基于OpenCV的車道線識(shí)別與跟蹤算法
隨著近年計(jì)算機(jī)視覺和深度學(xué)習(xí)算法的快速發(fā)展,越來(lái)越多的學(xué)者將視覺傳感器融合于無(wú)人駕駛技術(shù)。車道線作為車輛行駛道路上較為重要的信息之一也迎來(lái)了研究的熱潮。本文提出了一種有效的車道線識(shí)別與跟蹤算法,以提高車道線識(shí)別的效率及準(zhǔn)確率。
1 車道線識(shí)別與跟蹤算法思路
車道線識(shí)別與跟蹤算法屬于典型的機(jī)器視覺應(yīng)用,通過視覺傳感器獲取每一幀圖像進(jìn)行智能分析判斷出車輛是否偏移路線,算法主要思路如下:
Step1:圖像預(yù)處理。獲取視覺傳感器傳遞的一幀圖像進(jìn)行中值濾波,選擇適當(dāng)?shù)倪吘墮z測(cè)算法將圖像邊緣信息進(jìn)行細(xì)化,然后對(duì)其檢測(cè)結(jié)果進(jìn)行熱點(diǎn)區(qū)域分割;
Step2: 車道線檢測(cè)。選擇檢測(cè)器進(jìn)行直線檢測(cè), 圖像經(jīng)過預(yù)處理之后,車道線區(qū)域?qū)?huì)比較突出,利用檢測(cè)器在進(jìn)行車道線檢測(cè)的同時(shí)會(huì)自動(dòng)過濾掉無(wú)效信息,保留與真實(shí)車道線最接近的兩條直線;
Step3:車道線跟蹤。檢測(cè)消失點(diǎn),延長(zhǎng)兩條直線交于一點(diǎn),交點(diǎn)轉(zhuǎn)化到二維平面的消失點(diǎn);
Step4:偏移預(yù)警。通過偏移度對(duì)車輛進(jìn)行監(jiān)控以達(dá)到輔助駕駛的目的[1]。
2 車道線識(shí)別與跟蹤算法實(shí)現(xiàn)
(1) 圖像預(yù)處理
圖像預(yù)處理決定車道線檢測(cè)的效果,主要研究?jī)?nèi)容分為中值濾波,邊緣檢測(cè),和興趣區(qū)域選定三部分。
1) 中值濾波
中值濾波能夠很好的剔除干擾像素,并且保護(hù)邊緣信息。通常由一個(gè)奇數(shù)大小尺寸窗口在圖像矩陣上進(jìn)行滑動(dòng)操作,將排序過后的像素中值作為當(dāng)前窗口中心位置的像素值。
2) 邊緣檢測(cè)
使用Canny算子對(duì)濾波后的圖像進(jìn)行邊緣檢測(cè)。
用高斯濾波器平滑圖像。用模板矩陣掃描圖像中的每一個(gè)像素,確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。
b.用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向。尋找一幅圖像中灰度強(qiáng)度變化最強(qiáng)的位置。利用核來(lái)分別求得沿水平(x)和垂直(y)方向的梯度Gx和Gy。
Gx = and Gy =
對(duì)圖像做橫向和縱向平面卷積,得到亮度差分近似值,求得每一個(gè)像素點(diǎn)的梯度度量值。
標(biāo)定邊界的真正位置需要存儲(chǔ)梯度方向,會(huì)存儲(chǔ)梯度的強(qiáng)度信息和梯度的方向信息, 公式如下。
c. 對(duì)梯度幅值進(jìn)行非極大值抑制。求出的幅值圖像中可能存在多個(gè)較大幅值臨近的情況,進(jìn)行非極大值抑制找出局部最大值,剔除大部分非邊緣像素點(diǎn)。對(duì)每一個(gè)像素點(diǎn)做處理:根據(jù)該像素點(diǎn)的梯度方向,確定需進(jìn)行比較的臨近像素點(diǎn)位置。
