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.     

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。     

动态背景下的车辆与车道线检测

运用运动光流法提取运动车辆,区分运动的前景及相对运动的背景,获取运动目标的运动参数;运用霍夫变换结合最小二乘法实现道路识别与跟踪.实验结果表明,运动光流法能够准确检测不同运动目标并对其进行跟踪,霍夫变换结合最小二乘法对车道线实现了较好的跟踪与预测,实现了预期目标.     

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.     

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...     

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.     

基于局部PCA方向统计分析的Hough直线检测算法

为克服经典Hough变换本身存在的计算时间长、存储空间大的缺点,提出基于局部PCA方向统计分析的Hough直线检测算法。首先在边缘图像范围中选取合适大小的掩膜,通过局部PCA获得支持集内像素点的主元方向;侧重依据所有掩膜内主元方向信息的统计规律来约束Hough变换的极角选择范围,通过缩小参数θ选择范围大大缩短搜索时间。同时,每当一条直线检测完毕,当即把该直线上的点从原图像中除去,一方面可以避免直线间尤其是角度相近的直线间的影响,另外也减少下一轮极角子集范围内搜索的像素点数,提高运算效率。上述过程依此循环,直到检测出所有规定的直线。实验表明,所提出的算法计算精度高,运算时间短,并能提供直线段的完整描述。     

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Hough变换的圆检测技术

Hough变换是在图形图像处理和计算机视觉中用来提取边缘特征的一个最常用的方法，受到国内外学者和工程技术人员的广泛青睐。该文提出了一种改进的随机Hough变换，并进一步应用于圆检测系统。通过检测系统对不同情况下常规Hough变换和该文改进的Hough变换测试结果对比实验表明，改进随机Hough变换方法能较好的实现检测，并且相比常规Hough变换检测耗时明显减少。     

基于Hough变换的票据图像倾斜校正

针对票据图像,考虑框线变换后参数空间分布,提出了一个改进的基于Hough变换的票据图像倾斜检测与校正方法。通过对图像进行平移变换,选择图像中心作为原点,使得框线变换后的参数空间,呈现对称的蝶形,从而更容易检测出峰值点,得到精确的票据图像倾斜角度。实验结果验证了提出方法的有效性,与传统方法相比,检测的倾斜角度更加精确,具有更强的抗噪声能力。     

基于彩色图像分割的路标检测算法研究

针对交通标志检测问题,首先比较了RGB,HSV,Lab颜色空间中进行颜色分割的优缺点,并提出了基于Lab颜色空间进行交通路标定位的方法,然后对HSV空间阈值分割、Lab空间阈值分割、Lab空间聚类分割的效果进行了分析与比较,证明了Lab空间阈值分割的效果较好,最后结合交通标志的颜色信息,采用Hough变换方法定位出圆形路标,采用最优拐角检测方法定位出三角形和矩形路标。实验结果证明,该方法能准确定位出交通标志。     

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.     

基于快速的混合高斯模型的运动目标检测算法

针对传统高斯模型实时性差的问题,该文提出了一种快速的背景更新策略.首先对彩色图像建立混合高斯模型,根据场景中象素点的稳定性来调整模型参数的更新速度;其次利用混合颜色空间的阴影检测算法消除前景图像的运动阴影;最后对该文方法进行了验证性实验,结果表明提出的运动目标检测方法有效、实时性好、对光照有较强鲁棒性.