基于动态感兴趣区域的车道线识别与跟踪

利用车载机器视觉系统识别车道线以确定运动车辆相对道路的横向位置,是目前高速公路等规格化道路上实现车道保持的主要手段。通过理论计算确定采用车道线线性模型,能够满足识别的精度要求,同时提高了系统的实时性。卡尔曼滤波器动态确定感兴趣小窗口的大小和位置,实现车道线自动跟踪,使得图像预处理和车道线的Hough变换识别只在小窗口内进行,降低了计算成本。现场跑车试验结果表明,一帧道路图像的预处理和车道线识别与跟踪时间小于30 ms,且系统对道路上其他运动车辆等干扰具有较强的鲁棒性。     

基于机器视觉的车道线检测算法研究

当前随着汽车数量的增多,导致交通事故频繁发生,高级驾驶辅助系统（ADAS）应运而生,其中车道线检测是ADAS中的重要环节。传统的检测方法是先划定一个固定感兴趣区域（ROI）,然后再检测车道线,但这种方法对于一些情况比较复杂的路段检测准确率并不高,因此提出了一种根据前后帧车道线ROI和模板来检测车道线的方法。首先利用Hough变换检测出第一帧图像的车道线,并提取车道线ROI以及对应模板;然后从第二帧开始每一帧图像都利用从上一帧图像中提取的车道线ROI和模板来检测当前帧的车道线,当前帧检测完毕后提取新的ROI和模板传给下一帧继续检测,直至各帧图像都检测完毕为止。在Matlab平台中针对采集的车道线视频用这种方法进行了测试,实验证明,这种方法的检测准确率达到了95.22%,实时性很强,具有一定的可行性。     

基于机器视觉的车道线检测算法

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,详细介绍了感兴趣的选取,通过对图像进行边缘检测,再结合Hough变换技术检测当前车道线,结果表明,用结合边缘检测和Hough变换来检测车道线,具有很强的鲁棒性和抗干扰性。     

基于改进的卡尔曼滤波车道线跟踪算法研究

车道线识别是实现车道线保持等高级辅助驾驶的前提条件,针对目前结构化道路车道线在干扰条件下存在检测失效的问题,提出了一种改进的卡尔曼滤波车道线跟踪识别方法。该方法利用连续帧道路图像车道线发展的连续性和车道线状态不出现突变的特点实现车道线的跟踪识别。首先计算出斜率和截距作为前一帧车道线道路图像的参数值,卡尔曼滤波系统以前一帧车道线参数值预算估计出当前帧道路图像的车道线作为最优估计值;通过设定阈值更新当前帧道路图像中车道线出现的区域为感兴趣区域,以减小道路图像中其他非车道线因素的噪声的干扰;利用opencv视觉库分别找到当前帧道路图像感兴趣区域中所有组成车道线的端点作为左右车道线的数据集,用最小二乘拟合出车道线的检测值;将卡尔曼滤波估算得出的最优估计值和最小二乘拟合的检测值比较后完成车道线的检测跟踪。实验结果表明,采用改进的卡尔曼滤波跟踪方法后,车道线识别准确率超过了95%。利用前一帧车道线的参数对当前车道线的状态进行估算,可以消除不同干扰条件下噪声的影响,提高车道线的识别准确率,提升辅助驾驶功能的稳定性。     

一种基于逆透视变换的车道线检测方法

该文基于逆透视变换技术提出了一种车道线检测方法。将道路图像映射为逆透视图,用二维高斯滤波器对图像进行滤波,然后进行阈值处理;用Hough变换提取车道线的线条曲线,利用三阶Bezier样条曲线拟合算法进行直线拟合,获得车道线的检测结果。实验表明,该方法在图像较清晰的情况下,检测近距离的车道线获得了较好的效果,适用于平坦路面下的白色和黄色等车道线检测。     

一种基于横截面特征的车道线检测方法

车道线检测是自动驾驶的基本任务之一,提出了一种高效稳定的车道线提取拟合和跟踪的算法。根据车道线的截面特征逐行提取车道线特征点,并使用连通域聚类滤波,与传统的霍夫算法相比降低算法复杂度,提高运行效率。将提取的车道线特征点区域分成近视场和远视场,并分段拟合,提高拟合精度。使用卡尔曼滤波算法对车道线的端点和斜率进行跟踪,以此缩小感兴趣区域,提高运行效率。实验中,该方法能够完成多种不同场景下的车道线检测,证明了该算法具有良好的鲁棒性和实时性。     

基于视觉的车道线检测方法研究进展

车道线检测作为智能驾驶领域的关键技术,在车道偏离预警(LDW)和车道保持(LK)、车道变换(LC)和前向碰撞预警(FCW)、自适应巡航控制(ACC)等先进驾驶辅助系统(ADAS)中发挥重要作用。利用视觉的方法在车道线检测技术研究中占据主导地位,也是未来的发展方向。综述了近二十年来利用视觉的车道线检测方法的研究进展。首先简述了车道的分类及其特征,阐明了车道线检测的一般流程及面临的挑战;重点阐述了检测车道线的基于特征、基于模型、基于学习及其他方法的检测原理,评述了其优缺点并进行了分析与比较;随后介绍了车道线检测的常用数据集及性能评估指标;最后针对车道线检测方法目前存在的问题,对进一步的研究方向进行了展望。     

应用多阶动态规划的车道线识别方法

根据图像中车道线特征,提出一种应用多阶动态规划的车道线识别算法.为准确识别车道线,算法利用非均匀B样条曲线拟合车道线,通过多阶动态规划确定非均匀B样条曲线的控制点.根据多阶动态规划的起始点和目标点确定车道线检测区域,进行区域分割确定动态规划的阶数,确定控制点的候选点;根据定义的代价函数和最优化原理,利用多阶动态规划确定曲线的控制点;拟合车道线,实现车道线的识别.处理各种路况的视频图像进行算法验证,试验结果表明,对于实车道线和虚车道线的直道、左转、右转的多种路况条件下,算法能有效准确地提取车道线的参数,稳定地实现车道线的识别.     

