一种鲁棒的非平坦路面车道线检测算法

提出了一种鲁棒的非平坦路面车道线检测算法. 给出一种简单的逆透视变换方法,该方法不依赖于摄像机参数,计算简便. 基于法向车道线模型研究了车道线的线特征提取方法,结合线特征的方向特性和强度信息,提出了改进的Hough变换车道线直线检测方法,有效提高了检测的鲁棒性和计算速度. 利用检测出的直线对车道线进行精确定位,采用加权最小二乘曲线拟合方法完整地提取出图像中的车道线. 实验证明,算法在弯道和非平坦路面上都能准确地提取出车道线,具有较强的鲁棒性.      

基于行距离及粒子滤波的车道线识别算法

为了解决在不同环境下车道线建模复杂及识别鲁棒性较低的问题,提出一种基于行距离和粒子滤波在复杂环境下的车道线识别算法.算法首先将RGB图像转化成HSV色彩空间,利用标定后的车载相机得到车道线逆透视图像(IPM);然后对预处理后的二值图计算每个像素点的行距离;最后根据建立的简单车道线模型及粒子滤波得到准确的车道线位置.结果表明:通过计算二值图像的行距离可将车道虚线部分连接起来,有利于建立连续的车道线上下文关系,同时也为粒子提供运行环境;利用粒子的随机搜索能力,不需要建立严格的车道线模型,解决了单一车道线模型在复杂城市道路环境下鲁棒性较低的问题;算法在城市复杂路况下具有较好的鲁棒性.     

基于Canny算子和Hough变换的夜间车道线检测

针对夜间只有车灯照射路面图像整体较暗、光照不均匀、车道线不易检测的问题,提出了一种夜间车道线识别方法。首先,对预处理后的图像采用Laplacian算子进行边缘增强;然后,结合Otsu算法进行Canny边缘检测,再在边缘图像底部1/3区域中利用Hough变换进行直线拟合;最后,在斜率约束的基础上提出了一种内侧车道线提取算法,实现了车辆所在车道内侧车道线的检测。针对多种夜间车道线图像进行实验,结果表明,该算法准确提取出了内侧车道线。提出的方法能克服图像较暗和光照不均的影响,排除旁侧车道线、护栏等的干扰,有助于夜间车辆各行其道。     

基于动态区域搜索框及K_Means聚类的三车道检测算法

为解决现有车道线检测方法在弯曲道路上识别准确率较差及Hough检测方法耗时较长的问题,提出一种基于动态搜索框及K-means聚类的三车道检测算法。首先,根据逆透视变换(IPM)将感兴趣区域内部转化成鸟瞰图的形式,利用大津法(OTSU)将单帧图像分成前景和背景两部分区域,然后,在图像底部规定区域内进行直方图分析,得到车道线基准点建立初始搜索框,并在其内部使用K-means算法聚类得到车道线候选点,根据建立的车道线直线模型迭代生成搜索框;最后,将得到的车道线候选点根据贝塞尔曲线对其进行拟合得到检测车道线。实验结果表明算法可以很好地检测车道线弯曲部分,算法单帧处理时间达到30 ms,在包含障碍干扰的路况下识别准确率为90. 1%。     

基于分数阶微分Frangi的夜间车道线检测

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50%左右.为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于Frangi和Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止.通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70%.     

一种基于随机抽样一致性的车道线快速识别算法

针对现有车道线识别算法的有效性、实时性和鲁棒性不高的问题,提出了一种改进的快速随机抽样一致性(RANSAC)的曲线拟合验证的视觉车道线识别算法.该算法首先在进行逆透视变换后选用各向异性的高斯核滤波;然后对不同光照亮度图像采用适应性强的分位数方法进行二值化,并针对车道线在变换图中几乎垂直的特性,再利用直方图统计法检测出初始车道线;最后用改进的快速RANSAC的曲线拟合算法进行曲线修正,找出车道线可能存在的弧度,使检测的曲线更加精确.为提高检测的精度,最后对识别结果进行后处理.实验结果证明,对各种复杂的城市道路,所提出的算法均具有很高的鲁棒性和有效性,且算法处理效率很高,能很好地满足智能车实时检测车道线的要求.     

基于分数阶微分和Frangi的夜间车道线检测

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50%左右.为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于Frangi和Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止.通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70%.     

基于自适应消失点及时间上下文的光照鲁棒车道线检测（英文）

提出了一种光照不变的车道线检测算法,充分利用时空上下文信息实现了鲁棒的车道线检测.通过霍夫变换自适应检测出消失点和感兴趣区域,减少计算量;利用图像序列的时空上下文信息,以及一种时间切片图像的产生方法来获得车道线关键点,此外,利用顶帽变换增强图像对比度以获得噪声和低光照度情况下更好的分割效果;给出了车道线预测的方法.通过若干试验验证,结果表明,该算法可以有效地检测出车道线,并且对于低光照、变光照、破损和模糊车道线具有较好的鲁棒性.     

