一种基于双曲线模型的车道线检测算法

针对目前车道线检测算法识别率不高、弯道检测不准确的问题,提出了一种基于双曲线模型的车道线检测算法.算法首先运用Canny算子对道路边缘进行检测;采用Hough变换提取道路边界点,并使用扩展的Kalman滤波进行预测跟踪来减小道路扫描范围;最后通过左右车道边界参数与双曲线模型参数进行匹配,利用最小二乘法来求解模型参数,完成车道边界重建.实验结果表明,该算法的准确率达到93.4%,每帧图像的处理速度为87.4ms,有效克服抛物线模型和直线模型在直道与弯道连接处不连续的问题,而且在车道线模糊、对比度较低的情况下也能快速准确的识别出车道线.     

结构化道路车道标线识别算法研究

针对传统Hough变换算法在无人车结构化道路车道标线识别中出现的中间间断车道标线提取不精准、不完整、有用车道标线信息丢失等问题,提出基于感兴趣附近区域的Hough变换车道标线识别算法．运用传统Hough变换对预处理得到的二值图像进行图像部分分块的车道标线提取,在已提取的车道标线周围划定感兴趣附近区域,找出感兴趣附近区域内的像素与车道标线的辅助度关系,通过辅助度计算累计单元的最大值,得到车道标线的参数．对无人车实时采集的图片进行实验,实验结果表明,该算法在直道、弯道情况下平均处理一帧图片耗时分别为80．42ms、92．22ms,具有很好的实时性,且该算法可以有效提取结构化道路的车道标线．     

基于DSP的直线特征提取算法

为解决车道线识别实时性差问题,提出了基于DSP的直线特征提取算法.基于DM6437视频采集系统,通过CCD摄像头采集图像数据,对感兴趣区域提取灰度,以减少实时算法的计算量;在此基础上,通过对有效区域进行改进算法的中值滤波,有效选择噪声和信号点的灰度值进行中值处理,实现道路有效区域边缘保护和消除噪声的功能;再通过提取直线特征边缘检测,根据需要进行Sobel边缘检测,结合直方图筛选、直线连通性分析能有效的平滑噪声并细化边缘,能够达到道路图像的分割、配准和识别的效果,提高算法的准确性和实时性;最后,结合霍夫变换算法,在边缘检测的基础上得到直线参数方程,并且通过先验知识改进Hough变换算法提高算法实时性,准确找出直线位置.     

基于单目视觉的非结构化道路检测与跟踪

针对智能车辆视觉导航中的车道保持问题,采用单目视觉技术检测非结构化道路上的车道线和道路边界,解决不同路况下道路检测的鲁棒性与实时性问题.首先用一种自适应阈值分割Otsu方法把道路分为道路区域和非道路区域;然后利用Otsu算法处理后的图像对Canny边缘进行滤波,在消除复杂背景边缘的同时保留可能的弱的道路边界;最后,用直...     

基于Beamlet和K-means聚类的车道线识别

为了解决视频车道线识别中抗噪性差和鲁棒性低的问题,本文提出了一种基于新的特征提取和分类的快速车道线识别算法。算法首先对预处理后的灰度图像进行改进的Beamlet变换,然后对Beamlet的中点集合运用改进的K-means方法进行聚类分析;最后对每类中的中点集合分别进行基于三阶贝塞尔曲线的RANSAC拟合后可以准确地提取出车道线。本文通过简化Beamlet词典与快速提取Beamlet基,加快了Beamlet变换的计算速度;通过寻找最佳投影线与多次迭代聚类中心来改进K-means聚类,解决了曲线车道线和车道线数目的聚类问题。实验证明,对于结构化或非结构化的道路环境,本文算法的都具有很好的可靠性、实时性和鲁棒性。     

基于线性双曲线模型的车道线检测算法

提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中Canny边缘检测算子对阴影及光照变化较为敏感的缺点,该文对灰度图像进行二维FIR滤波之后,采用大津法实现可靠的车道边缘检测;然后利用Hough变换初步获得车道中线及消失点坐标,在此基础上采用Mid-to-Side策略进一步从边缘图像中提取车道的边界点,最后采用最小二乘拟合方法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准确性。     

