基于分段切换模型的点集优化车道线识别方法

针对车辆的横向运动偏差及相关安全监控技术存在缺陷的问题,提出一种基于分段切换模型的点集优化车道线识别方法。首先建立稳定可靠的分段切换车道线模型,然后利用单目视觉和毫米波雷达的传感器组合对车辆进行识别,筛选掉干扰车道线识别的无效候选点,如果缺少有效的识别点,则利用卡尔曼滤波和车道线等宽条件进行有效点的补充。实验证明,该方法能够准确有效的识别车道线,对于减少车辆行驶过程中安全事故的发生具有重要意义。

用于车道识别的分段切换车道模型

为了使得车道模型既能准确地描述车道形状,又不影响车道识别算法的实时性,提出了一种分段切换车道模型。对近视场区域使用直线模型匹配车道线,对远视场区域则在直线模型和二次曲线模型之间进行切换,以适应有曲率和无曲率道路的识别要求。试验表明,使用分段切换车道模型的车道识别算法能够很好地匹配各种形状道路,并能满足实时性要求。

分段切换车道模型在车道线识别中的应用

车道线识别是实现汽车视觉导航技术的关键。在道路图像中,为了得到较理想的车道标识线,且不影响车道线识别的实时性,提出了一种分段切换车道模型。将车道线图像分成近视野和远视野两部分,对近视野区域使用直线模型匹配车道线,远视野区域则在直线模型和二次曲线模型之间切换。实验结果表明,所提方法在晴天、阴雨天、路面阴影严重等条件下,对车道线具有良好的拟合效果,能匹配各种形状道路,是一种可靠的车道检测方法。