一种基于直线模型的道路识别算法研究

为了提高道路识别的鲁棒性和抗干扰能力 ,提出了一种道路边缘识别算法。该算法的创新点在于采用自然边界作为道路识别的依据 ,同时算法也可以将白色路标作为识别道路边缘的标志。由于道路的自然边界不像车道标志线那样容易受到污染 ,因而使该算法具有了较高的鲁棒性。该算法是采用像素级特征和帧图像特征来识别道路边缘 ,可称为全局道路边界模型。在模型中由于采用了有关的道路约束条件 ,因而使得算法具有较好的抗干扰能力。该算法包括初始检测算法和跟踪算法两个部分 ,其中在跟踪算法中采用感兴趣区域算法 (ROI)来限制检测区域 ,以提高实时性。最后 ,还提出了一个道路边界可信度检测函数 。

基于随机Hough变换的道路边界识别算法研究

道路边界识别是基于机器视觉的智能车辆关键技术之一,提出了一种基于直线道路模型的道路边界识别和跟踪算法,该算法包括道路边界初始识别算法和跟踪算法两部分。在初始道路边界识别阶段,对预处理后的图像进行逐行搜索道路边界候选点,并结合相关的道路约束条件,采用Hough变换对候选边界点进行拟合,以提高鲁棒性。该方法的创新点是在道路跟踪算法中,建立目标搜索区域(OSA),OSA的宽度根据道路边界识别的拟合可信度的变换进行动态调整,并采用随机Hough变换的算法对OSA中的边界点进行拟合,这样显著减少了运算时间和存储空间。试验结果表明,该方法不仅满足道路边界识别的实时性要求,还具有较好的鲁棒性。