滑处理、自适应阈值分割、边缘检测，从而减少了后期的处理数据量，排除了大部分的干扰因素。在车道线的识别阶段，根据圆和椭圆的性质，对传统的霍夫变换进行改进，极大减小了在检测圆和椭圆时的计算量，并提高了检测的准确性。最后使用OpenCV图像处理库编写程序，证明了新算法的正确性，得到了理想的结果。关键词：车道线识别 椭圆检测 霍夫变换 Study on Lane Mark Identifi
2、cation Algorithm Based on Image ProcessingAbstractIn order to improve the real-time and accuracy of lane recognition algorithm, presents a method of lane detection based on improved Hough transform. The preprocessing stage in the lane line, first determine the image of the region of interest, and th
3、en smoothing, adaptive threshold segmentation, edge detection of image, thereby reducing the amount of data processing stage, most of the interference factors. The recognition phase in the lane line, according to the nature of the circle and ellipse, improvement of the Hof transform to the tradition
4、al, greatly reduces the amount of computation in the detection of circle and ellipse, and improve the accuracy of detection. Finally, the use of OpenCV image processing library program, proved the correctness of the new algorithm, and the desired result.Key Words：lane mark identification；ellipse det
5、ection；hough transform目录摘要IAbstractII目录III第1章绪论11.1研究背景12.1国内外研究现状21.2.1国外研究现状21.2.2国内研究现状33.1论文主要内容3第2章车道线的预处理52.1认识车道线52.1.1车道线的基本分类52.1.2车道线的标划区分62.1.3车道线的基本形状62.2感兴趣区域62.3平滑滤波72.3.1均值滤波72.3.2中值滤波82.3.3高斯滤波92.3.4平滑滤波总结102.4二值化102.4.1二值化的基本概念102.4.2大津法自适应阈值分割102.5边缘提取112.5.1Sobel算子122.5.2Canny算子13
6、2.5.3Sobel算子和Canny算子的比较14第3章Hough变换直线和椭圆的检测153.1Hough变换直线检测153.1.1Hough变换直线检测的基本原理153.1.2Hough变换的缺陷和改进163.2Hough变换圆检测173.2.1Hough变换圆检测的基本原理173.2.2对hough变换圆检测算法的改进183.2.3最小二乘法求曲线上一点的切线183.3Hough变换椭圆检测19第4章车道线的识别22结论25参考文献：26致谢28附录12939第1章 绪论1.1 研究背景车道线的识别是图像处理和交通智能化领域的一个重要分支，特别是近年来，随着只能汽车、自动识别的发展和应用，
7、车道线识别的研究得到了长足的发展，并且会在未来随着人们对识别精度、速度的要求越来越高，车道线识别领域的研究将会愈发火热，可以说这是一个方兴未艾的研究领域。车道线识别的研究成果很大程度上得益与数字图象处理和计算机技术的发展。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应
8、用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、
9、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。2.1 国内外研究现状在过去几十年中，国内外许多专家学者在车道线识