基于信息融合的车道检测算法

提出了一个基于图像区域分割和边缘检测信息融合的车道检测算法,首先在HSV颜色空间内进行基于区域的分割,得到车道边界的模板;接着将车道边界模板和道路边缘检测结果进行操作,得到车道边界点;最后对车道的边界点使用Hough变换进行处理,得到车道的方向和位置.算法将基于区域分割的信息和边缘检测的信息相互补充,提高了车道边界提取的精度.仿真实验结果表明,对于多种复杂的道路环境算法都可以鲁棒的检测出准确的车道.     

基于SIFT和SSDA特征匹配的实时车道线检测

车道线检测是智能交通系统研究的一个重要方向.提出了一种基于SIFT和SSDA特征匹配的车道线检测算法.首先通过改进Sobel算子来提取车道线边缘特征,并设置感兴趣区域(ROI)缩小范围,然后进一步提取车道线特征点并通过Hough算法拟合成直线,接着采用SIFT算法提取影像关键点并进行初次匹配,最后运用SSDA算法进行影像精匹配,从而融合成完整车道线影像.结果表明,采用改进Sobel算子可以提取到更多的车道线资讯;而采用SSDA算法,比传统NCC算法匹配精度更高,实时性进一步提高.     

基于RGB熵和改进区域生长的非结构化道路识别方法

非结构化道路通常没有车道线等引导标线,且边界模糊,周围干扰因素较多,在这种道路上自动驾驶以及车辆辅助驾驶的车道保持功能将不能可靠工作。通过生成道路RGB图像的熵图像,并计算此熵图像直方图的最小差值,以此差值作为阈值初步分割道路图像并使用改进区域生长方法提取出道路区域。使用实时性较好的二次曲线建立车道模型,并使用改进的最小二乘拟合方法可有效避开道路区域边缘杂点并提高边缘拟合速度。试验结果表明,改进的方法可以快速并较好地提取出非结构化道路图像中的车道并拟合出车道线,有利于实现基于视觉的自动驾驶和车辆辅助驾驶系统在非结构化道路上的车道保持。     

基于TopHat分割和曲线模型的三车道检测方法

为了解决传统三车道检测过程中算法易受干扰、车道线拟合不准确、两侧车道误判等问题,提出了一种基于顶帽算法( TopHat)分割和曲线模型的三车道检测方法。利用车道线的形状和颜色特征,在图像预处理阶段提出了一种变内核TopHat的车道线分割算法。在车道线识别阶段,首先,提出了一种基于加权最小二乘法( weighted least squares,WLS)的消失点拟合方法以约束霍夫变换;其次,在极坐标中以DBSCAN( density-based spatial clustering of applications with noise)聚类法对直线聚类并匹配三车道模板;再次,以该模板为基础建立车道线感兴趣区,在每个感兴趣区内搜索并以三次曲线模型拟合车道线;最后,对于不确定的边侧车道,提出了一种基于随机投种法的边侧车道可行驶性判定方法。算法检测率以及漏检率结果显著优于传统三车道识别算法。实验结果表明：该算法具有良好的准确性及稳定性,更适用于三车道环境。     

车载移动执法中违规车辆智能检测研究

提出了一个面向高速道路交通车辆违规行为移动执法智能检测模型。系统模型分为车道线检测、车辆检测与跟踪、逆透视变换及几何量算、面向车道定位的地图精细匹配等4个子模块。该系统模型算法在实际高速公路环境中进行了车辆违规行为检测,以及车道线检测、车辆目标及跟踪等专项测试以表征其对车辆违规行为的检测能力。测试结果表明,该系统模型具备在一定的复杂交通环境中车辆违规行为辨识能力。相关专项测试表明,该模型可以快速及准确地检测记录违规车辆。     

Robust lane recognition for structured road based on monocular vision

A robust lane detection and tracking system based on monocular vision is presented in this paper.First,the lane detection algorithm can transform raw images into top view images by inverse perspective mapping(IPM),and detect both inner sides of the lane accurately from the top view images.Then the system will turn to lane tracking procedures to extract the lane according to the information of last frame.If it fails to track the lane,lane detection will be triggered again until the true lane is found.In this system,θ-oriented Hough transform is applied to extract candidate lane markers,and a geometrical analysis of the lane candidates is proposed to remove the outliers.Additionally,vanishing point and region of interest(ROI)dynamically planning are used to enhance the accuracy and efficiency.The system was tested under various road conditions,and the result turned out to be robust and reliable.     

