结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

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。     

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...     

硬度图像角点检测算法

硬度检测图像中存在大量杂质与噪声,目标区域的边缘模糊且形状复杂,传统角点检测算法无法检测出目标区域的角点,也很难应用直线拟合或直线检测算法实现角点的精确定位。针对硬度检测中面临的复杂环境下角点检测任务,提出一种新的基于旋转灰度变化的角点检测算法。与传统的角点检测算法相比,该方法对噪声和杂质具有更好的鲁棒性,能够在背景复杂、边缘模糊的情况下准确检测出目标区域的角点位置,具有更好的适用性。在硬度图像上与传角点检测算法及直线求交确定角点方法的对比实验表明了算法的有效性。     

结合Mahalanobis距离的SUSAN彩色边缘检测方法研究

针对HSI颜色空间在图像处理和分析方面更加符合人眼的视觉特性,提出了一种结合Mahalanobis距离的SUSAN彩色图像边缘检测方法．该方法首先将彩色图像从RGB空间转换到HSI空间,然后以H、S、I为变量计算空间中两种颜色的色差距离,结合SUSAN算子对边缘进行检测．实验结果表明：此方法可以有效地检测彩色图像的边缘．在保留图像边缘方面,性能优于传统的彩色边缘检测方法．     

基于梯度增强和逆透视验证的车道线检测

为解决高速公路和城市道路上复杂条件下的弱线漏检问题,提出了一种基于梯度增强和逆透视验证的车道线检测方法。该方法使用车道线的结构和对比度特征提取车道线区域,利用提取的车道线区域进行车道线和道路样本的选择,并采用基于模糊线性鉴别分析获得从彩色RGB图像到灰度图像变换的最佳投影系数,以确保车道线和道路像素间的灰度差异最大,从而有效突出道路上的弱线;利用逆透视变换对候选车道线间的空间位置关系进一步验证,以此找回漏检的虚线。不同场景、不同天气状况下的实际道路图像的实验表明,方法具有很好的鲁棒性和准确性。     

基于滑动ROI的强鲁棒性实时车道侦测算法实现

车道线检测是智能交通系统(Intelligent Transport System,ITS)实现的重要组成部分,文章提出一种在复杂环境中的直弯道检测方法.首先采用带有自适应阈值的横向梯度算子对影像灰度图进行车道线资讯过滤,并采用模糊搜索策略修补过滤后的车道线资讯,提高系统鲁棒性及车道检测的正确率.然后采用滑动ROI(Region Of Interest)窗口策略统计车道边界资讯图梯度方向角,剔除异常梯度方向角的边界噪音资讯,同时采用影像关联方法减少冗余车道线边界资讯,以减少后续Hough转换运算量.直线车道部分提出一种快速查表的Hough转换方法,用于直线侦测;弯道部分引入双曲线对模型,其参数初始值承接于直线车道部分,并通过搜索策略最终确定其k参数,实现弯道部分的侦测.实验表明,此算法在路况复杂的环境中具有较好的鲁棒性,能够实时提供车道资讯信息.     

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.     

应用模糊逻辑的车道线检测方法

为了实现受大片阴影干扰或强光照等条件下的车道线边缘增强与车道线检测,提出了一种应用模糊逻辑的图像处理方法检测车道线,通过最大信息熵求取直方图的谷底作为隶属度函数的参数值,利用模糊逻辑增强了车道线像素与柏油路像素之间的对比度.在车道线检测过程中,对预处理后的图像利用HT检测直道,利用3次曲线方程拟合弯道.为了节省数据处理时间,根据上一帧的车道线参数,利用Kalman滤波器动态建立感兴趣区域,并且预测当前帧的车道线拟合参数,实现道路的实时检测.对比分析表明,该算法提高了受大片阴影干扰或强光照等条件下的车道线边缘像素和柏油路像素之间的对比度,强化了车道线边缘信息.车道线检测结果表明,经过模糊逻辑处理能准确提取大片阴影干扰或强光照等条件下的车道线参数,稳定检测多种光照条件下的车道线.     

