基于图像处理的车道线识别算法研究.docx

基于图像处理的车道线识别算法研究.docx

《基于图像处理的车道线识别算法研究.docx》由会员分享，可在线阅读，更多相关《基于图像处理的车道线识别算法研究.docx（30页珍藏版）》请在冰豆网上搜索。

基于图像处理的车道线识别算法研究

基于图像处理的车道线识别算法研究

摘要

为了提高车道线识别算法的实时性和准确性，提出了一种基于改进Hough变换的车道线检测方法。

在车道线的预处理阶段，首先确定图像中的感兴趣区域，然后

对图像进行平滑处理、自适应阈值分割、边缘检测，从而减少了后期的处理数据量，排除了大部分的干扰因素。

在车道线的识别阶段，根据圆和椭圆的性质，对传统的霍夫变换进行改进，极大减小了在检测圆和椭圆时的计算量，并提高了检测的准确性。

最后使用OpenCV图像处理库编写程序，证明了新算法的正确性，得到了理想的结果。

关键词：

车道线识别椭圆检测霍夫变换

StudyonLaneMarkIdentificationAlgorithmBasedon

ImageProcessing

Abstract

Inordertoimprovethereal-timeandaccuracyoflanerecognitionalgorithm,presentsamethodoflanedetectionbasedonimprovedHoughtransform.Thepreprocessingstageinthelaneline,firstdeterminetheimageoftheregionofinterest,andthensmoothing,adaptivethresholdsegmentation,edgedetectionofimage,therebyreducingtheamountofdataprocessingstage,mostoftheinterferencefactors.Therecognitionphaseinthelaneline,accordingtothenatureofthecircleandellipse,improvementoftheHoftransformtothetraditional,greatlyreducestheamountofcomputationinthedetectionofcircleandellipse,andimprovetheaccuracyofdetection.Finally,theuseofOpenCVimageprocessinglibraryprogram,provedthecorrectnessofthenewalgorithm,andthedesiredresult.

KeyWords：

lanemarkidentification；ellipsedetection；houghtransform

第1章绪论

1.1研究背景

车道线的识别是图像处理和交通智能化领域的一个重要分支，特别是近年来，随着只能汽车、自动识别的发展和应用，车道线识别的研究得到了长足的发展，并且会在未来随着人们对识别精度、速度的要求越来越高，车道线识别领域的研究将会愈发火热，可以说这是一个方兴未艾的研究领域。

车道线识别的研究成果很大程度上得益与数字图象处理和计算机技术的发展。

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。

随后又对探测飞船发回的近十万照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。

在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。

随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

2.1国外研究现状

在过去几十年中，国外许多专家学者在车道线识别和跟踪系统方面已经做出了很多积极有意义的探索。

国外一些关于智能车辆辅助驾驶系统的研究成果已经比较成熟，有些已经投入到商业化应用中，相对国外的研究水平，国的研究起步比较晚，但是发展速度比较快，相信在未来的几年里，国的一些研究成果应该能够快速跟上国际版步伐，逐渐发展完善起自己的应用体系，尽快的投入到实际生产应用中。

1.2.1国外研究现状

国外一些关于车道线识别的研究成果已经比较成熟，目前，有些方法已经投入到了实际的商业化应用中。

其中，具有代表性的系统主要由：

意大利帕尔玛大学开发的GOLD系统[20]；美国密歇根州立大学人工智能实验室开发的LOIS系统；美国卡基梅隆大学开发的RALPH系统；美国卡基梅隆大学机器人学院NavLab实验室和Vision&AutonomousSystemCenter联合开发的SCARF系统和ALVINN系统。

GOLD系统：

该系统采用立体视觉技术，根据目前车道线的油漆颜色特征来定位车道线所处位置，但是立体视觉技术面临图像匹配以及运行时间长等问题，因而该系统有设计了并行SIMD硬件结构来满足实时性要求。

LOIS系统：

该系统利用一种可变型的道路模板技术，将道路的弯曲度和智能车辆在行驶过程中所处道路的位置问题转换成多维参数空间的最优化问题，通过得到的最优解来解决车道偏离预警中出现的问题。

RALPH系统：

该系统首先根据车辆速度的变化情况，建立了与之相对应的一系列梯形窗口，通过对梯形窗口的视频图像通过逆透视变换来确定道路的弯曲度，然后计算智能车辆偏离车道中心线的距离，判断车道线偏离情况，最后通过跟踪逆透视变换得到的道路平行线，从而实现道路车道线的追踪。

该系统在实验开始的时候进行了道路结构化假设，在很大程度上提高了车道线检测识别的鲁棒性。

SCARF系统：

该系统利用双目视觉原理，在图像中设置的梯形窗口，利用霍夫变换来估计车道线可能出现的ROI区域，然后反投影到真实的道路平面，通过控制车辆的方向沿着ROI中心线方向行驶来确保车辆不会偏离车道线。

