基于機器視覺的快速車道線辨識研究.pdf

1、車道線智能識別是智能安全駕駛領(lǐng)域非常重要與基本的技術(shù)組成部分。基于機器視覺的車道線智能識別技術(shù)通過車載攝像機捕捉道路圖像,利用算法對圖像中的車道線進行智能識別,提醒駕駛員車輛偏離車道的情況,避免危險。本文將圍繞基于機器視覺的車道線智能識別技術(shù)進行深入研究,在現(xiàn)有車道線智能識別技術(shù)的基礎(chǔ)上,同構(gòu)算法改進,實現(xiàn)適用于嵌入式運算平臺的車道線識別算法,可以實時、快速地識別道路上的車道線,識別率高達88.7％,該算法在基于ATOM處理器的華碩嵌入

2、式設(shè)備上達到23.2幀/秒的圖像處理處理,較好地滿足智能駕駛系統(tǒng)對算法運算速度的實時性要求。
　　論文介紹課題中用于采集實際道路圖像的視覺傳感器等設(shè)備。并分析機器視覺技術(shù)中常用的圖像預(yù)處理手段,包括圖像灰度化和逆透視映射。
　　在車道線邊緣檢測方面,論文比較了圖像處理中常見的邊緣檢測算法,其中包括利用一階微分算子逼近灰度變化梯度值,如Roberts算子、Sobel算子,還包括基于信噪比最大原理檢測圖像邊緣的Canny算子。為

3、了提高車道線輪廓的檢測率和檢測速度,論文結(jié)合車道線實際色彩、形狀特征,制定了基于局部極值提取的車道線輪廓檢測算法。通過試驗測試對本文提出的車道線檢測方法和現(xiàn)有算法進行邊緣檢測率、運算復(fù)雜度以及引入非車道線邊緣像素數(shù)量方面的比較,結(jié)果顯示本文算法能有效檢測車道線邊緣,并且具有運算速度快,引入非車道線像素少的優(yōu)點。
　　在車道線建模識別方面,本文分析現(xiàn)有車道線識別算法中常用的基于直線模型的Hough變換和基于三次B樣條曲線模型的隨機采

4、樣一致算法。在傳統(tǒng)算法基礎(chǔ)上,論文針對車道線的幾何形狀特征,開發(fā)車道線幾何模型的匹配算法,利用車道線元素之間相互重疊的特點,進行匹配。通過車道線建模與匹配算法的模型近似程度、運算復(fù)雜度的分析,表明本文提出的車道線幾何模型運算復(fù)雜度低,并且具備檢測各種形態(tài)車道線的能力。
　　驗證試驗中,本文采集多方測試圖像,對本課題組提出的車道線智能識別算法與其他以往算法進行性能對比。通過手動標(biāo)注圖像中車道線位置,統(tǒng)計車道線識別算法的識別率與運算速

5、度。驗證本文算法在識別率、魯棒性、普適性和運算速度上相對于以往車道線識別算法的性能優(yōu)勢。
　　嵌入式移植試驗中,本文算法分別移植到基于ARM架構(gòu)與ATOM架構(gòu)的嵌入式平臺,根據(jù)硬件特點進行優(yōu)化。試驗結(jié)果表明本文算法在OMAP4430平臺上運算速度達到12.9幀/秒,在華碩MiniMax平臺上達到23.2幀/秒。經(jīng)討論分析,論證了本文算法在以上兩款平臺的移植方案能夠滿足智能駕駛系統(tǒng)中對車道線識別算法的速度要求。并且,通過與其他算法的