A new method for extraction of approximately vertical lines from natural images

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｏｒｇａｎｉｚａｔｉｏｎｏｆｌｏｃａｌｉｎｔｅｎｓｉｔｙｃｈａｎｇｅｓｉｎｔｏｍｏｒｅｇｌｏｂａｌａｂｓｔｒａｃｔｉｏｎｓｃａｌｌｅｄ”ｌｉｎｅｓ”ｏｒ”ｂｏｕｎｄａｒｉｅｓ”ｉｓａｆｕｎｄａｍｅｎｔａｌｂｕｔｕｓｅｆｕｌｓｔｅｐｉｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎｔａｓｋｓｂｅｃａｕｓｅｔｈｅ”ｌｉｎｅｓ”ｏｒ”ｂｏｕｎｄａｒｉｅｓ”ｒｅｐｒｅｓｅｎｔｉｍｐｏｒｔａｎｔｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｉｍａｇｅｆｏｒｆｕｒｔｈｅｒｒｅｃｏｇ ｎｉｔｉｏｎ .Ｉｎｇｅｎ…     

基于道路图像对比度-区域均匀性图分析的自适应阈值算法

针对道路图像检测易受光照及车道标志线曲率等交通环境条件变化干扰而导致检测算法稳定性不佳的问题,在图像阈值分割的经典大津法基础上,对直路、左右转弯、有少量积雪和阴影等多种典型道路行驶图像进行了对比度和区域均匀性图分析,并以此实现了基于大津法的道路图像自适应阈值分割,有效地提高了环境条件变化时道路图像检测算法的鲁棒性。     

农田作业机器人视觉导航目标曲线检测算法研究

为研究农田作业机器人视觉导航信息的提取方法,以自然环境下采集的曲线特征较为明显的农田图像为研究背景,根据图像RGB颜色特征,利用颜色聚类算法,将导航路径从复杂的背景中提取出来.并对得到的二值图像进行形态学处理以消除噪声,然后对图像逐行扫描检测出导航路径的中心离散点,利用最小二乘法拟合出导航路径,并提出一种新的导航参数的获取方法.试验结果表明:该算法具有速度快、精确度高的优点;在作业环境具有较强的曲线特征等情况下有较好的检测效果.     

链码跟踪直线提取算法在道路标志判断中的应用

为了准确快速提取和识别道路中的标志线,提出了一种基于链码的道路标志线提取与识别算法.道路中的标志线在图像处理中可以作为直线处理,整个提取算法分为3个步骤:首先,通过对道路图像的预处理去除噪声,利用Canny算子提取边缘;然后,对边缘图像进行链码编码并进行直线判断;最后,对属于同一条直线的直线段进行线段连接,过滤短的非道路标志线.实验表明,该算法可以准确快速地识别城市道路中的标志线和道路边缘,达到了实时准确的要求.     

基于图像识别技术的烟包封条缺陷检测

为了提高香烟在线生产的效率,提出了一种烟包封条缺陷检测方法,开发了基于图像识别技术的烟包封条缺陷检测系统.所开发系统首先对采集到的烟包图像进行中值滤波和边缘检测;然后对边缘图像进行Radon变换;进而通过检测烟包小标上特征直线的角度和位置来判断烟包小标的粘贴是否合格;最后用PLC控制将判别不合格的烟包剔除出香烟生产线.中烟公司某烟厂长周期的应用结果表明:该检测方法具有判别速度快、易于实现等优点,所开发的系统可行、有效.     

基于DM6437图像序列中的直线检测

为了使用DM6437来检测车道线,需要先实现对摄像头采集来的图像序列进行直线检测.基于DM6437硬件平台,通过CCD摄像头采集图像序列,采集的图像序列为D1标清格式,大小为720＊480,并经过DM6437中TVP5150解码器将图像序列中每帧图像由模拟信号变换成数字信号,数字信号储存到DM6437的外DDR2,再通过集成开发环境CCS3.3将在DSP/BIOS下由C和C＋＋语言编写的图像处理工程导入DM6437中,DM6437处理器芯片将储存的数字信号进行灰度变换,高斯滤波,Canny算子边缘检测,Hough变换等算法处理,将处理后的图像送到液晶显示屏上显示,最终在显示屏上显示出检测的直线.     

基于改进概率霍夫变换算法的车道检测方法研究

为了提高车道检测的实时性，提出了一种基于改进的概率霍夫变换算法的车道检测方法。改进的概率霍夫变换算法的特点是用设定累加器阈值的方法减少了检测直线的运算量，通过随机取点映射到参数空间使最长直线被最早检测到的概率最大，比现有车道检测方法中普遍采用的标准霍夫变换算法更具实时性。实际路面图像的对比处理结果证明了该检测方法的实时性、精确性和鲁棒性。