复杂静态背景下多移动目标实时检测系统的FPGA实现

设计了一个基于FPGA的复杂静态背景下多移动目标实时检测系统。系统采用背景差分算法进行移动目标检测;采用中值滤波、像素漂移、腐蚀膨胀、Sobel边缘检测算法对差分结果进行处理。实验结果表明,在复杂静态背景下,系统可以精确地检测到视野内的移动目标,能够提取清晰的目标轮廓,并及时报警;通过多重去噪技术,基本将噪声滤除干净;系统处理速度快,能够满足智能视频监控系统实时性的要求。     

基于三维激光雷达的动态障碍实时检测与跟踪

为了解决在大数据量的情况下实现高效检测与跟踪的难点,提出一种室外动态未知环境下自主车的多障碍实时检测与跟踪的算法.由于Velodyne 64线三维激光雷达具有数据量大、精度高等特点,采用其与相机结合感知环境.算法结合从图像处理中得到的道边信息将原始激光雷达数据的感兴趣区域转化为栅格地图,在地图上采用区域标记和模板匹配的方法进行聚类和特征提取,检测得到盒子模型的障碍物,并进行障碍物跟踪.为了避免在多障碍物的情况下出现虚警和漏检,基于多假设跟踪数据关联和卡尔曼滤波来跟踪连续多帧的障碍物.本算法在自主车平台上能够以每帧100 ms实现准确、稳定地检测和跟踪.     

基于整体最优阈值的车道线快速识别方法

针对现有车道线识别算法难以自适应地匹配图像,在车辆过弯途中识别率低,鲁棒性和实时性较差的问题,提出并实现了一种整体最优阈值的快速车道线识别算法.该算法首先对图像进行自适应二值化分割;然后对图像中的感兴趣区域进行提取;提出逐行检索的方法进行车道线内侧特征点的筛选,从而得到实际车道的左右标志线参数以进行道路模型重建.结果表明:区别于以往常用的霍夫变换,此方法具有更好的实时性及准确性,可在车辆过弯途中为系统提供更多的有效信息.     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

基于视觉及多特征的前方车辆检测算法

针对现有视频车辆检测算法受光照、噪声等环境因素影响大,漏检和误检率高,难以同时满足鲁棒性及实时性的问题,提出了一种完整的前方车辆检测算法.该算法在改进的Hough变换提取车道线的基础上,首先对图像进行自适应二值化处理,通过腐蚀、膨胀法滤除干扰点;使用简洁有效的方法进行阴影线的合并及ROI区域的提取;算法利用目标区域内的信息熵、车尾对称性特征对感兴趣区域(region of interest,ROI)进行筛选和判别,降低了算法的漏检和误检率;使用改进的Robinson方向检测算子提取车辆边界,取得了较好的效果.结果表明:在处理分辨率为640×480的视频时,检测正确率89%,运算速度平均为17.6帧/s.     

基于双遍历和膨胀滤波的图像拼接定位算法

针对图像拼接操作会对边缘像素的连续性造成破坏等问题,本文提出了一种基于双遍历峰值和膨胀滤波的彩色图像拼接定位算法.该算法首先对待检测图像进行行列差分,确定双遍历峰值,同时再进行R,G,B三通道拼接点融合,从而全面获取拼接点信息,并利用数学形态学的膨胀滤波,强化拼接边缘,削弱噪点的影响.仿真结果表明,彩色图像拼接定位算法,时空复杂度小,能够有效地检测图像拼接伪造区域、大小及形状,可以对伪造区域进行准确定位.该研究可应用于图像取证等相关行业.     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．