基于扩展卡尔曼滤波器的车道线检测算法

提出一种将道路结构模型信息与扩展卡尔曼滤波器(EKF,extended Kalman filter)相结合的车道线检测算法。基于扫描线的自适应边缘检测算子进行边缘点的检测,针对车道模型建立了适合算法的自定义参数空间,进行边缘点的投票,提取出候选车道线,解决了传统Hough变换中处理速度慢的问题。根据道路几何学和车辆动力学建立新的车道模型,增加了车道信息待估计的参数,并利用车道线的特征约束排除干扰线得到车道线的内边界,结合EKF对车道线边界点坐标参数进行跟踪估计,以保证算法的稳定性与鲁棒性。实验结果表明,本文算法能够处理绝大多数的复杂车道情况,在实时性、鲁棒性和检测率上都取得很好的效果。     

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。     

一种基于多重衡量标准共检的车道线检测方法

针对当前传统车道线检测算法较复杂,适应性及鲁棒性较差,且直-弯车道线检测的准确度较差的情况,提出一种基于多重标准共检的车道线识别方法。对原图像进行灰度化处理后双重设定感兴趣区域(ROI),利用脊度量和Canny检测算子进行边缘特征的提取,双重标准确定直-弯车道线的分界线,利用直-弯车道线模型进行车道线检测。通过实际道路图像对所提方法进行实验验证,车道线检测准确度和拟合程度较高,场景适应能力强,且能够满足实际道路的需要。     

夜间车道线检测与跟踪算法研究

夜间车道线的检测与跟踪是汽车智能辅助安全驾驶系统在夜间工作的前提.根据夜间车道图像照度低,光照不均匀的特点,提出先进行基于光密度差的对数Prewitt边缘检测,再进行Hough变换检测单帧车道线,最后融合固定区域法和Kalman滤波法预测感兴趣区域跟踪连续车道线的算法.实验结果表明,该算法具有准确、实时的夜间车道线检测与跟踪能力.     

基于机器视觉的红外激光辅助车道线检测方法

车道线检测在车道偏离预警、车道保持、车道变换、前向碰撞预警、自适应巡航控制等驾驶辅助系统中发挥着重要的作用。传统的车道线检测算法存在算法复杂度较高、在路面变化时识别率低等问题。针对以上问题，提出了一种红外激光辅助车道线检测的方法。通过两道激光照射路面后激光光条在图像中的位置获取路面角度信息，以实现自适应逆透视变换；使用Canny算法完成二值化、Hough变换检测直线；利用激光照射位置处路面和车道线灰度差值明显的特点定位车道线，完成直线的筛选。实际路况的实验表明，所提算法能够有效地应对路面变换带来的视角变化并减少环境干扰，相比固定ROI提取方法和传统Hough直线检测方法效果更佳、鲁棒性更强，平均正确率达到97.24%,平均运算时间为28.7 ms/帧。     

高速公路车道线检测与跟踪算法研究

为提高高速公路上车道线识别的快速性和鲁棒性,提出了一种有效的车道线检测与跟踪方法。采用霍夫变换进行车道线检测,具有较强的抗干扰能力,能够准确地识别车道线。车道线跟踪利用Kalman预测参数建立感兴趣区域,然后用扫描线法搜索车道线边界点,在车道线间断区域利用Kalman预测器定位车道线边界。由于搜索限制在预测范围内,提高了搜索精度,减少了搜索范围,保证了实时性能,且对虚线车道线识别特别有效。仿真实验结果表明,对于不同的天气状况和车道线种类,该算法均有较好的识别效果。     

基于视觉的车道线检测技术研究

环境感知技术是汽车自动驾驶的基础,车道线检测技术是环境感知的关键部分.本文提出一种基于视觉的车道线检测技术.首先,运用"张正友标定法"对单目相机参数标定;然后将图像转换成鸟瞰图,并使用LaneRidge检测器对车道线进行分离;其次,使用随机抽样一致算法RANSAC拟合车道线,并对虚实车道线进行分类;最后,在MatLab平台上对本文提出的车道线检测算法进行验证.实验结果表明,本文提出的车道线检测算法能够准确拟合车道线,并对虚实车道线进行分类.本研究能够确保车道线检测的实时性和准确性,从而为智能交通系统的应用打下基础,提高智能汽车行驶的安全性.     

