车辆车道级定位,指的是以车道作为基本单元,确定车辆所处道路及其具体车道位置的定位技术。它是高级驾驶辅助系统、无人驾驶技术和智能交通系统,以及网约车、共享汽车、社交车联网等汽车相关服务的关键与基础。但目前,市场上车辆车道级定位设备相对较少,通常只有高端车型才配备,且往往价格昂贵、设备复杂,对车辆改动较大,难以移植,通用性差。因此,本文致力于为车辆提供一种成本低廉、简单易用、通用性强的车辆车道级定位服务。为实现上述目的,本文提出了基于智能手机和机器视觉的车辆车道级定位方法。该方法充分利用智能手机普及程度广、传感器种类多、运算性能强的优势,以及机器视觉方法成本低、安装维护方便、通用性强的特点,将智能手机作为综合感知计算平台,先实现车辆的道路级定位,然后采集道路视频图像并从中检测出车道标志线,再根据车道标志线对车辆的横向偏移进行检测,进而实现车辆当前所处车道位置的判断,最后融合道路级定位结果和车道位置结果,实现车辆车道级定位。该方法的关键是对车辆在道路中的车道位置进行判定,其实现前提是对道路中的车道标志线进行准确的检测。因此,论文首先对车道标志线的检测进行了详细的论述。第一步其根据车道标志线和路面状况的不同,将车辆行驶的场景分为高速公路场景和城市主干道路场景;然后在高速公路场景下,提出了基于ROI选取、灰度化、滤波、二值化、边缘检测和Hough变换的车道标志线检测算法HLMD;再针对城市主干道路光照不均匀、阴影遮挡、路面破损以及行人、车辆、障碍物干扰多等问题,在高速公路场景车道标志线检测算法的基础上对二值化算法进行了改进,并引入了HSI彩色空间中路面区域检测与滤除、形态学处理、极角与距离约束等技术,提出了城市主干道路场景下的车道标志线检测算法CRLMD。最后在实际道路上对两种车道标志线检测算法进行了测试,经验证其准确度高,对环境具有较强的鲁棒性。论文其次提出了一种视频流中的车道定位算法。第一步其将车辆在道路中的运动分解为纵向运动和横向运动,然后根据车道位置变更只与车辆横向运动相关的实际,对车辆的横向偏移进行了分析,再通过引入车道部分、压线状态和压线周期等概念,对车道内横向偏移和单车道间横向偏移进行了区分,最后提出了在视频流中基于初始车道位置和车辆横向偏移检测实现车道定位的方法。该算法通过在压线状态终止时刻对车道位置进行更新的方式,增加了车道定位对车道标志线检测结果的容错性,进而提高了其鲁棒性。论文最后对基于Android系统的车道级定位APP的开发进行了简要介绍,并选取天气晴朗、道路交通状况正常的下午,在西安市市区主干路段,对车道级定位APP进行了测试,测试结果表明APP能确定车辆当前所处的道路位置以及车辆在该道路中的具体车道,即APP能实现车辆车道级定位,算法性能良好,本论文方法成功实现。