论文部分内容阅读
在中国乃至全球范围内，众多的道路交通事故导致了很大的人员伤亡和财产损失。据估计，大约44％的车祸发生原因是由于车辆偏离正常车道。车道偏离警告系统（简称为LDWS或RDWS）是根据车辆安全系统的特点和道路的基本规则设计出来的。它的主要功能是协助过度劳累或长期单调驾驶的司机保持车辆在正确车道里稳定的行驶。LDWS具有可以显著提高车辆行驶的主动安全性的潜力，已经得到了国内外的研究人员越来越多的关注。因此，LDWS系统具有广泛的应用价值和市场潜力。而LDWS系统的核心部分即是道路标志线检测的算法。 在本文中，我们研究了一个基于视觉图像处理的车道检测和识别方法。在这个算法中我们基于这样一种车道模型:1.车道线的灰度高于道路的灰度值。2.车道线边缘可以分段近似为直线。3.两条车道之间保持有一定固定宽度。 在具体的算法中，首先，我们通过检测输入图像的环境信息，通过检测和分析图像中的线段，得到一个自适应的矩形区域，我们将这个区域称为特定假设感兴趣区域(Assumptive ROI)。A_ROI将在不知道具体的车道所在位置的前提下，自适应的包含大多数的车道信息。通过设置感兴趣区域，对图像的运算时间与算法执行效率都有很大提升。然后，一系列的算法用来将这个区域内的车道信息分割与处理，这里我们用到了大津法阈值分割算法(OTSU)先进行阈值分割出可能的车道信息。然后将这个分割出的二值图像经中值滤波和形态学处理，去除多数的噪声和错误直线。然后我们将分段再次设置感兴趣区域(Segment ROI)，在新的S_ROI中我们利用霍夫变换分别检测并拟合直线，如果符合我们的直线标准，我们将假设检测出的直线就是车道线。接下来为了进一步滤除无关背景，我们设置第三个感兴趣区域，Λ-ROI，这个ROI会去除大多数背景信息。在之后的操作中，我们利用卡尔曼滤波跟踪检测出来的车道并依据结果设置新的Λ-ROI。经试验测试，整套算法在PC模拟时可以达到实时的要求。