论文部分内容阅读
当前基于视觉的驾驶辅助系统的研究与应用多集中于视场较小的单双目摄像头,功能单一且存在视野盲区和多个相机拼接误差等弊端。而折反射式全景相机通过单个传感器同时获取环视信息,最大程度上扩大了驾驶员的观察视野,实现多项驾驶辅助功能。本文将机器视觉相关理论与全景成像技术相结合,对全景图像展开、车道标识线及车道导向箭头识别等关键技术进行研究,研究成果在智能驾驶领域可以得到切实应用,具有深远的学术意义和可观的应用前景。提出一种基于Gabor滤波的车道标识线快速识别方法。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,并对展开后的图像进行不同相位角的Gabor滤波处理得到不同边缘响应的图像,通过计算灰度均值快速得到使车道标识线边缘清晰度达到最高时的方向区间。在Canny算子检测边缘的过程中,只对处于该区间内的边缘点进行非极大值抑制抑制,最后进行双阈值检测连接及Hough直线检测实现车道标识线的快速识别。提出一种基于自适应分块编码的支持向量机(Support Vector Machine;SVM)车道导向箭头多分类识别方法。首先对车道标识线以内区域的导向箭头图像进行Harris角点粗检测,利用改进FAST(Features From Accelerated Segment Test)算法对伪角点进行筛选,根据最终获取的角点集合中纵坐标最大的两个角点的位置分割图像获得待识别区域,避免了提取特征前的逆透视变换处理过程。然后利用不变矩特征训练SVM分类器,并对各识别区域的分类结果进行二进制编码,从而实现在二分类SVM下的多种导向箭头的分类,最终完成导向箭头识别。为验证算法可行性,在不同天气情况下进行道路视频采集,评价车道标识线和车道导向箭头识别算法的识别能力,然后使用采集的500帧道路视频样本进行测试,对于本文算法分别与目前已有的识别方法进行了对比,结果表明所提的车道标识线及车道导向箭头的识别算法识别率分别优于93.6%和95.0%,针对外界环境的干扰具有较强的鲁棒性,为驾驶辅助系统的有效性和稳定性提供了有利保障。