ALVINN系统：

采用基于BP神经网络的方法，通过对不同天气状况下的车道线特征进行训练，来得到一个参数训练模型，从而根据训练得到的参数模型来预测不同天气状况下的车道线位置。

1.2.2国研究现状

今年来，我国在该领域也做了一些积极的探索和研究，但是与其他发达国家相比起步比较晚，因此，国在该领域的研究和探索还存在一定的改进空间。

国的研究成果主要有以下几个：

清华大学计算机智能技术与系统国家重点实验室研制的THMR系统：

该项目采用的道路模型是直线模型，利用多窗口的双阈值二值化进行特征提取，在后续处理中采用增强转移网络来完成，在算法实时性方面做得比较好，但由于道路模型首先，因此只能对直线车道进行检测和识别。

工业大学研制的JUTIV系统：

该项目采用3D回旋曲线为道路模型，用最大类方差方法来设定阈值提取道路边缘，利用随即采用的LmedSquare方法进行车道线曲线拟合，同时结合了驾驶员稳态预瞄原理，建立了车道线拟合的预测区域，并进一步利用多传感器信息融合技术对复杂环境下的车道线检测识别与跟踪等关键技术做了系统研究。

3.1论文主要容

一种车道线识别方法，包括以下步骤：

从在绘有不同车道标志图案的车道上行驶的汽车中,通过图像传感器拍摄汽车前方视野;从上述步骤中拍摄的图像中选取汽车左、右车道边界的数据，通过将对所述选取的车道边界数据进行处理，完成车道线的识别，确定车辆所在区域的车道线类型。

论文中主要分以下部分对车道线识别算法进行分析和描述：

第2章：

介绍了车道线的基本知识，分析讨论了车道线预处理的过程和用到的相关算法；

第3章：

具体分析霍夫变换算法，并根据圆和椭圆的性质对霍夫变换算法进行改进

第4章：

在对所使用的算法和车道线特征进行分析综合的基础上，使用C语言结合OpenCV图像处理库编写程序实现算法，并对算法进行验证，得到最终的车道线识别结果。

第2章车道线的预处理

预处理是车道线识别过程中一个十分重要的一环。

良好的预处理能使排除各种干扰，使运算量大大下降，大大提高车道线识别的实时性和准确性，反之，则不仅会使识别效率降低，甚至导致得到错误的结果。

预处理的过程主要分为车道线的设置感兴趣区域、平滑滤波、阈值分割、边缘检测。

本章首先简要介绍车道线的基本知识，然后对感兴趣区域的原理和应用进行分析，并针对车道线的具体特征和要得到的目标选择合适的预处理方法，进而对每种预处理过程中的算法进行分析讨论，得出适合的预处理算法。

2.1认识车道线

2.1.1车道线的基本分类

车道分界线是用来分隔同方向行驶的交通流的交通标志线，凡同方向车行道有两条或两条以上车道时,均应划车道分界线。

车道分界线有两种,即车道分界虚线和导向车道分界实线。

车道分界虚线,在保证安全的原则下,准许车辆越线超车或变更车道行驶;导向车道分界实线,不准车辆越线或变更车道。

图（2-1）所示为各种车道线：

图2-1各种车道线

2.1.2车道线的标划区分

白色虚线:

划于路段中时,用以分隔同向行驶的交通流或作为行车安全距离识别线;划于路口时,用以引导车辆行进;

白色实线:

划于路段中时,用以分隔同向行驶的机动车和非机动车或指示车行道线;划于路口时,用作导向车道线或停车线;

黄色虚线:

划于路段中时,用以分隔对向行驶的交通流,划于路侧或缘石上时,用以禁止车辆长时在路边停放。

黄色实线:

划于路段中时,用以分隔对向行驶的交通流;划于路侧或缘石上时,用以禁止车辆长时或临时在路边停放。

双白虚线:

划于路口时作为减速让行线;划于路段中时,作为行车方向随时间改变之可变车道线;

双黄实线:

划于路段中时,用以分隔对向行驶的交通流;

黄色虚实线:

划于路段中时,用以分隔对向行驶的交通流。

黄色实线一侧禁止车辆超车、跨越或回转,黄色虚线一侧在保证安全的情况下准许车辆超车、跨越或回转;

双白实线:

划于路口时,作为停车让行线。

2.1.3车道线的基本形状

通过对各种车道线的比较，我们可以法线，车道线基本分为两种形状：

直线和圆，其他的形状还包括三角形等，但它们的基本组成元素仍然是直线，所以我们同样能对其运用直线的方式处理。

但是必须注意的是，由于图像采集设备与道路之间有一定的倾角，所以道路中的圆出现在图像中时将会变为椭圆。

通过将基本的识别目标固定在直线和椭圆的围中，我们便将车道识别的问题抽象为直线和椭圆的识别，研究方向进一步固定。

2.2感兴趣区域

感兴趣区域简称为ROI（regionofinterest）是将图像中的重要区域进行标记，随后的各种算法和分析将主要针对ROI。