智能车辆技术是智能交通系统研究的热点领域,开展智能车视觉导航的关键技术——道路识别方面的研究,对确保车辆行驶安全和实现无人驾驶起着至关重要的作用。 论文从道路环境理解的角度出发,针对智能车辆视觉导航中的车道保持问题,运用单目视觉技术对行驶车辆前景中的道路边界和车道线进行检测,以获取本车与当前道路的相对位置信息和方向信息。在综合设计道路视觉导航系统的同时,文中主要对软件处理算法进行了深入研究与实现。 首先,在灰度转化、滤波去噪和增强对比度等图像预处理的基础上,利用投影法找出图像中的路面水平分界线,并由此划分出初始检测的感兴趣区域;然后,利用梯度算子卷积运算、梯度方向链码量化、非最大抑制细化边缘以及边缘点跟踪搜索等处理方法,对道路边界和车道线进行特征提取,针对车道线亮度的特殊性,还采用了另一种最大类间方差阈值分割的提取方法进行了对比;最后,依据驾驶经验、先验知识和数学描述建立道路模型,利用最小二乘的直线和二次曲线拟和技术,分别对直路和弯路进行模型匹配,识别出道路的位置和形状。 此外,论文还对行车参考路径、本车实际的位置偏差和方向偏差等做了分析和探讨;针对大量图像序列,设计了一种循环处理算法,利用前一帧结果缩减当前图像的带状搜索窗,在很大程度上提高了程序的执行效率。 通过实地采集的交通图像,对论文提出的算法进行验证,结果表明,算法具有快速、稳定、准确的特性。