基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。     

应用霍夫变换对车道线进行检测

为更好解决车辆行驶过程中环境快速变化的问题,我们采用霍夫变换研究车道线的方法,对车道线进行检测。它因具有极佳的抗干扰能力和能够较好地处理车道标线局部磨损,遮盖和污染等特性,而成为进行直线检测的一个有效方法。     

基于霍夫变换算法的车载视频车道线检测

基于车载视频监控,围绕车道线检测及车道线模糊或缺失等应用进行研究,并将研究成果应用到道路巡检管理系统中,取得了良好的工程实践应用效果。采用了霍夫变换检测算法筛选当前车辆行驶所在车道的左右车道线,通过数量检测对车道线缺失进行判断预警。为了进一步提升应用的可靠性、减少因车辆变道或前方车辆遮挡而导致的车道线缺失误判,研究了车道线偏离和前方障碍物判断预警方法。以俯瞰视角,对车道线、摄像头成像及车辆姿态进行建模,计算车辆行驶偏移的角度和相对距离,判断车辆偏移情况。     

缩微交通环境下的车道标识线检测

为了解决缩微交通环境下的车道标识线检测问题,提出了一种数学形态学与概率霍夫变换相结合的车道标识线检测方法。首先运用灰值腐蚀膨胀对道路图像进行滤光处理,去除光照影响,然后利用自适应阈值二值化图像,最后利用概率霍夫变换寻找车道标识线。实验结果表明,在缩微交通环境下该方法能够准确地检测出车道标识线,具有很强的鲁棒性。     

结构化道路车道线快速检测的一种改进算法

基于视觉导航的高速智能车,提出一种改进的道路快速检测算法。用改进的水平均值投影法划分道路和背景区域,结合边缘检测算子和最大类间方差法(大津算法),构成双阈值法对道路区域图像进行二值化处理,利用先验知识改进的霍夫变换,在路面存在阴影和噪声干扰的条件下,能准确地检测车道标识线;对动态预测划分感兴趣区域,采用菱形搜索法进行车道线跟踪,融合初始检测和后续跟踪两层算法循环处理道路图像序列。实车试验表明,算法具有良好的实时性和鲁棒性,满足智能车高速行驶要求。     

复杂光照下的缩微道路车道线检测方法

为了解决复杂光照下的缩微道路车道线检测问题,提出了一种适用于复杂光照下的缩微道路车道线检测方法。首先运用朴素贝叶斯对不同光照下的车道图像进行分类,然后对分类后的车道图像采取相应的图像处理方法,最后运用改进的大津法和改进概率霍夫变换来检测车道线。对多段不同光照模式下的车道图像进行的仿真实验表明,该方法对缩微道路车道线检测的成功率达到95.5%,具有很强的鲁棒性和抗干扰能力。     

结构化道路上应用区域划分的车道线识别

针对多数研究中车道线检测的准确性和实时性难以有效平衡的问题,提出了一种应用区域划分的车道线识别方法。首先通过改进的大津(OTSU)算法提取边缘图像,再在所得边缘图像的基础上,利用改进的概率霍夫变换(PPHT)提取车道标识线上的特征点,并采用最小二乘法(LSM)对特征点点集进行直线拟合,最后通过提出的路面干扰线规避算法检测所有拟合得到的直线段并筛选可能的车道线。在实验方面,引入三种算法作为对比,并利用提出的准确性评价模型对500幅典型道路场景图中的车道线识别结果进行评估,同时统计在处理一段长为1 min 26 s的道路视频时每帧图像序列的平均耗时。实验结果表明所提算法的查准率、查全率、F量测值均优于对比算法,且达到实时处理的要求。     

基于改进Hough变换的车道线检测技术

为提高车道线识别的实时性和可靠性,提出了一种基于改进Hough变换的车道线检测方法;在图像预处理时对不同光照图像进行分类处理,得到二值化图像;利用极角约束Hough变换进行车道线初始定位;根据前一帧图像信息使用基于动态ROI的Hough变换进行车道跟踪;算法加入了车道线检测失效判别模块,以提高检测的可靠性;由于该方法减少了图像空间中被投票的目标点数,缩小Hough变换的投票空间,在一定程度上提高了车道检测的实时性和稳定性;实验结果表明,在结构化道路上,对于不同的路况,算法均具有较好的实时性和鲁棒性。     

道路区域分割的车道线检测方法

为了满足无人驾驶车在高速公路行驶的实时性和鲁棒性要求,提出了一种基于道路区域分割的车道线检测方法.该方法分道路区域分割和车道线检测2个阶段.在道路区域分割阶段,首先提取的道路颜色值,然后在二值边缘图像中搜索连通域,通过将连通域的颜色特征值与道路颜色特征值比较来快速定位道路区域,并将这一区域划定为车道线检测的感兴趣区域.车道线检测阶段则使用改进的概率Hough变换方法提取车道线点,并使用最小二乘法对车道线点集进行拟合,获得车道线模型的参数.实验证明该方法相比传统的利用标准Hough变换算法准确率提升23%,有效地排除了道路区域外的直线像素干扰,具备较好的鲁棒性和实时性.     