d. 應(yīng)用雙闕值技術(shù)。設(shè)定一個(gè)上界和闕值下界,圖像中的像素點(diǎn)如果大于闕值上界則認(rèn)為必然是邊界,小于闕值下界則認(rèn)為必然不是邊界。
使用Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)之后的車道線會(huì)更加突出,便于下一步直線檢測(cè)。效果如圖2所示。
3) 熱點(diǎn)區(qū)域分割
只關(guān)注熱點(diǎn)區(qū)域不僅能提高識(shí)別算法效率還減少了部分干擾像素,從而提高識(shí)別的精準(zhǔn)度。實(shí)驗(yàn)中采用的方法為:將數(shù)字圖像中非熱點(diǎn)區(qū)域像素賦值為0其余區(qū)域保留原值。對(duì)圖像進(jìn)行分割應(yīng)放在圖像預(yù)處理的最后一步,否則其分割的邊緣像素會(huì)對(duì)直線檢測(cè)的準(zhǔn)確率造成影響。
(2)車道線檢測(cè)
車道線檢測(cè)直接影響著車身偏移的測(cè)定,主要研究?jī)?nèi)容分為檢測(cè)直線和擬合車道線兩部分?;舴蜃儞Q檢測(cè)直線可有效降低噪聲干擾;中值算法擬合車道線可明顯提高車道線檢測(cè)的效率,使算法準(zhǔn)確率和效率得到進(jìn)一步提高?;舴蜃儞Q通常會(huì)檢測(cè)到重合在車道線邊緣的直線。具體方法為:將檢測(cè)結(jié)果分別裝入兩個(gè)容器中并求中值,當(dāng)直線數(shù)目為奇數(shù),真實(shí)車道線為重合直線的其中一條;當(dāng)直線數(shù)目為偶數(shù),真實(shí)車道線為中間兩條直線的平均數(shù)值;對(duì)于偏離真實(shí)車道線的直線直接舍棄。經(jīng)過實(shí)驗(yàn)表明在多種路面下都能表現(xiàn)出較好的檢測(cè)效果。
(3)車道線跟蹤
在集合映射概念中,空間內(nèi)所有平行直線都會(huì)相交與無(wú)窮遠(yuǎn)點(diǎn),這個(gè)無(wú)窮遠(yuǎn)點(diǎn)稱為消失點(diǎn)。在實(shí)際的道路中,有很多平行直線,如:道路護(hù)欄,車道線,邊界等。這些平延伸至遠(yuǎn)方形成消失點(diǎn)。在車道線檢測(cè)中,對(duì)兩條車道線進(jìn)行擬合出,大概確定消失點(diǎn)的位置。根據(jù)視覺傳感器與消失點(diǎn)形成的直線與兩條車道線之間的距離之比,來(lái)判斷偏移角度是否在一個(gè)合理的范圍之內(nèi),從而達(dá)到識(shí)別車道線來(lái)進(jìn)行輔助駕駛的目的。
3 實(shí)驗(yàn)與仿真驗(yàn)證
驗(yàn)證車道線識(shí)別與跟蹤算法的效果,選取了三張不同時(shí)間段的圖片進(jìn)行測(cè)試,在多種不同的道路情況下,車道線的識(shí)別效果非常的好。尤其對(duì)于直線道路或者彎曲幅度不大的車道線識(shí)別的錯(cuò)誤率幾乎為零,如圖5所示。對(duì)算法執(zhí)行時(shí)間進(jìn)行評(píng)計(jì),由于對(duì)不必要像素的剔除減少了矩陣計(jì)算,提高的算法的執(zhí)行效率。算法與未進(jìn)行熱點(diǎn)區(qū)域定義前效率對(duì)比如圖6所示。
4 結(jié)論
