基于改进逆透视变换的车道线检测算法

针对智能车辆在不同环境条件下识别道路车道线出现偏移的问题,提出了一种基于改进逆透视变换的车道线检测算法.首先利用HSL和Lab融合模型提取车道线颜色特征,经过二值化处理后利用透视变换将图像转换为鸟瞰图,然后根据二值图建立直方图,进行车道线位置的粗定位.最终通过滑动窗口算法以及直线拟合等处理,实现对车道线的精准识别.通过实验结果对比分析,提出的车道线检测算法能够解决车道线识别偏移问题.     

复杂内河背景下天水线的提取

提出了一种在复杂内河背景下进行天水线提取的方法.该方法包括5个步骤:(1) 利用均方误差(MSE)对原始图像进行评价;(2) 根据步骤1的评价结果确定是否对图像进行预处理;(3) 对经过步骤2处理的图像,分别利用算法1提取天水线得到天水线1,利用算法2提取天水线得到天水线2.算法1主要步骤有迭代阈值分割、Roberts梯度算子边缘检测、细化、Hough变换;算法2主要步骤有Roberts梯度算子边缘检测及二值化、细化、利用Hough变换;(4) 把天水线1和天水线2中最靠近图像下端的那一条直线作为最终的天水线;(5) 对最终提取的天水线进行主观定量评价,并使用证据理论进行可信度判断.实验结果表明,该方法适应性好,定位精度高,实时性和可靠性好.     

基于改进最小二乘法拟合的车道线检测

提出了一种新的适用于自主驾驶系统的车道线检测——基于改进最小二乘法拟合的车道线检测。算法首先将摄像头采集的一帧帧图像,截取感兴趣的下半部分进行灰度变换,得到灰度图像;其次采取高通滤波,小波变换,来进行边缘增强与检测;之后采取最小阀值二值化得到二值化图像,采用最小二乘法拟合车道线;最后车道线的跟踪采用粒子滤波。实验表明,该算法简单、鲁棒性强,能准确地检测到车道标识线。     

复杂内河背景下天水线的提取

提出了一种在复杂内河背景下进行天水线提取的方法。该方法包括5个步骤：（1）利用均方误差（MSE）对原始图像进行评价;（2）根据步骤1的评价结果确定是否对图像进行预处理;（3）对经过步骤2处理的图像,分别利用算法1提取天水线得到天水线1,利用算法2提取天水线得到天水线2。算法1主要步骤有迭代阈值分割、Roberts梯度算子边缘检测、细化、Hough变换;算法2主要步骤有Roberts梯度算子边缘检测及二值化、细化、利用Hough变换;（4）把天水线1和天水线2中最靠近图像下端的那一条直线作为最终的天水线;（5）对最终提取的天水线进行主观定量评价,并使用证据理论进行可信度判断。实验结果表明,该方法适应性好,定位精度高,实时性和可靠性好。     

基于小波分析与类内最小方差法的车道线检测

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中。在道路图片中,为了能提取出完整的直车道线,本文提出了一种基于小波分析与计算梯度方向角类内最小方差法相结合的算法。该算法首先利用小波分析计算出边缘像素点的梯度幅值和梯度方向角,得到道路图像的边缘;然后将二值化处理过的图像用8领域面积去噪法去除噪声区域,并进行连通域的标记;在提取直车道线时,利用类内最小方差法计算各个连通域边界上点的梯度方向角最小方差,最后设定阈值分离出直线车道线,达到车道线检测的目的。实验仿真结果表明,本算法能够很好的检测出直线车道线,相比于目前其他文献的方法有较高的检全率。将有助于智能驾驶辅助系统研究技术的发展。     

基于机器视觉的红外激光辅助车道线检测方法

车道线检测在车道偏离预警、车道保持、车道变换、前向碰撞预警、自适应巡航控制等驾驶辅助系统中发挥着重要的作用。传统的车道线检测算法存在算法复杂度较高、在路面变化时识别率低等问题。针对以上问题，提出了一种红外激光辅助车道线检测的方法。通过两道激光照射路面后激光光条在图像中的位置获取路面角度信息，以实现自适应逆透视变换；使用Canny算法完成二值化、Hough变换检测直线；利用激光照射位置处路面和车道线灰度差值明显的特点定位车道线，完成直线的筛选。实际路况的实验表明，所提算法能够有效地应对路面变换带来的视角变化并减少环境干扰，相比固定ROI提取方法和传统Hough直线检测方法效果更佳、鲁棒性更强，平均正确率达到97.24%,平均运算时间为28.7 ms/帧。     

指纹图像的预处理算法

提出了基于方向特性的指纹预处理算法,包括前景/背景提取、平滑、二值化、二值滤波、细化5部分。该算法通过计算指纹方向图对指纹图像进行分割,依据方向场实现二值化,最后采用骨架提取技术细化指纹。这套算法成功减少了原特征的丢失和伪特征的增加。实验结果显示,该算法能够去除噪声,得到较高质量的指纹图像。     

