基于双向窗口特征提取技术的车道线检测算法

为提高车道线检测算法的准确性与稳定性, 提出一种基于双向窗口特征提取技术的车道线检测算法。融合运用Hough 变换与边缘分布函数技术得到车道线的直线特征点; 运用双向窗口特征提取技术获得所有车道线特征点, 包括直线部分与弯曲部分。获得直线与双曲线相结合的车道线模型: 在近视场, 应用直线车道线模型能获得较好的鲁棒性; 在远视场, 使用双曲线模型可有效检测出车道线的弯曲部分。实验结果表明, 相较于已有的车道线检测算法, 该方法可有效提高多种场景下车道线检测的准确性和稳定性。     

复杂光照条件下的车道偏离预警

本文采用图像直方图变换的方法,设计出一种适用于智能车辆的车道偏离预警系统,实现了复杂光照条件下的自适应车道偏离预警。对道路图像设定感兴趣区域,提高了检测速度。采用Canny边缘检测算子,得到包含清晰道路边缘的二值化图像,利用改进的Hough变换检测出两侧车道线。基于检测到的两侧车道线斜率,计算车辆当前位置,判断车辆的偏离趋势。实车试验表明,该系统能有效地满足预警的实时性及精确度要求。     

基于改进 Hough 变换与双点去除 R-最小二乘法的车道线检测优化算法

针对传统Hough变换和最小二乘法的不足分别提出改进算法,并应用到车道线检测中,对道路图像进行预处理得到车道线的边缘点,对拟合车道线的两种方法进行改进,提高车道线检测的准确率和实时性。在实际检测中,设计一种结合改进Hough变换和双点去除R-最小二乘(R-least squares with dual removal,R-LSDR)法的检测算法,并运用Kalman滤波器跟踪车道线,在实车采集的道路图像序列上进行初步测试。实验结果表明,优化的车道线检测算法提高了检测准确率和运行效率。     

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.      

基于改进Hough变换的结构化道路车道线识别

针对现有结构化道路车道线弯道检测识别技术的准确性和鲁棒性不高的问题,提出一种基于改进Hough变换的车道线识别方法。首先利用Canny边缘算子进行车道边缘检测,其次对比相邻区域距离内的Hough变换峰值参数值,将小于设定阈值距离的直线段进行连接,拟合形成车道线检测区域,然后根据消失点的横坐标距离图像中心点的位置来预测车道线方向,最后借助MATLAB平台完成车道线的识别。验证结果表明:该方法避免了曲线模型复杂、计算量大的缺点,实现了直、弯车道的识别统一化,识别准确率为95.3%,平均耗时0.036s,具有很好的实时性和鲁棒性。     

基于Hough变换的表格倾角检测

Hough变换是一种常用的检测直线的算法。在表格识别的预处理阶段,对倾斜的表格进行倾角检测,Hough变换是一种比较好的方法,但Hough变换有运算量大的缺点,本文中根据表格的特点及扫描后表格倾角的范围,首先取表格的一个子区域,在子区域中寻找近铅垂线,对近铅垂线采用二级Hough变换的方法,从而降低了运算量,提高了效率,同时又保证了准确度。     

一种多阈值Hough变换车道线检测算法

针对传统Hough变换虚线检测率不足的问题,提出一种多阈值Hough变换车道线检测算法。该算法在对图像进行灰度化处理、逆透视变换、二值化处理的基础上,在预设好的多条直线位置进行突变点检测,并对突变点进行分类、拟合、合并,最后进行Hough变换。3种实际路况的实验表明,该算法能够较准确、稳定地检测出车道线,平均识别率达到9870%,高于传统Hough直线检测算法的平均识别率(86.84%),而且可通过计算车道线线段的长度和点的个数来判断虚线和实线。     

基于立体视觉的空间球体快速定位方法

采用双目立体视觉系统,对空间球体三维视觉定位方法进行了研究,提出了基于双视锥曲面的球体定位方法.为了实现对球体三维位置的动态实时检测,提出一种基于预测的椭圆曲线快速搜索算法.该算法采用随机Hough变换的取样思想和启发函数预测椭圆搜索区域,减少Hough变换的计算量.为了提高Hough表的操作效率、减少存储空间,设计了一种有效的Hough表存储结构.通过多种方法的综合应用,降低了球体三维定位的计算量和对存储空间的需求,并在实验中验证了所提出的方法.     

一种自适应的车道线检测算法

车道线检测是一种在基于视觉的驾驶员辅助系统中起关键作用的技术手段,可用于车辆导航,侧向控制,防撞或车道偏离警告等车辆系统中。提出一种自适应的车道线检测方法。首先,从原始图像中提取感兴趣区域(Region of Interest,ROI)图像并将其转换为灰度图像;然后,自适应的改变车道宽度识别出可能的车道区域;最后,根据车道的结构和方位特性匹配车道,再利用Hough变换检测直线,并结合前一帧与当前帧的车道信息预测车道段,以避免计算错误。实验数据表明,该方法在准确性和鲁棒性方面表现突出。     

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%.     

基于改进的投影变换公式的车道识别方法

现有车道识别方法易受道路上车辆和阴影的干扰,并且投影公式精度不高,不适用于摄像机安装俯仰角为0°的情况。为此对现有的投影公式进行了改进,在变换后的俯视图中使用圆曲线车道模型及基于密度的Hough变换进行车道识别。实验结果表明,该方法可以明显降低车辆、阴影对于车道识别的干扰,并且能够满足车道识别实时性的要求。     

基于单目视觉的实时车距侦测算法的实现

针对汽车自主驾驶技术领域车距侦测问题,利用影像摄取硬件和软件系统,并提出一种基于单目视觉的车距侦测算法,实现了车距的实时侦测.实验证明此方法在白天、黑夜、复杂路况及天气恶劣的情况下均能稳定运行,且此算法有效减少了Hough运算量,具有较强鲁棒性及实时性.     

基于模糊化SOBEL自适应算子的直线车道处理

针对汽车安全辅助驾驶系统领域的车道线检验问题,提出了一种改进的基于模糊化SOBEL自适应算子直线车道线检验.首先在车道线边缘检验时,采用了模糊化SOBEL自适应算子进行边缘检验;为了更好地选取阈值,采用了一种基于体育项目评分标准的阈值选取方法,保证所保留的车道线信息的正确性,并给出了一种增修补车道线信息的数学模型;利用梯度函数的分布特性过滤掉噪声,最大限度地保留车道线分布信息,利用Hough变换拟合出最终的车道线.经MATLAB仿真,并在嵌入式系统上实现.实验表明,该方法简单,能保证系统的实时性.     

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.