基于机器视觉的车道线及斑马线和道路标志的检测和识别技术的研究与实现

摘要

随着社会的不断进步，汽车成为人们不可或缺的交通工具，交通安全问题越来越严峻，引起了社会的普遍关注。提高汽车安全性能、减少交通事故的发生是我们目前面临的一个比较严峻的问题。因此，智能交通辅助驾驶系统的研究成为热点，对保障车辆的安全行驶起着非常重要的作用。
　　本文研究了车道线及斑马线和道路标志的识别和检测技术。车道线是车辆在行驶时的重要参考标志，斑马线和道路标志的识别可以为驾驶人员提供交叉路口的信息，从而达到更好的辅助驾驶的目的。本文对采集来的视频进行处理，提取每一帧图像的车道线信息，主要流程为:首先，对采集的图像进行预处理操作，主要包括图像灰度化、滤波平滑、图像增强、二值化处理和边缘修补。其次，对预处理后的图像进行特征区域提取。然后，根据车道线自身的形态特征确定筛选条件对特征区域进行筛选过滤，并采用最小二乘法对筛选后的特征区域进行拟合，识别出图像中的车道线。车道线识别后，确定当前车道中感兴趣区域，扫描该区域，根据斑马线及路面导向箭头自身的形态特征对其进行筛选及识别。利用序列图像的信息之间的相关连续性，用前一帧识别的车道线来预测下一帧车道线，得到预测区域即感兴趣区域，以减少扫描范围，提高系统的实时性，实现车道线的跟踪识别。同时，本文针对由于光照等原因不能完整提取车道线的情况，做出修补工作，保证系统的鲁棒性。
　　实验结果表明，本文提出的算法能够比较准确的识别出车道线、斑马线及道路箭头标志，并且可以实现对机器视觉的跟踪处理，具有较好的准确性和实时性。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 本文的主要工作

1．3．1 主要研究内容

1．3．2 组织结构

第2章 图像预处理

2．1 图像灰度化

2．2 图像平滑

2．2．1 图像平滑算法

2．2．2 各种算法实验结果与结论

2．3 图像增强

2．3．1 对比度增强

2．3．2 边缘增强

2．4 图像二值化

2．4．1 阈值分割法常用算法介绍

2．4．2 二值化处理算法

2．5 边缘修补

2．5．1 膨胀

2．5．2 腐蚀

2．5．3 开运算和闭运算

2．6 本章总结

第3章 车道线特征区域提取

3．1 车道线特征区域提取常用算法

3．1．1 基于阈值分割的道路区域提取

3．1．2 基于区域生长的道路区域提取

3．2 车道线特征区域提取

3．2．1 感兴趣区域

3．2．2 车道线特征区域提取

3．3 本章小结

第4章 车道线及斑马线和道路标志识别

4．1 车道线识别方法

4．1．1 车道线识别常用方法

4．1．2 车道线识别

4．2 车道线拟合

4．2．1 车道线合并

4．2．2 拟合参数的确定

4．3 车道线预测

4．4 虚拟车道线

4．5 斑马线及道路标志识别

4．5．1 感兴趣区域

4．5．2 斑马线识别

4．5．3 箭头标志识别

4．6 本章小结

第5章 车道线跟踪与预警

5．1 车道线区域预测

5．2 车道线识别跟踪

5．3 车道线偏离预警

5．4 车道线重定位

5．5 本章小结

第6章 车道线识别与跟踪实验

6．1 多情况实验结果及分析

6．2 速度分析

6．3 本章小结

第7章 总结

参考文献

致谢