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.     

基于Bayes后验概率的鲁棒性车道线检测算法

针对道路场景中常见的由阴影、地面积水、刹车印记等因素引起的车道线对比度低和车道线不明显问题,提出一种基于Bayes后验概率的鲁棒性车道线检测算法.该算法在二次曲线道路形状模型基础上,在图像平面中引入中心车道线模型描述左右车道线,结合图像信息和车道线先验概率构造后验概率函数,将车道线检测问题引申为最大后验概率问题,并在优化过程中将具有参数少、结构简单和收敛速度快等特点的粒子群优化算法与具有全局搜索特性和不易早熟等特点的免疫克隆策略相融合,提高车道线检测的鲁棒性.实验结果验证了上述算法在车道线检测过程中对阴影等不良因素的鲁棒性.     

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.     

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.     

基于感兴趣区域模型的车道线快速检测算法

为满足智能车载视频取证设备对车辆违章行为取证时检测车道线准确性和时效性的要求,提出一种基于感兴趣区域模型的结构化道路车道线的快速检测算法。该算法首先基于结构化道路具有车道线与路面对比度高的特点,采用Soberx边缘检测算子检测车道的边缘信息,然后在感兴趣区域模型基础上,采用改进的Hough变换检测出可能的车道线。为准确提取车道线完成车道的准确检测,该算法基于透视图像消失点原理,采用逆透视变换消除伪车道线完成车道准确定位。实验表明,该算法定位精度高、快速快、鲁棒性好,能够满足高速公路智能车载视频设备取证的性能要求。     

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...     

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。     

基于整体最优阈值的车道线快速识别方法

针对现有车道线识别算法难以自适应地匹配图像,在车辆过弯途中识别率低,鲁棒性和实时性较差的问题,提出并实现了一种整体最优阈值的快速车道线识别算法.该算法首先对图像进行自适应二值化分割;然后对图像中的感兴趣区域进行提取;提出逐行检索的方法进行车道线内侧特征点的筛选,从而得到实际车道的左右标志线参数以进行道路模型重建.结果表明:区别于以往常用的霍夫变换,此方法具有更好的实时性及准确性,可在车辆过弯途中为系统提供更多的有效信息.     

基于改进SUSAN算子的车道线检测算法

为了准确识别道路的车道线,采用45°Sobel边缘算子对中值滤波后的道路图像进行增强,进而采用SUSAN算子和Otsu算法相结合的方法将图像分割,利用分区Hough变换进行拟合,识别出车道线.实验结果表明,采用改进的SUSAN算子分割后的道路图像能够准确提取车道线参数,拟合出车道线,去除噪声,节省了后续Hough变换的时间,提高了算法的抗噪性能和实时性.     

基于残差网络的弯道增强车道线检测方法

本文以提高弯道检测效果为主要目的,并综合考虑检测速度,提出了一种基于残差网络的弯道增强车道线检测方法。该方法采用残差网络为主体框架,通过在损失函数中加入弯道结构约束条件实现弯道增强;另一方面,为降低模型的复杂度,采用权值稀疏剪枝技术对模型进行缩减。实验结果表明：本文提出的弯道增强策略有效提高了在弯道场景下的算法性能,且对直线车道的检测性能影响较小。加入了权值稀疏剪枝策略之后,算法在性能未明显下降的前提下大幅度减少了计算时间,更符合实际生产需求。     

LaneDraw: Cascaded lane and its bifurcation detection with nested fusion

Lane and its bifurcation detection is a vital and active research topic in low cost camera-based autonomous driving and advanced driver assistance system(ADAS). The common lane detection pipeline usually predicts lane segmentation mask firstly, and then makes line fitting by parabola or spline post-processing. However, if the speed of the lane and its bifurcation detection is fast and robust enough, we think curve fitting is not a necessary step. The goal of this work is to get accurate lane segmentation,identification of every lane, adaptability of lane numbers and the right combination of lane bifurcation. In this work, we relabeled lane and its bifurcation with solid line if the image of Tu Simple dataset has both of them. In the data training process, we apply a data balance strategy for the heavily biased lane and non-lane data. In such a way, we develop a competitive cascaded instance lane detection model and propose a novel bifurcation pixel embedding nested fusion method based on full binary segmentation pixel embedding with self-grouping cluster, called Lane Draw. Our method discards curve fitting process, therefore it reduces the complexity of post-processing and increases detection speed at 35 fps. Moreover, the proposed method yields better performance and high accuracy on the relabeled Tu Simple dataset. To the best of our knowledge, this is the first attempt in 2 D lane and bifurcation detection, which more often happens in actual situations.     

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。     

车载移动执法中违规车辆智能检测研究

提出了一个面向高速道路交通车辆违规行为移动执法智能检测模型。系统模型分为车道线检测、车辆检测与跟踪、逆透视变换及几何量算、面向车道定位的地图精细匹配等4个子模块。该系统模型算法在实际高速公路环境中进行了车辆违规行为检测,以及车道线检测、车辆目标及跟踪等专项测试以表征其对车辆违规行为的检测能力。测试结果表明,该系统模型具备在一定的复杂交通环境中车辆违规行为辨识能力。相关专项测试表明,该模型可以快速及准确地检测记录违规车辆。     

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。     

一种基于结构化道路的单车道线检测算法

视觉导航系统需要实时检测行驶环境,确定道路的边界,使得智能车辆能够在无人驾驶或操纵的情况下,自主安全平稳的行驶.本文针对结构化道路,对单车道线的捡测算法进行研究.算法分为初始白线线头的检测与道路标志线窗口跟踪两步.该算法能有效地检测在各种条件下的连续与间断、清晰与模糊的白色道路边沿标志线.     

车道线识别系统算法设计及其FPGA实现

针对车道线识别算法复杂、计算量大、软件处理慢等问题,将FPGA并行处理技术与数字图像处理技术相结合,完成车道线识别系统设计．整个系统分为中值滤波、二值化、骨架化、二次滤波拟合四大模块．创新性提出了“双对分最大类间方差滤波迭代算法”实现图像二值化阈值选取;另提出“基于行逼近的最小二乘曲线拟合算法”以完成次近景的车道线提取;并对直线识别算法进行改进以完成近景的车道线提取．仿真结果表明本算法识别准确,符合实际路况,且可满足系统实时性要求．     

一种基于Hough变换的车道线检测新方法

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,提出一种新的车道线检测方法．对原始RGB图像灰度化,将Otsu阈值提取方法引入Canny边缘检测算法中,得到边缘图像;判断边缘点在原RGB图像中的R、G、B三分量颜色信息,剔除非类似车道线颜色的边缘点,降低其它非车道线的直线段影响;使用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．     

基于实例分割的复杂环境车道线检测方法

针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题,采用实例分割算法,提出基于改进混合任务级联（HTC）网络的车道线检测方法. 基于HTC网络模型,在主干网络中引入可变形卷积,提升主干网络对复杂环境中车道线特征的提取能力. 改进特征金字塔网络结构,在特征金字塔网络的基础上添加自底向上的低层特征传递路径,引入空洞卷积,在不损失车道线特征信息的情况下增加特征图感受野,利用低层特征中所包含的车道线的精确定位信息,提高车道线的检测精度. 实验结果表明,改进HTC网络模型可以实现车道线特征的鲁棒提取,在复杂道路环境中可以获得较好的检测性能,有效提高了车道线检测精度.