基于平行Snake耦合Kalman滤波器的车道线检测算法

针对当前车道线检测算法中易受到车道线磨损、遮挡、阴影等影响,导致检测算法精度不高,鲁棒性不强,提出了平行Snake耦合Kalman滤波器的车道线检测方案。首先,为了获得道路左右边界的平行属性,引入期望最大化(EM)算子,通过最小化目标函数来估计消失点,并估算其单应矩阵;并在齐次坐标空间中进行单应性变换,将车道线透视图转变为鸟瞰图。然后,通过参数预测算子建立车道模型,将平行性约束添加到主动轮廓模型(Snake)中,构建了一种平行Snake车道线检测方法。在平行Snake方法中,为了克服图像梯度低时Snake无法有效收敛到车道边界,引入了膨胀力,将两条平行的主动轮廓往道路的左右两边推挤,最终收敛到道路的左右边沿。最后,考虑到前后帧之间参数的连续性,采用Kalman滤波器进行跟踪优化,并抑制噪声,提高算法对车道线的识别精度。实验结果表明,与当前常用的车道线检测算法比较,提出的方案在精度与鲁棒性均得到改善,在阴影、光照变化、边界破损等车道数据集上取得了良好的性能。

Hough变换的车道线并行检测

针对车道线识别鲁棒性的问题,提出了基于Hough变换的车道线检测方法。为解决Hough变换检测直线速度慢的问题,文中采用了并行加速处理技术,将待检测图片分解成左右两个感兴趣区域分别分配给两个CPU,再将两个CPU并行独立运行的检测结果进行汇总。实验数据表明,车道线检测速度提高了39.1%,车道线检测质量优于传统的串行检测,提高了Hough变换的车道线检测实现效率。

车道线识别系统算法设计及其FPGA实现

针对车道线识别算法复杂、计算量大、软件处理慢等问题,将FPGA并行处理技术与数字图像处理技术相结合,完成车道线识别系统设计.整个系统分为中值滤波、二值化、骨架化、二次滤波拟合四大模块.创新性提出了"双对分最大类间方差滤波迭代算法"实现图像二值化阈值选取;另提出"基于行逼近的最小二乘曲线拟合算法"以完成次近景的车道线提取;并对直线识别算法进行改进以完成近景的车道线提取.仿真结果表明本算法识别准确,符合实际路况,且可满足系统实时性要求.

一种基于透视变换的车辆位置和方向提取方法

为了实现浓雾下高速公路的正常通行,提取了一种基于红外光穿浓雾能力比可见光强的特点,在道路两侧护栏上设置等间隔的红外诱导标志,利用车辆上的红外成像装置,获取车辆位置状态引导车辆正常行驶。利用快速标定模型进行了车载成像装置的标定,研究了基于导引标志的车辆位置和方向参数提取,其中改进了一种基于透视变换提取车辆位置方向的方法,即利用图像中车道平行线和灭影点的内在关系估计出车辆方向,并通过几何关系计算车辆位置。实验表明,该方法估计的车辆位置和方向参数达到车辆导引要求,是一种可行的方法。

基于单目视觉的测距算法

论文针对测量高速公路上前方障碍车辆距离的问题,首先利用背景差分法实现车辆检测,再引入了一种利用公路上车道线平行的约束条件计算摄像机自身俯角值的单目视觉测距算法。在获取的道路图像中,将选取图像中车道线上的点,通过几何推导,获得平面上对应点坐标,计算车道线斜率,以求极值的方法计算摄像机当前的俯角值。通过背景差分法提取出前方运动目标,经图像处理,获取车辆底部与路面相交的点,利用计算出的俯角值,从而实现障碍车辆测距。通过试验,验证了该方法可行。

基于公路双平行线组的相机外参数在线标定

针对车载相机在线标定问题,尤其是外参数标定方面,文中提出了一种基于车道线的在线标定方法,首先通过分析相机外参数与消失点、拍摄倾角之间的关系,将外参数的计算方法进行化简,并在已知相机高度的条件下,通过寻找场景中两组相互垂直的平行线,获取相关信息进行参数标定。实验结果表明,文中所提出方法简便可行,且具有一定的实用价值。

基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。

基于CHT消失点检测及最小二乘法的车道线检测算法

为解决在车道线识别中检测消失点误差较大和检测速率较慢的不足,提出一种基于CHT消失点检测对车道线采纳点进行最小二乘拟合的车道线检测算法。该算法首先计算RGB熵直方图的最小差值,根据该差值初步分割道路图像。然后引入平行坐标系参数化的级联霍夫变换方法,对查找消失点方法进行改进通过一次投票得出消失点。并以搜寻的消失点为约束条件,利用最小二乘法对最终点进行拟合从而完成对车道线的检测。实验结果表明,所提出的算法对离线图片车道线检测精度达到93.4%,识别速度也有大幅度提升。