10、别和跟踪系统方面已经做出了很多积极有意义的探索。国外一些关于智能车辆辅助驾驶系统的研究成果已经比较成熟，有些已经投入到商业化应用中，相对国外的研究水平，国内的研究起步比较晚，但是发展速度比较快，相信在未来的几年里，国内的一些研究成果应该能够快速跟上国际版步伐，逐渐发展完善起自己的应用体系，尽快的投入到实际生产应用中。1.2.1 国外研究现状国外一些关于车道线识别的研究成果已经比较成熟，目前，有些方法已经投入到了实际的商业化应用中。其中，具有代表性的系统主要由：意大利帕尔玛大学开发的GOLD系统20；美国密歇根州立大学人工智能实验室开发的LOIS系统；美国卡内基梅隆大学开发的RALPH系统；美国
11、卡内基梅隆大学机器人学院NavLab实验室和Vision&Autonomous System Center联合开发的SCARF系统和ALVINN系统。GOLD系统：该系统采用立体视觉技术，根据目前车道线的油漆颜色特征来定位车道线所处位置，但是立体视觉技术面临图像匹配以及运行时间长等问题，因而该系统有设计了并行SIMD硬件结构来满足实时性要求。LOIS系统：该系统利用一种可变型的道路模板技术，将道路的弯曲度和智能车辆在行驶过程中所处道路的位置问题转换成多维参数空间的最优化问题，通过得到的最优解来解决车道偏离预警中出现的问题。RALPH系统：该系统首先根据车辆速度的变化情况，建立了与之相对应的一系
12、列梯形窗口，通过对梯形窗口内的视频图像通过逆透视变换来确定道路的弯曲度，然后计算智能车辆偏离车道中心线的距离，判断车道线偏离情况，最后通过跟踪逆透视变换得到的道路平行线，从而实现道路车道线的追踪。该系统在实验开始的时候进行了道路结构化假设，在很大程度上提高了车道线检测识别的鲁棒性。SCARF系统：该系统利用双目视觉原理，在图像中设置的梯形窗口内，利用霍夫变换来估计车道线可能出现的ROI区域，然后反投影到真实的道路平面，通过控制车辆的方向沿着ROI中心线方向行驶来确保车辆不会偏离车道线。ALVINN系统：采用基于BP神经网络的方法，通过对不同天气状况下的车道线特征进行训练，来得到一个参数训练模型
13、，从而根据训练得到的参数模型来预测不同天气状况下的车道线位置。1.2.2 国内研究现状今年来，我国在该领域也做了一些积极的探索和研究，但是与其他发达国家相比起步比较晚，因此，国内在该领域的研究和探索还存在一定的改进空间。国内的研究成果主要有以下几个：清华大学计算机智能技术与系统国家重点实验室研制的THMR系统：该项目采用的道路模型是直线模型，利用多窗口的双阈值二值化进行特征提取，在后续处理中采用增强转移网络来完成，在算法实时性方面做得比较好，但由于道路模型首先，因此只能对直线车道进行检测和识别。吉林工业大学研制的JUTIV系统：该项目采用3D回旋曲线为道路模型，用最大类方差方法来设定阈值提取道
14、路边缘，利用随即采用的LmedSquare方法进行车道线曲线拟合，同时结合了驾驶员稳态预瞄原理，建立了车道线拟合的预测区域，并进一步利用多传感器信息融合技术对复杂环境下的车道线检测识别与跟踪等关键技术做了系统研究。3.1 论文主要内容一种车道线识别方法，包括以下步骤：从在绘有不同车道标志图案 的车道上行驶的汽车中,通过图像传 感器拍摄汽车前方视野; 从上 述步骤中拍摄的图像中选取汽车左、右车道边界的数据，通过将对所述选取的车道边界数据进行处理，完成车道线的识别，确定车辆所在区域的车道线类型。论文中主要分以下部分对车道线识别算法进行分析和描述：第2章：介绍了车道线的基本知识，分析讨论了车道线预处
15、理的过程和用到的相关算法；第3章：具体分析霍夫变换算法，并根据圆和椭圆的性质对霍夫变换算法进行改进第4章：在对所使用的算法和车道线特征进行分析综合的基础上，使用C语言结合OpenCV图像处理库编写程序实现算法，并对算法进行验证，得到最终的车道线识别结果。第2章 车道线的预处理预处理是车道线识别过程中一个十分重要的一环。良好的预处理能使排除各种干扰，使运算量大大下降，大大提高车道线识别的实时性和准确性，反之，则不仅会使识别效率降低，甚至导致得到错误的结果。预处理的过程主要分为车道线的设置感兴趣区域、平滑滤波、阈值分割、边缘检测。本章首先简要介绍车道线的基本知识，然后对感兴趣区域的原理和应用进行分析，并针对车道线的具体特征和要得到的目标选择合适的预处理方法，进而对每种预处理过程中的算法进行分析讨论，得出适合的预处理算法。2.1 认识车道线2.1.1 车道线的基本分类车道分界线是用来分隔同方向行驶的交通流的交通标志线，凡同方向车行道有两条或两条以上车道时,均应划车道分界线。车道分
