基于分段归类拟合算法的车道检测系统

丰道检测是车道侧偏检测的前提,是车辆辅助驾驶系统的重要组成部分.通过双阈值法得到二值化图像,将车道图像分为近景和远景两部分,采用分段归类拟合算法,归类相邻像素点,分段拟合同类车道线,分区域连接相似车道线的方法,对直道和弯道进行拟合.实验结果表明,分段归类拟合算法在晴天,强光照等条件下,具有良好的直道和弯道的拟合效果,有较强的抗噪声能力,是一种可靠的实时车道检测方法.     

高速公路弯道边界的识别与重建

分析了智能车辆安全辅助驾驶系统中弯道分道线的检测提取方法,提出一种基于道路区域分割的弯道检测新算法,包含道路区域分割和弯道边界检测。在分割出道路区域和天空区域并划定弯道检测的感兴趣区域后,提取分道线候选点,并对候选点进行校正,最终拟合并重建出弯道分道线,且准确判断了车道线弯曲方向。实验证明,该算法的实时性和准确性均高于在整幅图像中提取车道线的传统方法。     

LDA与LSD相结合的车道线分类检测算法

提出一种车道线分类检测算法。首先采用LDA对道路图像进行有针对性的灰度化,以便更好地区分车道线与道路。采用LSD算法检测灰度图像中的直线部分并确定车道线的方向。在此基础上,选取符合车道线灰度范围内的像素点。对远距离的像素点采用抛物线拟合,近距离的像素点采用直线拟合。同时,将检测到的车道线进行虚线实线的分类标记。最后结合视频序列的连续性对检测结果进行反向验证。实验结果证明,提出的方法对直道弯道检测均有很好的效果。算法的处理速度为每秒10帧左右,采用的测试视频的帧率为每秒15帧,基本满足实时性的要求。     

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。     

基于嵌入式Linux的车道线识别系统设计

提出了一种基于嵌入式Linux平台的车道线识别系统的方案.通过调用Linux的摄像头驱动程序V4L2采集图像,图像首先要进行预处理,二值化为车道和背景两部分.车道识别可近似为直线识别,采用Hough变换,方案在Odroid-U2开发平台上进行实验测试能够准确地检测出车道线的位置,具有较强的实时性.     

试飞机载测试系统一体化验证平台的设计与实现

为提高智能车对多车道的实际道路车辆行驶环境的适应性,提出了一种基于三车道模型的车辆检测方法。方法在预处理的基础上利用极角及位置约束的Hough变换得到可能的车道线信息并利用消失点对车道线进行筛选;利用三车道四线模型对车道线进行匹配;对于每条车道,分别利用车辆灰度信息对车道线内车辆进行识别,并利用视频的连贯性对车辆识别结果进行修正并跟踪车辆。该算法通过对车道线的二次筛选,提高了三车道模型的准确率,进一步提高了对于不同车道车辆识别的正确率。实验结果表明,在结构化道路上,对于不同路况,算法均具有较好的实时性和鲁棒性。     

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。     

基于双曲线模型的车道识别与偏离预警

针对车道识别与偏离预警算法在准确性、可靠性和计算效率方面存在的问题,提出一种基于双曲线模型的车道识别与偏离预警算法。首先,在图像预处理基础上通过特征点搜索筛选道路边缘点,采用双曲线构建道路模型,利用最小二乘原理拟合道路参数,再根据拟合车道线及邻近点信息构建车道置信度函数,将置信度大于设定阈值的车道线作为最终检测结果;然后,根据相邻帧车道线连续变化的特点,在前帧拟合道路线附近使用粒子滤波算法进行道路边缘点筛选、拟合以及置信度计算,实现对车道线的跟踪;最后,在图像坐标系中建立时空联合预警模型,对车道偏离行为进行预警。在PC平台上进行的算法实现与道路实验结果表明:所提方法在一般路况下,具有92%的车道识别和偏离识别正确率和40ms/帧的平均处理速度,满足车道偏离预警应用要求。     

梯度点对约束的结构化车道检测

车道检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对复杂道路环境中,阴影、路面破损及车辆遮挡等常造成车道检测不准确的问题,提出利用结构化道路两侧车道线上常具有相反方向梯度的性质,将两侧车道线的检测转化为梯度点对约束下的车道中线及宽度检测。然后分别采用平行透视投影模型及线性双曲线模型,通过Hough变换获得了对车道消失点、宽度及车道中线等参数的估计,最终实现了对不同形状结构化车道的检测。比较了本文算法与其他两种车道检测算法在不同复杂道路环境下的车道线检测性能,结果表明了本文算法的有效性。     

基于Hough变换的车道检测改进算法研究

车道检测是车道侧偏检测的前提,是车辆辅助驾驶系统的重要组成部分,针对这一特点,提出了利用Hough变换来实现对车道检测的直道检测,而对于弯道部分的检测,则是该算法的一个创新之处.通过统计较小区域的目标像素数目,设置感兴趣区域(ROI)来判断车道的弯曲方向,并在该方向上进行弯道像素的搜索,采用多段折线的方法对弯道部分进行重建.实验结果表明该算法具有运算速度快、准确性高、鲁棒性较好的特点.     