车道偏离预警算法研究

本文主要对车道偏离预警算法进行一定的研究。在介绍算法基本流程的基础上,主要阐述了图像预处理、车道识别、偏离预警三个实现步骤。实验表明,该方法能够正确分析车道中的位置信息,当车辆偏离车道时及时给予报警。     

单目智能车道偏离预警系统

车道偏离预警系统是继安全气囊之后的汽车安全辅助系统,该系统主要任务是采用基于机器视觉的方法提取车道线并进行预警决策。文章利用TMS320DM642视频处理器作为中央处理器,设计出基于DM642的车道偏离预警系统硬件架构,算法方面对图像进行灰度化、二值化和边缘提取做预处理,然后设置感兴趣区域(ROI),利用基于相位编组的改进Hough变换(RHT)进行车道线检测,根据车道偏离预警条件进行预警决策,当车辆在驾驶员非意识时偏离车道线的情况下实施报警。试验结果证明,本系统能够提前2.5s进行车道偏离的预警工作,并能够排除路面标记的影响,满足车道偏离预警系统实时、鲁棒的性能要求。     

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

基于机器视觉的车道线精确检测算法

车道线检测是车辆智能驾驶系统的重要组成部分.针对传统的车道线检测方法精度低、实时性能差的问题,提出一种基于机器视觉的车道线精确检测算法.该算法采用车道内侧边缘线代表车道线,具体包括预处理和车道线提取两个步骤:预处理部分包括灰度化、Sobel边缘检测、ROI设定、二值化,最终得到车道线部分的二值图像;车道线提取部分包括图像切片、改进的Hough直线检测、DBSCAN直线聚类以及直线拟合,最终得到精确的车道边缘线信息.最后将算法应用于各种场景下的路况测试,实验结果表明:该算法的平均准确率为94.9％,平均处理时长为25.6 ms/f,具有很好的实时性和鲁棒性.     

基于车道信息融合的车辆行为识别

在车辆的自动驾驶和辅助驾驶中,实时分析车辆的运动状态具有重要的实际应用价值。为了实现对车辆行为的判断,提出一种基于车道信息融合的车辆行为识别算法。首先提出一种基于改进Robinson与LSD的模型,运用改进的Robinson算子获取最佳梯度幅值实现对车道的边缘提取,再通过LSD算法实现车道的检测。然后采用一种基于滑动窗口的三次样条插值法对车道进行拟合,最后根据车道参数信息分析车辆的运动状态,结合车辆的中心位置得到车辆的偏离信息。在BDD100K数据集的测试中,本文算法的车道检测准确率为95.61%,车辆行为识别准确率为93.04%,每秒传输帧数达到42.37。实验结果表明,本文算法在不同场景下可以有效地区分车辆的运动状态并给出车辆的偏离信息,具有更高的准确性和鲁棒性。     

基于FPGA的车道偏移告警系统

为了解决传统的机器视觉处理系统在安全驾驶辅助系统的应用中遇到的成本和性能挑战,设计了一种以FPGA为处理核心的车道偏移告警系统,研究了车道线提取和车道偏移告警算法,并对其进行RTL级实现,实现了快速并行处理。通过搭建SOPC系统,集成了抬头显示系统,减少了额外的处理器成本,能够给驾驶员提供更加安全的驾驶体验。该方案成本低于传统的DSP视觉处理平台,系统的图像处理速率最高可以达到1157帧/秒,满足实时性要求。     

单目视觉下结构化车道实时检测

车道检测是高级驾驶员辅助系统的重要组成部分。本文对视频进行实时处理，实现对结构化车道线的实时检测。首先使用行方向的Sobel算子对处理区域进行边缘增强，接着在处理后的区域使用LSD(Line Segment Detector)进行线段提取，提取的线段集合包含代表车道线的线段。最后通过线段倾角以及相对位置过滤线段集合，并结合线段稳定帧数来筛选出最佳候选车道线。      

激光主动成像图像边缘检测算法研究

针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法。该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;利用类间方差最大值和梯度幅值直方图来进行高低阈值的自适应取值,使算法可根据图像自身特点选择最合适的阈值。实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像边缘,具有较强的自适应性。     

基于LQR算法的车道保持控制策略

介绍一种基于LQR算法的车道保持控制方法。采用TLC与DLC联合预警模型结合驾驶员意图识别对车辆当前的行驶状态进行判断并在偏离时做出报警,当驾驶员未做出反应时车道保持系统对转向系统的输出转角值进行转向控制,帮助驾驶员纠正车辆偏离动作,在Carsim/Simulink环境下进行仿真,对比不同车速下横/航向偏差量与输出方向盘转角关系,结合车辆偏离预警算法实车测试,对该控制策略的可行性进行验证。结果表明,该控制策略的实时性和鲁棒性较好,具有实用价值。     

面向嵌入式平台的车道线检测方法

车道线检测在自动驾驶和高级辅助驾驶中起着举足轻重的作用,然而,传统的车道线检测技术鲁棒性较差,而大多数基于深度学习的方法复杂度又较高,难以在嵌入式平台实时应用。提出一种面向嵌入式平台的轻量级车道线检测网络,将车道线检测转化为语义分割问题,该网络借鉴U-Net与Segnet网络结构,使用了小尺度卷积等轻量化组件设计计算高效的语义分割网络。在检测车道线的基础上,计算车辆距离两侧车道线的距离,以及车道线的曲率,同时当车辆偏离车道线或检测出现异常时进行预警,最后将整个系统移植到海思平台。实验结果表明:该系统具有较高的检测精度以及检测速度,准确率达到97.5%,速度达到50 FPS,满足实时性要求,因此该系统能够用于面向嵌入式平台的实时车道线的检测、测距、曲率计算以及预警。