基于线性逼近的车道线弯道识别方法

为提高车道线识别算法在大曲率弯道下的识别性能,提出一种基于线性逼近的弯道识别方法.基于车道线先验知识,利用改进的局部逆透视变换和Hough变换对车道线进行初步提取.根据初步提取结果,对未知区域进行循环线性逼近并提取车道线边界点.通过最小二乘法利用B-样条曲线完成车道线拟合.实验证明,该算法对大曲率弯道的车道线识别具有较高的精确性.      

骨架提取算法的研究及在异形纤维中的应用

为了对异形纤维进行分类识别,需要对主分枝进行计数,提取纤维骨架是重要的预处理方法.提出利用物体边缘点和最小覆盖集的骨架生成算法,提取异形纤维的骨架信息.通过计算二值图像物体的局部中心点集,结合物体边缘点建立相关矩阵,获得最小覆盖集,然后利用爬山算法结合方向导数生成连续骨架.最后,对细小分枝进行修剪,保留纤维主分枝.实验证明,本算法计算的骨架保存了物体拓扑信息,并且对物体边缘噪声具有较强的抗干扰能力.     

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%。     

基于轮廓查找与线扫描的作物行检测算法

针对传统作物行直线检测算法存在的检测时间长、检测误差大的问题,提出一种基于轮廓查找与线扫描的作物行检测算法。首先,在农田图像下端一定宽度条形图上进行轮廓查找,求取轮廓的外接矩形,得到作物直线下端定位点;其次,对每一个下端定位点在图像顶端一定区域内进行线扫描,上下两端点形成一条候选作物行直线,记录直线上的绿色像素数量最大时上端顶点的位置,此直线即为最佳作物行直线。仿真实验表明,研究结果可以准确地检测出主要作物行直线,准确率为90. 0%,平均检测时间为30 ms。     

一种基于轮廓查找的作物定位点提取算法研究

针对垂直投影法在作物行中心线检测时存在误差大的问题,提出一种新的基于轮廓查找的作物定位点提取算法。首先对农田图像预处理得到的灰度图像,通过垂直投影变换得到中心作物行所在列,然后对灰度图像进行条形分割,在每个条形图中寻找作物轮廓,保留与中心列最接近的轮廓并将该轮廓转换为矩形区域,矩形重心即为定位点。最后运用最小二乘法拟合定位点。仿真结果表明该算法较垂直投影法准确率高。     

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。     

基于改进的暗通道先验去雾辅助导航算法

经典的去雾算法无法满足车道线检测的实时性和准确性要求,因此提出一种改进暗通道与边缘检测融合的雾天车道线识别算法。首先对有雾图像进行对比度增强处理,突出边缘、颜色等有效信息,基于道路先验信息对图像进行感兴趣区域处理,利用暗通道先验算法对静态约束图像进行去雾操作,并通过双边滤波器细化透射率图,得到清晰的去雾图像;然后引入动态约束理念,提取车道线可能存在的区域,借助Sobel算子检测动态约束后的车道线区域,提取车道线边缘点;最后利用Hough变换进行准确的车道线拟合。实验表明,改进的去雾算法得到的图像清晰度与对比度更高,满足了车道线检测的准确性与实时性要求;去雾及车道线检测算法平均处理时间为297. 305 ms,满足无人驾驶时间要求。     

基于分段垂直投影的水田秧苗列中心线提取

为提取水田秧苗列中心线,提出了基于分段垂直投影的中心线提取方法.将彩色图像进行预处理后得到的二值图像在纵向方向分为上、中、下3段,从下段图像开始采用垂直投影法确定该段中各作物列左右边缘;在图像下段的每对左右边缘之间提取特征点并拟合临时直线,用每条直线和本段图像顶部的交点位置来确定中段中属于同一秧苗列的左右边缘点,再根据左右边缘点提取中段图像的特征点,在上段图像中以此类推,将所有特征点按不同秧苗列归入不同的点集;最后分别将每个点集中的特征点使用最小二乘法进行直线拟合.试验结果表明,该方法在分辨率为1 280×1 024像素的图像中提取离横向中心最近的3列秧苗中心线的准确率为94.50%,平均每幅耗时208 ms.     

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.     

小波变换及骨架提取在图像边缘检测中的应用

提出了一种基于小波变换及骨架提取的图像边缘检测算法，该算法将小波变换、边缘点检测和骨架提取合并成一个完整过程，减少了图像中纹理对边缘提取的影响．实验结果表明，该算法有较好的边缘检测效果．     

基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel_x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。     

基于向量内积的骨架提取算法

骨架是形状表示的重要特征,传统的骨架算法往往不能直接用于物体识别,且连通性难以保证.用求向量内积的方法对骨架进行提取,通过距离变换得到连接图像各点与最近边沿点的向量,并利用内积计算求取两个相邻点向量的内积值;再根据内积值进行骨架种子点的选择,经两次骨架生长处理得到连通的骨架.实验证明本算法复杂度低,能很好保证骨架的连通性.     

