快速准确的车道线识别是智能交通系统非常重要的组成部分,其不仅被广泛地应用在商业驾驶系统中,而且被引入到军事训练中。当前的车道线识别技术存在准确率低、用时久、受光照影响大等缺点,为了克服以上缺点,本文对车道线识别技术进行了丰富的研究和改进。首先对现有的技术进行了研究和分析,然后改进了识别步骤和识别算法,还提出了车辆偏移距离的计算方法,最后将车道线识别技术用在军事应用中,研发了基于车道线识别的阅兵车辆训练及考核系统。下面简要介绍本文的主要研究内容:(1)图像预处理过程中,在研究了经典的二值化算法后提出了新算法,将其称为混合正态分布法。新算法是通过寻找目标和背景正态分布曲线的交点来求取分割阈值,此阈值是自适应的,能够用来分割实时变化的图像。实验结果显示,新方法能够得到良好的二值化效果,其用时比传统算法大约减少了 27%。(2)边缘检测的过程中,首先分析了经典的算法,然后对Canny边缘检测算法进行改进。改进后的Canny边缘检测算法,是在原算法的基础上利用高斯分布求取高低阈值。同时,为了消除更多的背景干扰而增加了高斯平滑次数。实验结果表明,新算法的边缘检测效果更好,其用时跟传统算法基本一致。(3)经过分析,找到了在普通采集距离之下车辆偏移距离的计算公式,偏移距离代表车辆偏离车道线的程度。实验结果证明,在不同的采集距离下,程序都能准确地计算出偏移距离。(4)研发了基于车道线识别技术的阅兵车辆训练及考核系统,此系统主要分为三部分:识别部分、传输部分和考核部分,识别部分是系统的核心。整个系统在某军事基地进行了现场实验,实验结果显示,本系统运行稳定,功能良好。综合实验表明,在复杂的外部环境下,新方法能够快速准确地识别车道线,识别率达到了 91.14%,单帧图像的平均识别用时为34.5毫秒。另外,基于车道线识别的阅兵车辆训练及考核系统,提高了军训成果,缩短了军训时间,在阅兵仪式中得到了广泛的应用。