公路视觉导航中道路图像的阈值分割

在公路视觉导航中,分割道路图像的分道线与路面是至关重要。在采用传统最优阈值分割算法时,因道路图像远处与近处的对比度存在差异,易导致不完全分割。为了解决上述问题,针对道路图像的特性提出了逐行最优阈值分割思想。该文通过对大量视频图像的道路与分道线特点进行统计,并结合公路视觉导航中图像的序列性,对逐行最优阈值分割进行了改进以提高实时性,提出了一种新的基于视频流的多阈值分割算法。通过对三种方法对比试验,表明该方法有很好的实时性、有效性和自适应性。     

基于机器视觉的车道检测与二维重建方法

本文提出了一种基于机器视觉的车道检测与重建方法。采用链码算法检测分道线，用链码来记录车道线轮廓信息，再基于曲率模型的卡尔曼递推估计方法来估计当前的车道线位置，同时用来预测和检测下一时刻的车道线位置，并建立了车道数学模型。通过MATLAB仿真论证了该数学模型能准确地计算出真实车道的位置、弯度、形状等信息。但由于该数学模型计算较为繁琐，实时性不强，很难得到广泛应用。最后在该模型的基础上，通过计算相邻两段分道线的斜率差，简化算法，并对车道进行二维重建。实验结果表明，该方法能有效、快速地检测和重建车道，具有很好的可靠性和准确性。