一种用于车道线识别的图像灰度化方法

车辆所处车道线的识别是高级辅助驾驶系统(ADAS)的基础,在此基础上可以开发出车道偏离预警系统和车道保持等系统。然而实际路面情况复杂多变,运用传统的图像灰度化方法难以准确地提取到车道信息。以一段在复杂工况下车载相机捕捉到的视频为例,提出了一种改进的图像灰度化方法用于车道线识别中图像的前处理。基于此方法,可在复杂路面上准确提取出车道线信息。     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

一种新的物体连续切片图象的截面三维重建

描述了一种新的截面三维重建方法,它是在截面重建法的基础上,引入仿射变换作为旋转、投影变换,利用线性插值消隐填充算法,生成物体的可视侧面,直接利用重建图象的深度信息计算可视侧面的灰度,在显示平面获得物体可视侧面的三维结构及形状信息.并可通过旋转投影变换获得物体任一可视侧面的重建显示图象.     

基于子波变换的数字图像压缩算法

提出了两种以离散子波变换为基础的数字图像压缩算法，其一，原始图像在子抽样后，通过一次正交子波变换，分解成一幅低频子带图像和３个不同方向的高频子带图像。对变换后的各子带进行统计特性分析，并结合人类视觉机理采取了不同的压缩编码策略。在解码端通过子波逆变换及双线性内插算法，原始图像可被较好恢复。     

改进的图像距离变换方法在车道检测中应用

在边缘检测得到二值图像的基础上,提出了一种新的行方向距离变换方法,将其距离图像作为车道检测特征图像,并利用实验验证了行方向距离变换得到的距离图在处理非连续车道线时的有效性及相比于边缘图的优越性.结果表明,行方向距离变换方法不仅能够提供距离信息,而且在处理非连续车道线时能够尽量使其连续化,从而提高车道检测的效率和鲁棒性.     

基于二维卷积的图像插值实时硬件实现

为了实时实现图像处理中的图像插值,提出一种与具体插值算法无关的通用二维卷积器实现结构和一种使用2级缓存的图像数据存取结构。利用所提出的结构,设计了使用双三次插值的图像插值模块,在可编程逻辑门阵列上进行了实现和图像实时放大的实验。实验结果表明:采用本结构,可以降低片上存储器的消耗,方便地实现比较复杂的插值,可达到实时处理的目的。     

基于二维卷积的图像插值实时硬件实现

为了实时实现图像处理中的图像插值,提出了一种与具体插值算法无关的通用二维卷积器实现结构和一种使用两级缓存的图像数据存取结构。利用所提出的结构,设计了使用双三次插值的图像插值模块,在可编程逻辑门阵列上进行了实现。进行了图像实时放大的实验。实验结果表明:采用本结构,可以降低片上存储器的消耗,方便地实现比较复杂的插值,达到实时处理的目的。     

OpenCV的车道线检测方法

基于开源计算机视觉库(OpenCV),提出一种轻量级的车道线检测方法.首先,对输入的原始图像进行灰度化处理,紧接着使用双边滤波滤除噪声,大幅度保留原始图像的边缘信息;然后,用Canny边缘检测提取图像边缘;最后,使用速度更快的渐进概率Hough变换(PPHT)识别车道线.仿真结果表明:预期检测车道线的效果较好.     

一种边缘保护的灰度图像插值算法

提出一种边缘保护的灰度图像插值算法，目的在于从低分辨率图像中复原出高分辨率的图像。首先对低分辨率图像做双线性插值放大，然后用一个二维非线性滤波器做迭代滤波处理，从而得到高质量的插值放大图像。实验仿真结果表明，该算法在插值放大图像的边缘保护方面取得了良好的效果。     

全相位方向滤波器组设计及其应用

为提高方向滤波器组的方向选择性和运算速度,基于全相位列率滤波理论提出了一种新的方向滤波器组设计方法该方法直接从频谱特性设计纯二维方向滤波器并灵活构建方向滤波器组,避免了传统方向滤波器组对图像的旋转、采样等操作,可以更多地保留图像细节并减小运算量．采用该方法设计了2种全相位方向滤波器组,并将其用于图像去噪对经典测试图像的实验结果表明,与Contourlet变换及其改进——非下采样Contourlet变换相比,采用该方法去噪后图像的峰值信噪比最多提高2．96dB,且重建图像的主观质量也较好．     

一种结合模糊C均值聚类的车道标识线识别方法

在道路图像中,为了得到较理想的车道标识线的边缘,设计了一种车道标识线识别方法。利用图像中的边界信息、车道标识线边界的角度和灰度等特征,结合模糊C均值聚类提取车道标识线的边界。利用Hough变换、车道标识线边界的间断性实现车道标识线定位。实验结果表明该方法具有较好的准确性。     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.