一种新的车道线快速识别算法

针对现有的的车道线识别算法在复杂环境下识别率低、鲁棒性和实时性较差的问题,提出了一种基于形态学多结构元素建模的车道线快速识别算法。该算法首先对车道图像进行感兴趣区域提取,通过Canny算子对感兴趣区域进行边缘检测,然后利用具有车道模型特征的多结构元素进行车道线提取、霍夫变换,以及峰值检测点参数的筛选,从而得到实际车道左右标识线的参数以重建原车道线。仿真实验表明,该算法能在多种复杂环境下快速、准确地识别出车道标识线,且鲁棒性高。     

基于最优阈值和Hough变换的车道线检测方法

针对智能车辆视觉导航系统中的车道保持问题,采用图像处理技术检测结构化道路上的车道线。详细介绍了图像的灰度特征,并在此基础上选取感兴趣的道路区域,通过最优阈值对道路区域进行边缘检测,再结合Hough变换技术检测当前车道线。实验表明用结合最优阈值和Hough变换来检测车道线具有很强的鲁棒性和抗干扰性。     

一种改进 Hough 变换的车道线检测算法*

对基于单目视觉的车道线检测技术进行研究,针对复杂环境中车道线检测易受图像中其它直线段的影响而出现较多误检测的问题,提出一种改进算法。首先将车道线图像灰度化,采用中值滤波去除图像噪声;再次,采用Canny算子和OTSU方法进行边缘增强和图像二值化;最后,使用改进的Hough变换进行车道线检测。实验结果表明,该方法可以有效地滤除其它直线段的影响,在复杂环境中获得良好的车道线检测效果。     

用于线段特征提取的改进Hough变换

线段是符号的一个具有旋转、平移和尺度不变的稳定性特征,正确提取符号的线段特征对于提高符号识别系统的识别率有很重要的意义。针对已有的基于Hough变换的线段提取算法的缺点,该文提出了一种用于线段特征提取的改进Hough变换算法。通过采用“多对一”映射;将Hough变换的投票过程和线段参数的检测过程融为一体;动态管理算法所需的临时存储空间等手段,使该算法具有较好的计算复杂度和空间复杂度。针对数字图像的量化特点,精心设计了用于检测在直线上点的条形区域,从而大大地降低了噪声对线段参数检测的影响,使该算法具有较好的检测性能和鲁棒性。实验表明,该文算法能正确提取出线段的端点坐标及其长度。     

基于分级的快速霍夫变换直线检测

在分析标准霍夫变换、两点表决霍夫变换以及多级霍夫变换直线检测的基础上，针对算法的不足，结合他们的优点，设计并实现了基于分级的快速霍夫变换直线检测方法，对算法进行了详细描述和分析，并通过实验证明了算法的有效性，实验表明：所设计的直线检测运算速度快，检测精度高，鲁棒性强，有一定的应用价值。     

基于相位编组图像分块的快速Hough变换直线检测

在分析Hough变换直线检测算法和相位编组法直线检测算法的基础上,针对这两个直线检测算法的不足,结合它们的优点,设计并实现了基于相位编组图像分块的快速Hough变换直线检测算法,对算法进行了详细描述和算法优点分析,并通过实验验证了算法的有效性,实验表明所设计的直线检测算法运算速度快,参数易于选择,鲁棒性强,有一定的应用价值。     

运用Hough 变换提高直线检测效率

针对hough变换检测直线段中的运算速度慢、占用内存多的问题,提出一种改进的检测直线段的方法。首先,对图像进行减半采样处理,采用从大概到精确的检测策略,减小运算量;其次采用soble算子进行边缘检测;最后,在经典的hough变换的方法上增加了边缘梯度幅度进行限制,减小了坐标转换的次数,并将断开的同一直线上的线段连接起来。     

广义Hough变换:多个圆的快速随机检测

以随机采样到的2个图像点及在此2点的中垂线上搜索第3个图像点来确定候选圆．当随机采样2个图像点时,通过剔除孤立、半连续噪声点减少了无效采样;当搜索候选圆的第3点时,剔除上述2种噪声点、非共圆点并给出快速确认候选圆是否为真圆的方法,尽可能减少无效计算．数值实验结果表明：文中算法能快速检测多个圆．在检测多个圆并且具有噪声的情况下,与随机圆检测算法相比,其检测速度快一个数量级．     

结合Hough变换与改进最小二乘法的直线检测

提出了一种结合Hough变换与改进的最小二乘法的直线检测方法。分析了Hough变换与最小二乘法在直线检测及检测精度上的优缺点;利用Hough变换鲁棒且不需启发式信息的特点进行初步检测,确定存在直线的大致区域;利用最小二乘法确定直线区域内特征点回归直线的精确参数。为克服最小二乘法对强噪声点敏感的缺点,提出了双点移除的p最小二乘法,通过同时剔除具有最大正负误差的一对数据点,保证数据集中的正常点能得到可靠保留以获得精确的回归结果。实验结果表明,所提方法提高了直线检测的检测率与检测精度,且降低了对Hough变换的分辨率要求,可以减小算法整体的空间开销。