换车道过程中搜索车道线的一种方法

针对车道偏离预警系统（LDWS）车道图像处理中，图像通常包含许多与车道搜索无关的信息，以及常规方法不能处理换车道过程中车道线跟踪的问题，提出了一种基于车辆运动状态的感兴趣区（ROI）确定方法，并给出了基于该方法建立感兴趣区的原理与方法。应用该方法对各种工况进行了试验，试验结果表明方法运行可靠，能够很好地解决换道过程中车道线跟踪的问题。     

车道线实时检测的形态学算法及其DSP实现

通过分析传统车道线检测方法易受强噪声影响的特点,提出了基于形态学的车道线实时检测算法,克服了传统算法缺点,算法简单、稳定、可靠;同时介绍了算法在DSP上的实现。经实际对分辨率为736×526的道路图像进行检测,该算法检测速度达到50Hz,完全满足实时性要求。     

基于投影统计与双曲线拟合的车道识别算法

提出了一种运用投影统计与双曲线拟合的车道线识别方法。首先对采集的图像进行预处理,利用车道线宽度等信息提取车道线的特征点;然后根据特征点的位置及方向角分布对消失点进行定位,并基于消失点位置提取近视场直道模型,再结合直道模型对当前车道进行补充;最后利用近视野车道直线信息和双曲线拟合,对存在弯曲车道的车道线进行车道线寻优。实验结果表明,提出的算法能有效检测不同曲率的车道线,所提出的车道检测方法准确率高,在复杂行驶环境下表现出较高的鲁棒性。     

基于计算机视觉的道路标志线车载检测系统与算法设计

提出一种在结构化道路情况下的道路标志线检测系统。选择中值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。选用2D的直线模型,采用增强型Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。建立粗略和精细的感兴趣区域提高道路标志线识别的可靠性和实时性。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

基于线搜索算法的输电线路覆冰厚度检测

针对复杂背景下输电线路覆冰厚度的检测,提出一种线搜索算法。利用复杂背景下沿覆冰电缆方向,电缆图像纹理具有平滑性或周期性的特征,首先遍历符合条件的直线,得到直线簇,并统计直线簇斜率,再根据斜率直方图,通过电缆图像特征匹配,完成覆冰电缆的边缘提取,最终计算出电缆覆冰厚度值。通过不同背景下的覆冰电缆的覆冰厚度检测实验测试,验证了该算法的有效性。     

基于应变模态和信赖域优化的结构损伤识别方法

将应变模态与信赖域优化算法相结合,提出了基于应变模态的最小二乘目标函数,将损伤识别问题转化为二次优化问题。由于传统的应变模态差既包含损伤位置信息,又包含损伤程度信息,对其进行目标函数最小化时容易产生误判,因此对应变模态目标函数进行了改进,改进后的优化分两步进行,实现了损伤识别的先定位、后定量。最后,通过两个数值算例对该方法进行了验证,结果表明改进方法的识别效果更为理想,为应变模态法在实际工程中的应用提供了新思路。     

基于视觉的AGV自动运输车道路识别技术研究

通过自动引导车(AGV)采集的烟草车间道路图像进行边缘提取和图像平滑,获得良好的梯度图像。根据道路特征采用Sobel算子增强道路边缘,使用直线模型进行边缘拟合,以减少图像处理时间和提高道路识别的可靠性。AGV导航实验表明,该方法具有良好的实时性、可靠性和鲁棒性,能精确定位目标边缘,达到了预期的效果。     

Lane Detection Based on Contrast Improvement in Foggy Road Image

<正>This paper proposes a lane detection algorithm using sub stretching of histogram.First of all,makes a decision whether the image has foggy or not.For this,sets the interest region and analyzes the histogram of the region. If the image has a fog,applies a contrast enhancement algorithm using sub-stretching of histogram.In order to detect lane information,uses connectivity of edge pixels of road image and finds the straight lines forward to the center of image.To evaluate the performance of proposed algorithm,tested the algorithm on the road image obtained by a driving test and verified its efficiency.     

基于跨道时间的车道偏离报警方法

针对车道偏离报警系统的精确度和鲁棒性不足造成车辆事故频发的问题,提出一种基于跨道时间的车道偏离报警方法,以提升车道偏离报警系统的整体性能。建立稳定可靠的车辆运动模型,根据运动模型预测车辆的行驶轨迹,计算出车轮接触到车道边缘所需要的时间;当此时间小于某一特定阈值时,车辆迅速进行车道偏离报警。仿真与实车实验均证明:基于跨道时间的车道偏离报警方法的平均报警正确率能够达到91.8%,确保车道偏离报警系统准确有效的提示驾驶者,对于减少车辆行驶过程中安全事故的发生具有重要作用。     

基于机器视觉的智能车辆鲁棒车道线识别方法

针对目前传统车道线识别算法在复杂道路环境中识别困难的问题,提出了一种基于机器视觉的智能车辆鲁棒车道线识别方法.为消除噪声干扰以及提高特征检测效率,设计了一种自适应道路感兴趣区域(ROI)计算方法,针对不同情况的车道可自适应地将车道区域与非车道区域分离.对待检测目标采用改进划分角度的检测算子进行车道线特征检测,同时对车道...