论文部分内容阅读
在计算机技术飞速发展的今天,出现了许多性能优良、体积小巧、功能专业的计算机系统。这些应用在汽车制造领域中,使实现体积小、安全性强的智能车辆辅助驾驶系统成为了可能。辅助驾驶系统通过对驾驶员行为和车辆行驶状态的感知,对当前的行驶安全性进行评估,在危险状况发生前对驾驶员进行必要的提醒。在智能车辆与车辆辅助驾驶系统中车道线检测都是必不可少的安全保障环节,准确的进行车道线检测和数学拟合是保证车辆跨线提醒正确性的基础,同时保障了基于车道线检测的安全预警系统的稳定性。本文总结了多种车道线检测算法,并对其进行了对比和总结,提出了一种基于Hough变换和Kalman滤波的分段双曲线模型车道线检测方法。相对于传统方法而言,本文提出的方法具有良好的弯道检测效果,算法采用Soble算子在指定区域中进行特定方向的边缘检测,提取车道线直线边缘,在此基础上采用Hough变换对近视场中的车道线边缘进行直线检测,并根据检测结果使用加权双曲线模型通过最短距离匹配方法对远视场中的车道线进行拟合。通过分段进行车道线检测,能够对弯道方向进行准确的判断,在确定弯道方向的基础上通过改变双曲线参数对各个曲率的弯道车道线进行准确的拟合。随后,使用Kalman跟踪对车道线检测范围进行约束,提高检测速率。并且,设计了车道线曲率滤波机制,以获得最适宜的双曲线模型的曲率参数并能够有效的排除错误的检测结果。实验过程发现,干扰车道线检测效果的主要因素是道路上行驶的车辆,因此,为提高算法检测效果,在具体实验过程中增加了车辆等障碍物区域的检测,在进行车道线检测前去除容易造成干扰的目标区域,增强本文算法的检测精度。实验证实,本文提出的方法具有良好的检测效果和处理速度,能够满足全天候行驶中直道车道线和弯道车道线的实时检测,本文算法进行车道线检测过程不依赖于车道线的颜色信息,不受光照等因素的影响,由于采用了Hough变换的方法进行直线检测,对不连续或部分残缺的车道线同样能够保持良好的检测效果,同时了进行感兴趣区域划分,对来自非道路区域和行驶车辆的干扰能够有效排除,性能比较鲁棒,具有较好的工业应用前景。