定義熱點(diǎn)區(qū)域?qū)Σ槐匾膮^(qū)域進(jìn)行剔除,采用取中值的辦法來(lái)確定車道線位置,最終預(yù)測(cè)消失點(diǎn),能夠提高車道線檢測(cè)與追蹤算法的效率和準(zhǔn)確率,具有一定的可行性。經(jīng)過反復(fù)驗(yàn)證,該方法能夠?qū)嚨谰€進(jìn)行較好識(shí)別,具有較高的抗干擾能力。對(duì)智能駕駛技術(shù)具有一定的應(yīng)用價(jià)值。
本文來(lái)源:《企業(yè)科技與發(fā)展》:http://m.00559.cn/w/qk/21223.html
欄目分類
- 1智能家居發(fā)展現(xiàn)狀及未來(lái)
- 2中國(guó)VR技術(shù)發(fā)展現(xiàn)狀、應(yīng)用前景與對(duì)策研究
- 3淺談霍爾效應(yīng)及其應(yīng)用
- 4收入確認(rèn)與計(jì)量的"五步法"模型實(shí)務(wù)探討
- 5趣味浮力探究實(shí)驗(yàn)
- 6智能溫度控制系統(tǒng)
- 7人工智能技術(shù)在傳播領(lǐng)域的應(yīng)用與展望
- 8基于OpenCV的車道線識(shí)別與跟蹤算法
- 9國(guó)內(nèi)外廢紙分類標(biāo)準(zhǔn)對(duì)比和分析
- 10共享汽車行業(yè)和諧發(fā)展的swot分析
- 新媒體語(yǔ)境下地方文化故事化傳播的策略研究
- 博物館數(shù)字化傳播對(duì)文化遺產(chǎn)保護(hù)的影響
- 數(shù)字化轉(zhuǎn)型背景下文化創(chuàng)意產(chǎn)業(yè)人才供需匹配研究
- 公共圖書館詩(shī)詞閱讀推廣研究
- 基于“工匠精神”培養(yǎng)的高職院校圖書館閱讀推廣策略研究
- 剪紙和文學(xué)在文旅融合中的發(fā)展研究
- “書磚”古籍的修復(fù)研究——以《及第征祥錄》為例
- 基于OBE教學(xué)理念的工業(yè)物聯(lián)網(wǎng)課程人才培養(yǎng)模式研究
- 紙質(zhì)在文化創(chuàng)意產(chǎn)品設(shè)計(jì)中的應(yīng)用
- 數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)下的制造業(yè)轉(zhuǎn)型路徑與企業(yè)績(jī)效關(guān)系研究
- 2023JCR影響因子正式公布!
- 國(guó)內(nèi)核心期刊分級(jí)情況概覽及說明!本篇適用人群:需要發(fā)南核、北核、CSCD、科核、AMI、SCD、RCCSE期刊的學(xué)者
- 我用了一個(gè)很復(fù)雜的圖,幫你們解釋下“23版最新北大核心目錄有效期問題”。
- 重磅!CSSCI來(lái)源期刊(2023-2024版)最新期刊目錄看點(diǎn)分析!全網(wǎng)首發(fā)!
- CSSCI官方早就公布了最新南核目錄,有心的人已經(jīng)拿到并且投入使用!附南核目錄新增期刊!
- 北大核心期刊目錄換屆,我們應(yīng)該熟知的10個(gè)知識(shí)點(diǎn)。
- 注意,最新期刊論文格式標(biāo)準(zhǔn)已發(fā)布,論文寫作規(guī)則發(fā)生重大變化!文字版GB/T 7713.2—2022 學(xué)術(shù)論文編寫規(guī)則
- 盤點(diǎn)那些評(píng)職稱超管用的資源,1,3和5已經(jīng)“絕種”了
- 職稱話題| 為什么黨校更認(rèn)可省市級(jí)黨報(bào)?是否有什么說據(jù)?還有哪些機(jī)構(gòu)認(rèn)可黨報(bào)?
- 《農(nóng)業(yè)經(jīng)濟(jì)》論文投稿解析,難度指數(shù)四顆星,附好發(fā)選題!