基于改进蚁群边缘检测的车道线检测算法

文章提出了一种基于改进蚁群边缘检测的车道线检测算法。文章使用一种基于细菌趋化性的蚁群优化边缘检测算法对灰度图像进行边缘提取,该算法能够得到更好的边缘连续性和清晰性。通过寻找边缘点最多的一行作为感兴趣区域(Region of Interest,ROI)的上界,经过Hough变换检测直线特征。过滤离群值后通过最小二乘法拟合出车道线。利用真实道路驾驶视频对车道检测算法进行仿真实验,实验结果表明本算法有较好的鲁棒性和抗干扰能力。     

基于不变矩特征的车道线图像检测算法

为了提高智能车辆导航系统中的车道线检测正确率,提出一种基于不变矩特征的车道线图像检测算法。首先对原始车道线图像进行预处理,提取感兴趣的区域,得到车道线图像的不变矩特征,然后采用支持向量机对车道线图像不变矩特征向量进行建模,得到车道线的检测结果,最后采用仿真实验对算法的性能进行分析。仿真结果表明,相对于其它车道线检测算法,本文算法不仅提高了车道线检测的正确率,而且获得更高的车道线检测速度,完全能够满足车辆安全驾驶实时性的要求。     

单目智能车道偏离预警系统

车道偏离预警系统是继安全气囊之后的汽车安全辅助系统,该系统主要任务是采用基于机器视觉的方法提取车道线并进行预警决策。文章利用TMS320DM642视频处理器作为中央处理器,设计出基于DM642的车道偏离预警系统硬件架构,算法方面对图像进行灰度化、二值化和边缘提取做预处理,然后设置感兴趣区域(ROI),利用基于相位编组的改进Hough变换(RHT)进行车道线检测,根据车道偏离预警条件进行预警决策,当车辆在驾驶员非意识时偏离车道线的情况下实施报警。试验结果证明,本系统能够提前2.5s进行车道偏离的预警工作,并能够排除路面标记的影响,满足车道偏离预警系统实时、鲁棒的性能要求。     

基于RGB彩色通道的结构化道路车道线检测

车道线检测是车辆智能辅助系统的重要组成部分,为提高检测准确性,文中采用一种基于RGB颜色特征的车道线检测方法。根据车道线颜色特征设计转移函数标记图像中的车道线区域,并应用基于形态学的边缘检测算法提取车道线边缘,最终检测出车道线。文中算法原理简单,在车道线边缘识别上,具有较高的准确度,对自动车辆车道线检测有一定的意义。     

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。     

一种对比度增强的边缘检测改进算法及FPGA实现

传统的Sobel实时图像边缘检测算法对光照条件敏感,因此在进行边缘检测时常会有虚假边缘以及遗漏边缘的现象。将采集到的实时灰度图像进行中值滤波,再进行对比度增强来调整图像灰度值,将进行对比度增强后的图像进行Sobel边缘检测并在FPGA上实现。实验结果表明,采用对比度增强改进的边缘算法检测的边缘更加准确,抑制背景噪声能力更强。     

基于视觉跟踪式自准直仪的十字线提取技术

针对视觉跟踪式自准直仪中如何快速精确提取十字线的问题,根据图像灰度特性及灰度分布特点,提出了一种基于视觉跟踪式自准直仪的十字线提取算法.对图像进行预处理后,进行轮廓提取获得十字线像素级边缘,采用改进的一阶微分期望法精确确定十字线亚像素边缘,利用直线拟合获得边缘直线方程,从而获得精确的十字线中心.实验结果表明,该方法具有...     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

一种快速光栅条纹中心亚像素坐标提取方法

光栅条纹中心的精确提取会直接影响到线结构光视觉的测量与重建精度。为了解决传统的Steger算法计算量大,且在光条不均匀时提取不精确等问题。基于改进的Steger算法,提出了针对光栅条纹中心的快速亚像素坐标提取方法。通过高斯滤波、形态学等方法得到去复杂背景的激光条纹图像,用自适应阈值法缩小ROI区域,用霍夫变化求取光栅边缘线,求出边缘线中点,然后直线拟合,最后用改进算法提取中心坐标。实验结果表明:与模板法、传统Steger算法等光栅条纹中心提取算法相比,算法的鲁棒性更强,最大提取误差在0.3个像素,平均误差为0.1个像素,平均运行时间相比传统算法减少0.4 s。     

单目视觉下结构化车道实时检测

车道检测是高级驾驶员辅助系统的重要组成部分。本文对视频进行实时处理，实现对结构化车道线的实时检测。首先使用行方向的Sobel算子对处理区域进行边缘增强，接着在处理后的区域使用LSD(Line Segment Detector)进行线段提取，提取的线段集合包含代表车道线的线段。最后通过线段倾角以及相对位置过滤线段集合，并结合线段稳定帧数来筛选出最佳候选车道线。      

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

结合边缘检测和区域分割的形状特征提取

提出了一种将Canny边缘检测和区域分割相结合的形状特征提取方法.该方法通过区域分割得到的粗略形状轮廓,过滤掉边缘检测轮廓中不规则或冗余的边界点,得到位置比较准确的主轮廓图像,减少形状描述的计算量.为验证方法的有效性,建立了一个基于形状特征的图像检索系统框架,实验结果表明,该方法提高了系统检索准确性.