首页> 中文学位 >基于视觉的道路区域和车道线识别技术在智能车辆导航中的应用研究
【6h】

基于视觉的道路区域和车道线识别技术在智能车辆导航中的应用研究

代理获取

目录

文摘

英文文摘

声明

第1章 绪论

1.1引言

1.2智能车辆研究现状

1.3基于视觉的道路识别研究现状

1.4车道线识别研究现状

1.5论文主要工作及章节安排

第2章 基于视觉的道路导航设计

2.1 引言

2.2设备组成和工作原理

2.2.1设备组成

2.2.2系统的工作原理

2.2.3系统功能

2.3软件算法设计

2.3.1算法总体设计

2.3.2算法描述

2.4本章小结

第3章 道路区域识别算法研究

3.1 引言

3.2预备知识

3.2.1颜色模型

3.2.2区域增长法

3.2.3 ROI区域

3.2.4结构化、半结构化道路定义

3.2.5数学形态学基本运算

3.3道路检测常用方法及特点分析

3.4基于视觉特征样本的道路识别算法

3.4.1方法的提出

3.4.2道路的定义

3.4.3特征样本参数确定原则

3.4.4特征样本参数确定

3.4.5特征样本提取过程与管理

3.4.6特征样本提取方法

3.4.7道路识别与样本管理

3.5实验结果

3.6本章小结

第4章 车道线识别算法研究

4.1引言

4.2预备知识

4.2.1骨架线提取

4.2.2 Hough变换

4.3车道线识别常用方法分析

4.4基于视觉特征样本和骨架线方法的车道线识别算法

4.4.1方法的提出

4.4.2算法描述

4.4.3车道线模型定义

4.4.4车道线分离

4.4.5车道线抽取

4.4.6车道线矢量化

4.5实验结果与分析

4.6本章小结

附图

第5章 总结与展望

5.1 总结

5.2展望

参考文献

致谢

攻读学位期间发表学术论文目录

展开▼

摘要

智能车辆是一种能够在室内和室外环境下连续的、实时的自主运动的机器人。智能车辆的研究已经成为高科技领域具有战略性的研究目标,随着军用、民用和科学研究等领域巨大需求的推动,其正经历着日新月异的变化。在智能车辆的各项关键技术中,视觉导航的研究涉及到计算机视觉的各个主要方面,是一个有难度的综合性课题。视觉导航的基本任务是根据获取的视觉信息正确识别出道路区域和车道线。由于室外环境的复杂多变以及图像数据量大、处理耗时,导致视觉导航系统的算法通用性、实时性和鲁棒性得不到满足。本文旨在提高视觉导航系统的通用性、实时性和鲁棒性,对智能车辆的道路识别算法、车道线识别算法进行了探索与研究。 首先,本文针对道路区域识别算法不能适应室外复杂的道路环境,提出了一种基于道路特征样本的道路检测算法。算法在分析了复杂的室外道路环境的基础上,确定了道路特征样本的选取原则,通过分析研究相关颜色模型,选定了以归一化的RGB值为道路颜色表示方法。特征样本参数分别选取了样本的归一化的RGB颜色均值r、g、b和他们的标准差δr、δg、δb以及平均灰度值I及灰度标准差δ1,共8个参数来表示道路样本特征。这些参数可以有效的消除室外因光线强度变化而引起的颜色变化,很大程度上减少了样本的数量。在道路区域识别方面,算法以特征样本为基础,采用区域增长等方法实现了道路区域的识别,算法效率高、识别准确。文中还对道路的定义从计算机视觉的角度进行了研究。 其次,针对目前车道线检测算法复杂,计算量大的问题,本文在基于特征样本的道路识别算法的基础上,提取车道线特征样本,并对道路区域算法进行改进,率先实现了道路区域识别与车道线分离在同一过程中完成,减少了车道线识别步骤,提高了系统效率。在车道线分离出来后,算法通过骨架线抽取、矢量化预处理及分段直线法等步骤实现了车道线的矢量化。方法简单、实用、高效。 上述算法步骤少、计算简单、通用性强,与其他识别算法有很大不同,可以较好的满足视觉导航系统对通用性、实时性和鲁棒性的要求。研究过程中对算法进行了验证。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号