一种自适应动态窗口车道线高速检测方法

为提高结构化道路车道线检测的图像处理速度,提出一种单目视觉自适应动态窗口的高速检测算法.利用栅格法划分出初始图像感兴趣区域,剔除掉与栅格线相交像素点外的其它像素点,进而在保留的像素点中找到车道线特征点,并利用膨胀算法以保留的特征点为基础实时动态产生少量窗口,对这些动态窗口中的图像进行灰度转化、滤波去噪、边缘增强和二值化等处理,得到车道线边界特征,最后利用Hough变换进行车道线拟合.在实车实验中,对实际采集的结构化道路图像的处理速度可达到22 ms/帧左右.结果表明,该算法基本上满足车辆高速行驶时对视觉导航系统的实时性要求.     

基于组合激光结构光的视觉传感器检测算法及图像处理流程优化

基于激光结构光的视觉传感器广泛应用于焊接领域的坡口检测和焊缝跟踪。该文提出了一种基于组合激光结构光的新型视觉传感器,独特的光路结构设计避免了传感器应用于不同焊接位姿时繁琐的外参数标定,仅依靠传感器内部固有参数(应用前需校准)和焊接坡口图像的特征点坐标值,即可实现焊接坡口参数的在线检测,有效增强了传感器的适应性。通过对不同图像处理算法的改进和合理组合,对图像处理流程进行了优化。动态感兴趣区(region of interest,ROI)区域提取算法可快速寻获有价值的激光线和特征点所在区域,有效提升了后续图像处理速度;顶帽变换与自适应二值化组合,在将激光线灰度值均匀化的同时,实现了激光线与背景图像的有效区分。运用基于LOG(Laplacian of Gaussian)算子的边缘识别算法,可提取出激光线的单像素边缘;采用最小二乘法对所求得的激光中心线离散点进行直线拟合,通过联立直线方程求交点的方式,实现了对焊接坡口特征点图像坐标值的准确识别。借助Visual Studio平台,运用改进的图像处理算法、优化的图像处理流程和检测算法,对特征参数不同的V形焊接坡口进行检测试验,检测误差均在±4%以内,验证了所提出视觉传感器及其检测算法和图像处理流程的合理性和适用性。     

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Hough变换的视觉识别方法在仪表自动检测中的应用研究

利用图像形态骨架细化方法和Hough变换对指针式仪表表头读数的识别进行研究。将仪表表头图像预处理后,进行形态骨架细化,然后用Hough变换检测表头图像的所有刻度线和指针。在此基础上提出一个识别表头读数值的算法。实验表明该方法的有效性,在指针式仪表的自动检测中有一定的实用意义。     

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。     

基于多通道融合和极线约束的道路检测与定位

计算机双目视觉道路检测及定位在实现无人运动平台自主导航中具有重要意义.根据双目摄像机系统模型,提出基于多通道阈值融合的车道线检测方法,融合车道线边缘和色彩信息进行图像阈值分割,采用透视变换和自适应动态滑窗法提取车道线像素,采用最小二乘法拟合道路模型并依据极线约束关系进行定位,投影至SLAM地图中.实验结果表明,算法在光照变化、阴影遮挡等场景中均能精确检测车道线,将车道线信息投影至三维地图可以有效地将车道信息与地图信息进行融合,提高了道路感知能力.      

基于改进边缘检测的钢箱梁疲劳裂纹识别及量化方法研究

钢箱梁内部场景复杂,疲劳裂纹图像识别容易受到背景干扰.针对传统图像处理方法的识别局限性,提出了一种基于改进边缘检测算法的疲劳裂纹识别与量化方法.首先,通过边缘检测算法识别出裂纹特征点,并通过形态学处理提取出裂纹骨架线.其次,采用单目视觉方法进行裂纹的特征量化.通过张氏标定法,建立了相机成像模型,从而将裂纹特征点由像素坐标映射至空间坐标.最终,开展了疲劳裂纹识别与量化试验,将改进边缘检测算法与传统图像处理方法进行比较,并评估裂纹特征量化精度.研究结果表明：改进边缘检测算法通过引入双边滤波函数,可以在抑制焊缝噪声干扰的同时保留裂纹边缘特征,相比于传统边缘检测和自适应阈值分割算法,更适用于钢箱梁识别场景.在试验条件下,疲劳裂纹长度测量误差控制在5%以内.     

基于自适应阈值区间的动态采样Hough变换直线检测算法

目的为解决Hough直线检测方法计算量大、参数空间中峰值点被次峰值点包围导致漏检或误检、阈值难以设定等问题.方法通过对Hough变换原理以及直线表示的特点进行分析,采用阈值区间表示一条直线,通过三个约束定义了该阈值区间,并根据其中第三条约束识别图像中其他像素点是否在该直线上.对被识别的轮廓线采用邻接关系将像素点聚集为不同类,将其依次存放到数组中,根据数组下标对这些像素点进行动态采样,对采样位置上的m个相邻像素点使用阈值区间进行直线判定与轮廓线上的像素点识别.针对GREC2003标准测试集进行实验验证.结果本算法与已有改进算法、Matlab内置优化Hough变换函数进行对比,实验结果验证了本算法的有效性.结论本算法通过过滤噪声信息,提高了Hough变换直线检测的抗干扰能力,增强了算法的鲁棒性.