基于视觉的车道线检测技术研究.pdf

《基于视觉的车道线检测技术研究.pdf》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、ＳＯＵＴＨＷＥＳＴＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ變硕±Ｉ学聲心Ｗ论Ｘ方嗎？ｍａｓｔｅｒｄｉｓｓｅｒｔａｔｉｏｎＪ議曝论义题目；基于视觉的车道线检测技术硏究隹―＾屬ｒ：；Ｉ硏究生：進瞧—鱼主￣￣－％：国内图书分类号：ＴＰ３９１．４１密级：公开国际图书分类号；００４西南交通大学研究生学位论文基于视觉的车道线检测技术研究年级２０１４姓名侯长征申请学位级别硕±专业信烏与通信工程指导老师侯进二零一屯年四月ＣｌａｓｓｉｆｉｅｄＩｎｄｅｘ：Ｔ

2、Ｐ３９１．４１Ｕ．Ｄ．Ｃ：００４ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒＤｅｒｅｅＴｈｅｓｉｓｇＲＥＳＥＡＲＣＨＯＮ－ＶＩＳＩＯＮＢ乂ＳＥＤＬＡＮＥＭＡＲＫＩＮＧＳＤＥＴＥＣＴＩＯＮＴＥＣＨＮＯＬＯＧＹＧｒａｄｅ：２０１４Ｃａｎｄｉｄａｔｅ：ＣｈａｎｇｚｈｅｎｇＨｏｕＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ：ＭａｓｔｅｒＤｅｒｅｅｇｐｐｇＳｅｃｉａｌｉｔ：ＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎｐｙＥｎｉｎｅｅｒｉｎｇｇＳｕｐｅ

3、ｒｖｉｓｏｒ：ＪｉｎＨｏｕＡｒ．２０１７ｐ西南交通大学学位论文版权使用授权书、本学位论文作者完全了解学校有关保留使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被査阅和借阅。本人授权西南交通大学可Ｗ将本论文的全部或部分内容编入有关数据库进行检索，可！＾采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于１．□保密，在年解密后适用本授权书；２．不保密使用本授权书。‘’’（请在Ｗ上方框内打Ｗ）学位论文作者签名：指导老师签名：曰期－；如曰期：如西

4、南交通大学硕±学位论文主要工作（贡献）声明本人在学位论文中所做的主要工作或贡献如下：１．道路图像的预处理为了去除对车道线检测无用的冗余信息，提高车道线检测算法的准确率，需要对道路图像进行预处理，其主要包括感兴趣区域划分、图像灰度化、边缘信息提取及噪声边缘滤除四个部分。首先利用道路图像的行灰度均值特性，实现感兴趣区域的动一。态划分，尽可能多地去除与车道线检测无关的背景区域不同于般的灰度化转换模一型，然后采用，本文采用个特定权值的加权平均法来对感兴趣区域进行灰度化处理一Ｃａｎｎｙ边缘检测算法提取图像的边缘信息。最后，提出了种基

5、于方向优先级捜索的方法，用于削弱噪声边缘的干扰，从而得到了适合于车道线检测的预处理图像。２．通过道路消失点约束来规避非车道线的干扰。一消失点是平面图像中的个重要特征点。它蕴含着丰富的信息，是从平面图像理解Ｈ维空间的重要线索，车道线和道路两侧的边缘轮廓都是相。在现实的路况场景中互平行的，，它们在道路图像中的投影会相交于道路消失点（理想情况下）而由树木的一阴影、建筑物的投影等形成的干扰线段则是方向各异的，。根据送特性本文利用道路消失点约束来规避非车道线的干扰，提高了车道线检测的准确率。一３．使用随机采样致（ＲＡＮＳＡＣ）算法实

6、现对不同形状车道线的拟合。，现实路况场景中车道线的形状不尽相同，为了更真实地描述不同形状的车道线本文Ｗ贝塞尔曲线模型为基础构建不定变形模板，根据车道线的实际形状来调整模型的参数进而实现车道线的拟合，并对其。首先通过逆透视变换得到道路图像的俯视图。进行滤波和阔值化处理，从而削弱背景噪声的干扰然后对俯视图进斤纵向灰度值累一致算法根据车道线的实际形状加求和，实现车道线的初始定位。最后使用随机采样。来调整模型的参数，实现了对不同形状车道线的拟合本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果，。除文中已经注

7、明引用的内容外本论文不包含任何其他个人或集体已经发表或撰写过的研究成果，均已在文中作。对本文的研究做出贡献的个人和集体了明确说明。一本人完全了解违反上述声明所引起的切法律责任将由本人承担。学位论文作者签名：傲為曰期：、化西南交通大学硕±研究生学位论文第Ｉ页摘要随着汽车保有量的不断増加，城市交通也变得越来越拥挤，智能交通系统因而受到了人们的广泛关注一它被广泛地应用。车道线检测是智能交通领域关键的技术之，于辅助驾驶系统、车道偏离预警系统Ｗ及车辆防碰撞系统中，对于提高交通安全具有重要意义。基于视觉的车道线检测容

8、易受到光照变化、树木的阴影、路面的文字及行驶的车辆等外部环境的干扰。针对Ｗ上