基于机器视觉的雾天环境下车道线识别技术研究

《基于机器视觉的雾天环境下车道线识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391.41密级公开UDC629学位论文编号D-10617-308-(2016)-03001重庆邮电大学硕士学位论文中文题目基于机器视觉的雾天环境下车道线识别技术研究英文题目ResearchofLaneRecognitionTechnologyinFogEnvironmentbasedonMachineVision学号S120301002姓名蔡兵学位类别工学硕士学科专业控制科学与工程指导教师李锐完成日期2016年4月8日重庆邮电大学硕士学位论文摘要摘要随着车辆智能化需求的日益提升，保障恶劣天气的行车安

2、全是必须要解决的问题。基于机器视觉的车道线识别作为车辆安全辅助驾驶的重要组成部分，是解决该问题的有效途径。现有学者主要针对正常天气进行研究，而对恶劣天气（如雾霾等）没有进行系统深入的研究。因此，针对雾天环境下道路图像对比度低且不易识别的问题，本文提出一种基于改进的暗原色先验去雾算法的车道线识别方法。主要内容如下：1.首先阐述了基于机器视觉的雾天环境下车道线识别方法研究的研究背景与意义；然后综述了车道偏离预警系统、车道线识别方法以及车道线跟踪方法的研究现状。随后，分析了目前车道线识别研究存在的一些问题，并指出了本

3、文的主要研究工作。2.对于雾天环境下采集的道路图像对比度低，本文在图像预处理阶段引入图像去雾预处理的概念。通过对比几种不同的去雾算法对雾天道路图像去雾的效果，本文提出一种改进的暗原色先验去雾算法，能够在满足实时性的条件下，达到很好的去雾效果，从而增强道路图像的对比度。由于雾天道路图像在进行去雾预处理时，已将图像上方1/3处像素灰度值均置为0，如果采用传统的全局最大类间方差法(OTSU)法对去雾后的道路图像进行分割，会导致分割阈值偏小，得到的二值图像会存在太多噪声，因此本文采用局部OTSU法对图像进行分割。3.对

4、于弯道车道线检测，本文采用直-曲线模型。将道路图像分为近景直线段和远景曲线段，近景直线段采用改进的Hough变换直线检测，远景曲线段采用最小二乘法曲线拟合。对曲线特征点提取前，首先根据近景直线段检测的直线参数确定消失点位置以及曲线特征点检测区域，然后再进行特征提取；然而，由于道路其他干扰因素（比如噪声等）的影响，可能会提取到无效点或者其他无用特征点，因此对曲线特征点进行可信度判定。而采用最小二乘法拟合曲线时，通过对比分析，确定采用三次曲线拟合车道线效果最佳。4.对于视频序列的单帧道路图像，如果重复地对其进行车道

5、线检测，则会降低整个系统的实时性。因此对于车载摄像头采集的视频帧图像，利用相邻连续两帧图像间信息量相差不大的特点，采用kalman滤波跟踪识别车道线，提高实I重庆邮电大学硕士学位论文摘要时性和准确性。5.为了验证本文雾天环境下车道线检测方法的有效性，通过MATLAB分别进行仿真与实验，对本文算法进行验证。结果表明：本文方法不仅满足实时性要求，而且在雾天环境下能够准确的识别车道线；同时，与暗原色先验去雾算法相比，本文改进的算法，耗时不到它的10%。关键词：机器视觉，车道线，雾天环境，去雾算法，车道线检测II重庆邮

6、电大学硕士学位论文AbstractAbstractWiththeincreasingneedofautomobileintelligence,thedrivingsafetyofvehiclesinthesevereweatherisimperativetobeaddressed.Thelanerecognitiontechnologybasedonmachinevisionasacriticalpartofcarsecurityaidsystem,isaeffectivesolutiontothedrivin

7、ginsevereenvironment.Thepresentworkmainlyfocusesonthedrivinginnormalweather,butdrivinginthesevereweather,forinstance,fogandhaze,hasnotbeenthoroughinvestigated.Therefore,withtheproblemsofthelowcontrastofroadimageandthedifficultyoflaneidentificationinfogenviro

8、nment,thepaperproposesalanerecognitionmethodbasedonimproveddarkchannelprioralgorithm.Themaincontentsareasfollows：1.Thebackgroundandsignificanceoflanerecognitionmethodinthefogenvironmentbasedonma