您的位置 首页 五金配件

专用车道

专用车道

摘 要: 为?了提o高车道线检测的准确性和实时性,?提出了一种快∮速准?确的车道线﹢检测方法。首先根据道路的纹理特征?求出道路∣的消失点,再采用改进的Hough变换检测车道线,结合车道线的一些特征以及摄像℡头℃的参数?,在不影响测量结果的情?况下缩小检测空间,快速∑准确地检测道路的车道线,并结合BRT车道?(快速公交车道)°×的一些特征识别车辆所在车道是否为BRT车道,从而实-现对B*RT车道内前方车辆?的监?督。将代mol码?移植到DM6437开发平台?随㎏着经济以及道路?的发展?,我国?的汽车保有量迅速上升,交通事÷故也成为人们普遍关注㎞的焦点。为了提m高驾驶的安全性以及操?作的简单性,车辆安全辅助㈱?驾驶系统成为当今国际智能交通系统研究的重要内容。车道线检测作为车辆安?全驾驶?的一个重要研究方向,可·以在车辆偏离航道时发出报警信息,有效地抑制事故的发生,具有?重要的研∵究意义。

/本≤文引用地址:http://www.eepw.com.cn/arti?c?le?/?148491£.htm

?目前,国内外学者已经提?出了很多车道?线检测算法,主要分为∶两类:一类是≥基于图像特征的检测方法,即特征m驱动>法,是基?于道路图像的一些特征?(?如车道线颜色、宽度以及边缘等特征)将图像的所有点标记为车道线点和非车道线点?,这种机制要求道路的车道线颜色较为明显,≈边缘较为清晰,否则无法¥得到准确的检测结果;另一类方法是基?于模型的∴检测方法,是根?据提♂取的特征对预先定义好的车道线模型进行匹配,将车道线的提取转化为车道线模型中参数的计算问题。模型的假设主要有直线<模型和曲≡线模型两种,其优点是对噪音不敏感,能较好地处理图像中物体局?部被遮挡和覆盖的情况。本文结合道路的纹理特征并建立模型进行车道检测,既 ?充分利用图像的信息,∫又在一定程度上?保证了算法的鲁棒性。

本文?首‖先对图像进行预处理,然后对图?像进¬行Hough变换或±?者Gabor?变换,?〒得到车道线位∠置信息,专用车道判断出车辆是?否?在车?道内行驶,如?果?不?在则发出预警信号。

1 图像的预处理

图像的预处£理主要∽是对摄像头实时采集的图像进$行前期处∝理,主要包括去除图像的各种噪声,并根据摄像机的位置调节算?法?中的一些参数提取图像的?感兴趣区域(ROI),以及进行边缘检∨测等,目的是为了加强图像的有用信息,抑制干扰。

?标定*摄像头以后,选取一定的区域作为车道线检⊥测区域,进行平滑去噪,并对其边缘进行检测。本文采用Canny边缘检测。图1为拍?摄的原始道路图像,图2为不同环境∞下?(白天?≧、?阴天、夜晚)的检测结果。

?

2 基于Hough 变换的车道线检?测

㎜2.1 ‰传统Ho℅@u⊙gh 变换原理

对于建立的车道线模型为直线的?情况下,Hough 变换作为车道线检测的一个方?法, 广泛用于车道线识别领域?。Hough? ?变换﹣的实质=是对图像进行坐标变?换, 使变换的结果更易于识别和检测。Hough ∧变换?的表达式为:

其?中?, (x,y ) 表示图像空间?的某一点, ρ 是图像空间中?直线?﹥到坐标原点的距离,θ 是直线与x 轴的夹角。传统Hough 变换㏑投票空间ρ 和&¥theta; ㏒的选择范围通常为&rh+o;∈(0∷,r)( 1?其中r﹢ 为图像对角线长度) ,&t?heta;&is?in;(0,180 2) .(ρ ,&t≦heta≠;)为坐标变换后的§参数空间某一点, 其将图像空间(x-y ) ∥?的点转换到参数空间(ρ-&t%heta;), ?可以证明图像空间中同一直线上的点在参数空间中对应的正弦曲线交于一点(ρ ,θ)。因此对图像空间的目标点进行坐标变换投影到参数空间,通过统计μ参数空间的总投票次数较多的点,? 即?可找到图像空间对应的直线方?程。

Hough变换作为一种经典的㎝车道线检测算法,具有很强的适应性,然而该算法较为耗时,?当车?道线外在环境因素较为不清晰,或者受道路上一些其他因素的影响?下,结果受干扰较大。Hough变换检测结果如图3所示。

2.2 基于ROI区域改进的Hough变∏换的车道线检测

针对图像中道路的车道线㎎一般分布在道路左右两边的情况,本文※对传统?Hough变换的应用进行了改进,限定其⊿投票空间的范围,也就是限℉定ρ㏄和θ来调整其投票空间的范围。限定?其?左右车道?线的极角和极径,调节′好摄像头?,通过不断的测试,得到目标点的极∈角约束×区域和极径约束区域,?也就♀得到感?兴趣区域(ROI)¤,如图4所示,只检测落在白色区域内的?车道线。

=

通过建立极角≮、极径约束区域,可以有效地去除大量的干扰点,滤除旁边车道以及路边树木建筑物的干扰,并3能够很大程度地提高算法的运行速度。当车道线的极角″极径在?检?≒测区域内时,可以快速准确地检测车道线的位置;然而当图像在转弯、变道或者?摄像头位置偏移时,车道?线很容易超出检测区域,使得结果出现◎很大的偏差。

3 基于G⊕abor滤波器的车道线检测﹤

针对道路车道线ml不清晰以及?存在一些其?他标志干扰的情况,?本文提?出了改进的车道线检测?算法,即基于Gabor滤∪波器的车道线检测。通过?Gabor找到图?像的消失点,即图像中两条车?道线的交点位?置,再对消失点进行Hough变换,这样不仅提高了算法的适用性,还提高了算㏕法的?实时性。

3.1 Gabor№变换原理

Gabor?滤波器与人眼的生物作用相仿,因此经常用≯于纹理识别,并取得?了较好的效果¢。Gabor滤波器是带通?滤波3器, 它的单位冲激响应函?数(Gabor函数≌)是高斯函数与复指数函数的乘积。它是达?到时频测不准关系下界的函数, 具有最好的兼顾信号在时?频域的分辨能力%。高斯函数的局部性特征使㎡得√Gabor滤波器只在局部起作用, 即具有良好的∟尺度特性和方向特性。因此,?Gabor滤波器被广∷泛用于∩图像处理和图像⌒分析领域。
关于更多专用车道内容,可以收藏本网页。国家一级运动员月薪 一种快速的公交专用车道检测方法

专用车道专用车道

关于作者: houswang

热门文章