基于视频车流轨迹的虚拟车道划分方法

针对车道线磨损、临时改道以及非结构化道路等情况下的车道划分问题,在利用YOLOv3得到车辆检测模型前提下,提出基于视频车流轨迹的虚拟车道划分方法。密度矩阵统计时间t内由车辆检测模型得到车流量密度分布,运用三维坐标系对其进行分析;使用EM算法对一元混合高斯模型求解;建立虚拟车道宽度数学模型,运用3σ准则得到车道边界点集合,利用最小二乘法对边界点进行曲线拟合,完成虚拟车道线划分。该方法可以有效避免环境和天气因素对车道线检测的影响,具有一定的鲁棒性和灵活性。实验结果表明,该方法在不同道路中能够取得88.7%的准确率。     

车道线破损检测与测量

针对传统的人工车道线破损检测方法存在费时费力的问题,论文提出一种有效的处理方法.用车载相机进行图像采集,将原始道路图像灰度化之后,采用高斯滤波去除图像采集过程中引入的噪声.利用反透视变换将图像转换成俯视图,得到准确的车道线图像信息.最后基于ROI的提取算法,提出将Rect函数用于车道线面积计算,以改善传统边缘检测算法对边缘破损的车道线无法识别的情况.经过对实际道路的实验测试,检测效果良好,准确度高.     

基于单目视觉的车道线和道路边界同步检测

针对智能车辆视觉导航中的车道保持问题,采用了单目视觉技术检测结构化道路上的车道线和道路边界.详细介绍了标线灰度特性与道路边缘信息的特征提取,并在此基础上结合公路几何线形进行道路模型匹配.算法整体采用初始检测和后继跟踪的循环处理流程,大大提高了实时性和抗噪性.通过CCD测试结果表明,方法能够快速、准确、同步地检测出车道线和道路边界.     

逆透视投影下车道偏离时间的在线估计

提出了一种基于图像逆透视变换后的车道偏离时间的实时在线估计算法。该算法先对道路图像进行预处理,得到二值化的道路图像,然后通过逆透视变换方法消除图像的透视效果,用Hough变换方法检测车辆所在车道的左右道路标志线,最后估算车辆偏离车道的时间,判定车辆是否会偏离车道。对该算法进行了详细介绍并给出了实验结果,结果表明该算法能够准确地判断车道偏离。     

基于OpenCV的铁路导轨自动识别研究

在铁路交通安全检测中,铁路导轨的准确识别是判断导轨线上有无路障的前提,利用红外热像仪采集的视频图像,提出了一种在OpenCV开源平台下,实现基于数字图像处理的铁路导轨自动识别方案.通过获取图像序列帧,对其首先进行预处理,边缘检测;然后通过链码跟踪算法,实现线段的提取和判别;最后提出了统计链码值出现次数,用其最大值从方向上判别线段,并实现了断线相连.实验结果表明,在复杂的外界环境下能准确地获得直道导轨和弯道导轨的信息,具有很强的实时性和可靠性.     

关于车道线图像识别轨迹规划跟踪仿真

针对智能车辆在结构化道路上行驶时车道线识别不精确,常用轨迹规划跟踪中没有考虑避障与车辆运动学及动力学约束的问题,提出用双边沿检测与霍夫变换结合卡尔曼滤波来自适应确定感兴趣区域进行车道线检测的方法,并采用符合车辆运动学的五次参数方程生成行驶轨迹,并加入车辆几何宽度信息和车辆动力学约束以保证车辆行驶安全,根据环境变化结合有限状态机切换车道保持、超车、换道、停车线停车四种行驶状态.仿真结果证明,改进方法可以快速识别跟踪车道线,保证车辆避障安全的前提下切换行驶状态进行轨迹跟踪.在结构化道路环境中,车辆安全行驶跟踪精度较高.     

基于单目视觉的障碍物检测方法研究

为了解决车辆的碰撞问题,提出了一种基于单目视觉的车道标识线二维重建及障碍物检测与跟踪的方法.主要采用最大类间方差法对初始图像进行分割,给出一种新的车道标识线特征点搜索策略,用统计模型的方法获取车道线参数.利用障碍物(前方车辆)在道路中留下的阴影,检测车辆边缘并确认车辆存在,运用卡尔曼滤波方法跟踪车辆具体位置.所设计的方法能够准确地检测跟踪车道线及前方障碍物.实验结果表明:方法满足车辆安全行驶的前提需要,具有较高的准确性和实时性.     

基于Kalman预测及逆投影的车道识别技术

针对结构化道路的特点,提出一种实用的基于组合模型的车道线自动识别方法.近视场区域采用Hough变换初始检测车道线,远视场区域采用三次曲线模型拟合车道线.车道跟踪用Kalman预测参数动态建立ROI(region of interest),用扫描线法搜索车道线边界点,在车道线间断处用Kalman预测器定位车道线边界,还设计了一个失效判别模块来验证跟踪结果.最后将投影图中检测到的车道线进行逆投影重建,得到实际路面的车道线.实验结果表明,对于不同的车道线种类和在部分车道线被前方车辆遮挡的条件下,该算法均具有较高的实时性和鲁棒性.     

一种基于帧间关联的实时车道线检测算法

为了更好地满足车道线检测的实时性和鲁棒性要求,提出一种基于帧间关联的车道线检测算法。根据道路图像的特征,将图像灰度化后,采用中值滤波去除图像采集过程中引入的噪声,再根据自适应阈值边缘提取检测算法,在提取过程中对原图像进行区域划分,利用改进的Hough变换得到车道候选线,建立动态的ROI,通过帧间关联方法实现对车道线模型的约束和更新。实验结果表明,基于帧间关联的车道线检测方法不仅降低了图像数据的运算量,缩减了算法的执行时间,而且 提高 了算法的鲁棒性。     

结合形态学的结构化车道线快速识别算法

为解决结构化车道线识别算法中存在的约束条件多,计算过于复杂等问题,提出一种基于形态学的车道线快速识别算法. 该算法首先对道路图像进行中值滤波,Sobel算子增强边缘,利用直方图特征分割图像,然后划分感兴趣区域,接着构造具有车道特征的形态学结构元素去提取车道线,最后概率霍夫变换拟合车道线. 实验对比结果表明,针对结构化道路,该算法简单有效,计算量小,具有良好的实时性.