基于車載攝像機(jī)的車輛壓線與變道檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著交通基礎(chǔ)設(shè)施的逐步完善和汽車保有量的逐年增加，交通事故也在逐年增加，交通安全問題日益突出?；谲囕d攝像機(jī)的車輛行駛狀態(tài)檢測(cè)是車輛安全輔助駕駛領(lǐng)域的一個(gè)重要分支，近年來隨著信息技術(shù)、計(jì)算機(jī)技術(shù)的快速發(fā)展成為了交通安全領(lǐng)域的研究熱點(diǎn)。它通過對(duì)車載圖像進(jìn)行處理，得到交通參數(shù)，然后根據(jù)交通參數(shù)判斷車輛行駛狀態(tài)，在車輛處于危險(xiǎn)狀態(tài)時(shí)進(jìn)行預(yù)警甚至輔助駕駛。目前，基于車載攝像機(jī)的車輛行駛狀態(tài)檢測(cè)的技術(shù)難點(diǎn)問題是車道線的檢測(cè)。本文主要圍繞車輛行駛過

2、程中的車道線檢測(cè)問題展開研究。
　　首先，為了改善車載原始圖像質(zhì)量，研究了圖像預(yù)處理模塊。分析了車載圖像特點(diǎn)，建立了初始感興趣區(qū)域(ROI)，重點(diǎn)研究了圖像灰度化方法和灰度圖像增強(qiáng)方法，最后選定了一套適合本課題的圖像預(yù)處理算法。
　　其次，重點(diǎn)研究了車道線邊緣提取算法、車道線參數(shù)提取算法和車道線參數(shù)跟蹤算法。通過對(duì)比傳統(tǒng)車道線邊緣提取算法和方向可調(diào)濾波器邊緣檢測(cè)算法，選擇了能加強(qiáng)車道線邊緣信息的方向可調(diào)濾波器邊緣提取算法進(jìn)行

3、邊緣檢測(cè)。為防止車道線參數(shù)由于檢測(cè)失誤造成的突變，運(yùn)用了Kalman濾波器對(duì)車道線參數(shù)進(jìn)行跟蹤修正。
　　再次，在車道線提取的基礎(chǔ)上，對(duì)車輛壓線和變道兩個(gè)車輛行駛狀態(tài)進(jìn)行了檢測(cè)。通過分析車輛壓線模型和車輛變道模型，提出了基于車道線夾角的車輛壓線檢測(cè)方法和基于車輛車道的車輛變道檢測(cè)方法。
　　最后，為了驗(yàn)證算法的有效性，開發(fā)并測(cè)試了車輛壓線和變道檢測(cè)軟件。測(cè)試表明，本文研究的基于車載攝像機(jī)的車輛壓線與變道檢測(cè)算法對(duì)不同場景下的