車道線識別中感興趣區(qū)域預測技術(shù)研究.pdf

1、基于機器視覺的車道線識別技術(shù)廣泛應(yīng)用于汽車主動安全技術(shù)中，有效地預防了交通事故的發(fā)生，減少了人員傷亡與經(jīng)濟損失。如何縮小車道線識別中圖像處理的面積是提高系統(tǒng)實時性與抗干擾能力的關(guān)鍵。針對該問題，本文在研究車輛運動與車道線位置的變化關(guān)系基礎(chǔ)上建立微觀交通系統(tǒng)模型，進一步運用卡爾曼遞推預測技術(shù)得到基于偏差修正的感興趣區(qū)域預測方法，并將其集成到車道線識別系統(tǒng)中。通過臺架實驗在多種工況下對算法進行驗證，結(jié)果表明該方法能有效縮小感興趣區(qū)域，從而減

2、少圖像處理量，提高了系統(tǒng)的實時性與抗干擾水平。
　　首先，本文經(jīng)過分析得出當車輛橫向運動幅度較大時，基于視頻序列的感興趣區(qū)域預測方法由于未充分考慮車輛運動特性，導致預測不準。針對該問題，論文考慮車輛運動引起的車道線相對位置變化，兼顧模型準確性與簡潔性，基于二自由度的車輛動力學模型建立了表征車輛-車道線相對運動關(guān)系的微觀交通系統(tǒng)。通過將該系統(tǒng)模型與商業(yè)化軟件進行對比，驗證該系統(tǒng)模型在感興趣區(qū)域預測中的適用性。
　　進一步，針對

3、車輛速度變化導致上述系統(tǒng)模型的非線性和非定常問題，考慮相鄰圖像幀之間的時間間隔較短，采用近似處理，將每一幀采樣時刻的縱向速度作為該周期內(nèi)的輸入值，對模型進行離散化，得到以方向盤及速度作為輸入的狀態(tài)空間模型；基于該離散模型，運用卡爾曼濾波預測技術(shù)，提出基于截距偏差的修正方法，實現(xiàn)車輛坐標系下的感興趣區(qū)域預測。其中，噪聲模型通過對比商業(yè)化軟件和理想模型統(tǒng)計得到。通過人為施加噪聲，仿真驗證了本文方法在縮小感興趣區(qū)域方面的效果。
　　為驗