基于智能車輛視覺導(dǎo)航的道路檢測技術(shù)的研究.pdf

1、近年來，視覺輔助導(dǎo)航已成為智能車輛導(dǎo)航領(lǐng)域的研究熱點之一，其中道路檢測是視覺輔助導(dǎo)航中的關(guān)鍵技術(shù)，道路圖像的檢測結(jié)果會受到噪聲質(zhì)量及成像質(zhì)量的嚴(yán)重影響。本文以道路檢測技術(shù)中將會遇到的幾個關(guān)鍵問題作為研究重點，對道路圖像進(jìn)行增強、邊緣檢測等算法的處理，主要研究了基于圖像處理的道路檢測技術(shù)。
　　 本文根據(jù)道路圖像的噪聲類型，針對不同的噪聲采取相應(yīng)地去噪方案，提出一種改進(jìn)的直方圖均衡算法，可以有效地解決圖像的模糊問題；而對于雨雪天氣

2、造成的椒鹽噪聲，利用中值濾波能夠有效地去除其噪聲；對于高斯白噪聲，則采用自適應(yīng)濾波的濾波效果最好。
　　 在圖像邊緣檢測中，通過對經(jīng)典邊緣檢測算法的具體分析與比較，提出一種基于多尺度幾何分析的Beamlet變換的邊緣檢測算法。該算法符合最優(yōu)圖像特征的表示方法，能夠充分利用圖像的幾何正則性，檢測出的道路邊緣更加連續(xù)清晰，使道路的邊緣特征得到較好的保護。在閾值分割環(huán)節(jié)，通過對幾種傳統(tǒng)閾值分割方法的比較，根據(jù)道路圖像特點，確定使用最大

3、類間方差法進(jìn)行閾值分割。
　　 在進(jìn)行道路邊界線提取時，采用一種基于直線點密度的霍夫變換方法，將圖像空間和霍夫空間有機地統(tǒng)一起來，該方法能夠避免由于過度積累而導(dǎo)致偽直線過多的缺點，同時具有較好的魯棒性和抗噪性，從而提高道路檢測的準(zhǔn)確性。
　　 文中通過對采集的道路圖像添加椒鹽噪聲、高斯白噪聲以及模糊化的處理，模擬實時道路檢測中可能會遇到的影響圖像質(zhì)量的問題，仿真實驗結(jié)果論證本文所提出的算法能夠準(zhǔn)確地檢測出道路圖像中的車道