共查询到20条相似文献,搜索用时 437 毫秒
2.
3.
基于RGB空间的车道线检测与辨识方法 总被引:1,自引:0,他引:1
提出一种利用颜色信息进行车道线检测并且能够分辨黄色或白色车道线的新方法。首先,找出图像中与路面颜色差异较大并且具有合理宽度的像素段;然后在RGB颜色空间利用先验信息对像素段的颜色进行辨识;再用辨识后的像素段分别估计出黄色或白色车道线的颜色分割阈值;最后利用获取的阈值对整幅图像进行车道线检测。实验结果表明,该方法能够在复杂背景环境或路面污染等干扰条件下较好地检测出车道线并能辨识出车道线颜色。本方法简单、有效,且具有一定的鲁棒性。 相似文献
4.
精准快速的车道线检测算法对自动驾驶有着至关重要的作用,提出一种基于OpenCV检测车道线。相机矫正对图像去畸变,通过HLS颜色空间的L通道提取白色车道线,利用OpenCV库的inRange函数设置高低阈值数组提取HLS空间道路图像的黄色车道线,合并黄白车道线图像;通过优化后的Canny算法检测车道线边缘两种方法结结合起来完成车道线检测。根据像素直方图动态选择滑动窗口方法检测车道线通过二次多项式进行车道线拟合。 相似文献
5.
为了提高基于机器视觉的车道偏离预警系统的可靠性和实用性,对系统中的多个环节进行了研究,将多种图像处理方法进行对比分析,总结各种算法的优缺点并进行适当的改进.最终选择了车道偏离预警系统中几种常用的图像处理方法做了详细测试与分析,使用这些图像处理方法对图像传感器采集的道路视频进行了车道线检测,并且对得到的结果进行比较和分析.经过实际测试,合理地使用这些算法能够保证识别的准确率在95%以上. 相似文献
6.
随着深度学习的发展,基于深度卷积神经网络的车道线检测模型在自动驾驶系统和高级辅助驾驶系统中得到了广泛的应用.这些模型虽然有较高的精度,但通常计算量大且运行速度慢.为了解决该问题,提出了一种车道线检测任务专用的轻量神经网络模型.首先,提出了一种行列解耦采样的卷积模块,该模块利用图像中车道线区域的行列可分解性对传统的残差卷积模块进行了合理的优化.其次,利用深度可分离卷积技术进一步降低行列解耦采样卷积模块的计算量.此外,还设计了一种金字塔空洞卷积模块来增加模型的感受野.在CULane数据集上的实验的结果表明,文中提出的轻量车道线检测模型与之前最好的SCNN模型相比,浮点计算量降低了95.2%,F1分数提高了1.0%,在保持较高精度的前提下显著降低了车道线检测模型的计算量. 相似文献
7.
车道线识别是实现汽车视觉导航技术的关键.在道路图像中,为了得到较理想的车道标识线,且不影响车道线识别的实时性,提出了一种分段切换车道模型.将车道线图像分成近视野和远视野两部分,对近视野区域使用直线模型匹配车道线,远视野区域则在直线模型和二次曲线模型之间切换.实验结果表明,所提方法在晴天、阴雨天、路面阴影严重等条件下,对车道线具有良好的拟合效果,能匹配各种形状道路,是一种可靠的车道检测方法. 相似文献
8.
9.
为自动有效地获取交通监控场景中的多车道信息,提出一种利用骨架化边缘的多车道检测算法,以克服视频处理对固定场景和明确的先验车道位置信息的依赖。算法主要针对静态的交通背景图处理,采用背景提取、滤波和数字形态学预处理等,由Hough变换确定车道位置的骨架线;由行车方向约束车道线角度,利用车道线几何成像特性检测出准车道线,获取车道线和车道区域。实验表明,对不同的交通场景和不同光照条件,该方法能有效检测多车道,鲁棒性强,具有较高的工程应用价值。 相似文献
10.
传统车道线图像识别与现实路况差异较大,提出了一种车道线实时视频图像识别方法.方法 对车道线图片进行逆透视转变,采用改进的Sobel算子对最近车道线边缘进行检测.在此基础上利用自适应双阈值对检测到的图像做二值化处理,增强图像信息.使用改进Hough变换算法减少拍摄图像与实际路况的差异,完成车道线实时视频图像识别.仿真结果证明,研究方法可以在不同道路环境中实现车道线视频图像准确识别,运行时间短、效率高. 相似文献
11.
12.
为了更好地满足车道标志线识别算法的实时性和鲁棒性要求,提出了一种新的、有效的车道标志线识别算法。将图像灰度化后,采用中值滤波去除图像采集过程中引入的噪声,应用方向可调滤波器进行边缘提取,在提取过程中对原图像进行感兴趣区域划分并采用边缘分布函数法确定方向可调滤波器的初始方向角。提出使用基于梯度加权的霍夫变换对车道标志线进行识别,通过建立梯形感兴趣区域的方法实现对车道标志线的实时跟踪,并对多段实地采集的视频进行实验测试。结果表明:基于方向可调滤波器与梯度加权的霍夫变换相结合的车道标志线识别方法,简化了对车道标志线信息特征参量的估计;不仅大大缩减了算法的执行时间,而且使算法的鲁棒性得到很大的提高。 相似文献
13.
朱成荣 《计算机光盘软件与应用》2014,(2):30-31
针对夜晚环境和车道标线不明确的情况,本文提出了全新的车道检测算法,利用道路上的车辆运行轨迹的有效统计来得到路面结果。实验结果显示此方法消减了环境因素的影响,并在现场检测中效果明显,适用于实时视频监控系统。 相似文献
14.
15.
直线模型下的车道线跟踪与车道偏离检测 总被引:4,自引:0,他引:4
为了解决规格化道路上车道线跟踪及车道偏离检测的问题,利用Kalman滤波器来动态确定感兴趣小窗口的大小和位置。首先,在小窗口内采用Hough变换方法进行车道线识别;同时,根据摄像机的成像几何性质,推导出车道偏离程度与道路图像中车道线斜率之间的函数关系,从而简化了摄像机标定过程。现场试验表明,完成一帧道路图像的预处理及车道线识别的所需时间小于30ms,车辆直行隋况下的车道偏离率相对测量误差小于5%,试验结果验证了该方法的实时性和正确性。 相似文献
16.
17.
18.
基于激光雷达的车道线检测目前使用最多的是基于雷达扫描点密度的检测方法,但它的抗干扰能力差.为此,本文利用激光雷达的回波脉冲宽度对于车道线与路面的区分度进行特征提取,提出一种特征提取方法,分两步进行——基于脉冲宽度动态阈值的种子点提取和基于高斯核加权搜索的区域生长.然后引入FCL(fuzzy C-means of line)算法识别车道线(以线为中心进行聚类),最后通过最小二乘法拟合车道线.通过实车在6个不同的道路场景下进行实验,都能够准确检测出车道线,同时具有较高的检测精度. 相似文献
19.
20.
车道线检测是无人驾驶任务中最重要的模块之一.由于车道线具有独特的结构,且容易受到各种各样复杂环境(比如光线、遮挡、模糊等)的影响,因此车道线检测也是一项很具有挑战性的任务.传统的卷积神经网络(CNN)难以直接学习到精细的车道线空间特征,本文使用空间特征聚合模块对CNN提取的特征在空间维度进行融合增强,为级联的车道线预测器提供了丰富的空间特征信息.实验证明,空间特征聚合模块通过聚合水平和垂直方向的特征图获取精细的全局信息,在多种复杂环境下都能提升车道线检测算法的性能,且不会影响检测的速度. 相似文献