基于扩散性搜索区域的车道线检测与跟踪算法

针对现有的车道线检测与跟踪算法在复杂环境下实时性和鲁棒性较差的问题,提出了基于扩散性搜索区域的车道线检测与跟踪算法.该算法在搜索车道线的起始阶段引入了扩散性搜索区域,搜索过程中对该区域进行不同层次的划分,缩小了算法搜索范围,提高了算法检测速度及准确率;跟踪过程中将扩散性搜索区域与动态感兴趣区域相结合,使算法在最小的区域...     

一种基于双曲线模型的车道线检测算法

针对目前车道线检测算法识别率不高、弯道检测不准确的问题,提出了一种基于双曲线模型的车道线检测算法.算法首先运用Canny算子对道路边缘进行检测;采用Hough变换提取道路边界点,并使用扩展的Kalman滤波进行预测跟踪来减小道路扫描范围;最后通过左右车道边界参数与双曲线模型参数进行匹配,利用最小二乘法来求解模型参数,完成车道边界重建.实验结果表明,该算法的准确率达到93.4%,每帧图像的处理速度为87.4ms,有效克服抛物线模型和直线模型在直道与弯道连接处不连续的问题,而且在车道线模糊、对比度较低的情况下也能快速准确的识别出车道线.     

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。     

结构化道路车道标线识别算法研究

针对传统Hough变换算法在无人车结构化道路车道标线识别中出现的中间间断车道标线提取不精准、不完整、有用车道标线信息丢失等问题,提出基于感兴趣附近区域的Hough变换车道标线识别算法．运用传统Hough变换对预处理得到的二值图像进行图像部分分块的车道标线提取,在已提取的车道标线周围划定感兴趣附近区域,找出感兴趣附近区域内的像素与车道标线的辅助度关系,通过辅助度计算累计单元的最大值,得到车道标线的参数．对无人车实时采集的图片进行实验,实验结果表明,该算法在直道、弯道情况下平均处理一帧图片耗时分别为80．42ms、92．22ms,具有很好的实时性,且该算法可以有效提取结构化道路的车道标线．     

一种基于平行坐标系的车道线检测算法

针对现有车道线检测技术依赖霍夫检测导致的速率过慢问题,提出了一种基于平行坐标系的车道线检测算法。基于平行坐标系将直线可视化,并对其检测速率加以对比和分析。结果表明,在仿真环境下基于平行坐标系的车道线检测算法,其准确性与霍夫检测相仿,且速率有很大的提升。     

目标感兴趣区域检测算法

将形态Haar小波与数学形态学方法相结合,用于实现目标感兴趣区域(Region-of-interest,ROI)的检测。将采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测。仿真实验结果表明,该方法能以较低的虚警率和较高的检测率完成目标ROI检测,且运算简单,大大节省了运算时间和硬件资源,降低了系统设计成本。     

基于梯度增强和逆透视验证的车道线检测

为解决高速公路和城市道路上复杂条件下的弱线漏检问题,提出了一种基于梯度增强和逆透视验证的车道线检测方法。该方法使用车道线的结构和对比度特征提取车道线区域,利用提取的车道线区域进行车道线和道路样本的选择,并采用基于模糊线性鉴别分析获得从彩色RGB图像到灰度图像变换的最佳投影系数,以确保车道线和道路像素间的灰度差异最大,从而有效突出道路上的弱线;利用逆透视变换对候选车道线间的空间位置关系进一步验证,以此找回漏检的虚线。不同场景、不同天气状况下的实际道路图像的实验表明,方法具有很好的鲁棒性和准确性。     

基于改进概率霍夫变换算法的车道检测方法研究

为了提高车道检测的实时性，提出了一种基于改进的概率霍夫变换算法的车道检测方法。改进的概率霍夫变换算法的特点是用设定累加器阈值的方法减少了检测直线的运算量，通过随机取点映射到参数空间使最长直线被最早检测到的概率最大，比现有车道检测方法中普遍采用的标准霍夫变换算法更具实时性。实际路面图像的对比处理结果证明了该检测方法的实时性、精确性和鲁棒性。     

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.     

基于道路中心点的分道线检测算法

分析了汽车安全行驶智能辅助操作系统中道路分道线的检测提取方法,提出了基于道路中心点的分道线检测新算法,提取出道路中心点后,按自动步长法提取出分道线候选点,并对分道线候选点进行滤波,最终拟合出道路分道线,为解决汽车智能辅助驾驶系统的碰撞问题提供保证.     

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.     

基于编解码器模型的车道识别与车辆检测算法

针对无人驾驶车辆环境感知问题,通过编码器提取共享图像特征,再通过解码器来实现语义分割、分类和目标检测模块,并应用在车道识别和车辆检测上.在无人驾驶中,任务的实时性非常关键,这种共享编码器模型能一定程度上提高任务实时性.实验结果表明,该模型的语义分割在KITTI数据集上的平均精度达到93.89%,比最优性能提升0.53%,联合检测速度达到25.43 Hz.     

基于SPIHT的静止图像ROI编码算法

结合JPEG2000中比例移位法对感兴趣区域(ROU编码算法的优点,提出了基于多级树集合分裂(SPIHT)算法的ROI图像编码算法.压缩后的码流具有嵌入性特点,支持渐进传榆.实验结果表明,在相同码率下,本算法重建图像整体峰值信噪比低于SPIHT算法,但ROI区域能够得到较好的重建,主观视觉效果好,尤其适用于低码率压缩情况.     

基于Beamlet和K-means聚类的车道线识别

为了解决视频车道线识别中抗噪性差和鲁棒性低的问题,本文提出了一种基于新的特征提取和分类的快速车道线识别算法。算法首先对预处理后的灰度图像进行改进的Beamlet变换,然后对Beamlet的中点集合运用改进的K-means方法进行聚类分析;最后对每类中的中点集合分别进行基于三阶贝塞尔曲线的RANSAC拟合后可以准确地提取出车道线。本文通过简化Beamlet词典与快速提取Beamlet基,加快了Beamlet变换的计算速度;通过寻找最佳投影线与多次迭代聚类中心来改进K-means聚类,解决了曲线车道线和车道线数目的聚类问题。实验证明,对于结构化或非结构化的道路环境,本文算法的都具有很好的可靠性、实时性和鲁棒性。     

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.     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。     

基于豪斯多夫距离的快速多人脸检测算法

以豪斯多夫距离为相似性度量,提出了一种对光照及背景变化具有鲁棒性的快速准确多人脸检测算法。由于豪斯多夫距离多模板匹配算法的复杂性,采用降低模型维数,寻找感兴趣区域和用变换间距离来寻找最适宜模型等多种方法提高计算豪斯多夫距离的效率。实验结果证明该算法能快速准确检测人脸。