【正文】 nt of China39。 本文提出了一種實(shí)現(xiàn)對(duì)圖像中的車(chē)道線進(jìn)行識(shí)別，得出完整的車(chē)道線信息和檢測(cè)兩條車(chē)道線夾角的圖像處理方法。由于疲勞駕駛和注意力不集中，引起車(chē)輛偏離車(chē)道線從而造成交通事故的數(shù)量約占所有交通事故的三分之一左右。 \ 2020 屆畢業(yè)生 畢業(yè)設(shè)計(jì)說(shuō)明書(shū) 題 目 : 基于圖像的車(chē)道線檢測(cè)與跟蹤系統(tǒng) 院系名稱： 信息學(xué)院 專業(yè)班級(jí)： 計(jì)科 0905班 學(xué)生姓名： 王曌盟 學(xué) 號(hào)： 202048140505 指導(dǎo)教師： 于俊偉 教師職稱： 講師 2020 年 5 月 28 日 基于 圖像的車(chē)道線檢測(cè)與跟蹤 系統(tǒng) 摘 要 隨著我國(guó)經(jīng)濟(jì)的不斷發(fā)展和科學(xué)技術(shù)的不斷進(jìn)步以及生活水平的不斷提高，汽車(chē)正逐步成為大眾的交通工具。 在車(chē)道偏離預(yù)警系統(tǒng)中，整個(gè)系統(tǒng)的關(guān)鍵是車(chē)道線的正確提取與識(shí)別。本文主要研究的內(nèi)容有： 第一 、 對(duì)采集的道路圖像進(jìn)行預(yù)處理，主要包括圖像的濾波、圖像的閾值分割，聯(lián)通域標(biāo)記，邊緣提取等操作。s economy and the continuous progress of science and technology as well as the continuous improvement of living standards, the car is gradually being a public transport. With the growing popularity of the automobile, as well as the continuous improvement of automobile traffic speed, the number of traffic accidents also increased. Annual traffic accidents caused huge losses to the national economy and people39。每年的交通事故給國(guó)家的經(jīng)濟(jì)，人民的生命和財(cái)產(chǎn)造成了巨大的損失。 2020年 1 月 9日交通部通報(bào)，當(dāng)年全國(guó)一共發(fā)生交通事故 238351起，其中造成 67759人死亡，另有275125 人受傷，直接經(jīng)濟(jì)損失 億元。雖然目前國(guó)內(nèi)沒(méi)有該方 面的統(tǒng)計(jì)數(shù)據(jù)，但因車(chē)輛偏離行駛車(chē)道而造成的交通事故也屢見(jiàn)不鮮。針對(duì)以上問(wèn)題，各國(guó)都加強(qiáng)了在車(chē)輛安全保障技術(shù)領(lǐng)域的研究。 國(guó)內(nèi)外的研究現(xiàn)狀 車(chē)行線的檢測(cè)是智能交通中重要而基礎(chǔ)的組成部分，它不僅可以為車(chē)輛的導(dǎo)航提供參照和依據(jù)，還可以應(yīng)用于運(yùn)動(dòng)目標(biāo)的檢測(cè)，比如車(chē)輛檢測(cè)。比如美國(guó)卡內(nèi)梅隆大學(xué) (CMU)研發(fā)的 AURORA 系統(tǒng)，這也是所有系統(tǒng)中最具代表性的。此外，基于 Hough 變換的直線提取方法是整個(gè)檢測(cè)過(guò)程中最為耗時(shí)的一部分，影響了車(chē)道線檢測(cè)的實(shí)時(shí)性 [4]。采集到的信息通過(guò)數(shù)字轉(zhuǎn)換器轉(zhuǎn)化并輸入到移動(dòng)處理中心。德國(guó) Daimlerchrysler 公司的車(chē)道線預(yù)警系統(tǒng)利用后視鏡上兩個(gè)攝像頭實(shí)時(shí) 監(jiān)測(cè)當(dāng)前車(chē)道與鄰近車(chē)道之間的距離來(lái)判斷車(chē)輛是否偏離車(chē)道。隨著我國(guó)經(jīng)濟(jì)和生活水平的不斷提高，同時(shí)汽車(chē)數(shù)量不斷的增加， 一些研究所、高校和公司意識(shí)到車(chē)道線檢測(cè)系統(tǒng)對(duì)于安全駕駛的重要性，并逐步開(kāi)始研究車(chē)道線檢測(cè)。隨著市場(chǎng)發(fā)展的需求不斷增加，車(chē)道線檢測(cè)系統(tǒng)必將大量投入商業(yè) 應(yīng)用。 車(chē)行道檢測(cè)軟件以 MFC 作為軟件開(kāi)發(fā)平臺(tái)，結(jié)合多線程技術(shù)和模塊化設(shè)計(jì)，實(shí)現(xiàn)了車(chē)行道的檢測(cè)要求，檢測(cè)過(guò)程以 OPENCV庫(kù)為基礎(chǔ)，調(diào)用相應(yīng)的接口程序?，F(xiàn)實(shí) 圖像預(yù)處理方法中，沒(méi)有哪一種算法可以適用于所有圖像，每一種算法都有自己的適用環(huán)境和局限性。 圖像去噪中的濾波技術(shù) 為了提高圖像中車(chē)道線信息的可識(shí)別性，降低 車(chē)道線識(shí)別算法的復(fù)雜度，需要對(duì)采集到的圖像進(jìn)行濾波處理，去除圖像中的噪聲。 中值濾波是一種在去除噪聲的同時(shí)又能保護(hù)目標(biāo)邊界信息，不使其邊緣變得模糊的非線性處理技術(shù)。 圖像的絕大部分能量一般位于信號(hào)的低頻部分，噪聲位于高頻部分，而圖像中的 6 一些邊緣和細(xì)節(jié)信息也位于高頻部分，采用中值濾波的好處就是既濾除高頻的噪聲干擾，又能很好的保留邊緣信息。 簡(jiǎn)單的閾值分割 閾值分割是基于區(qū)域的圖像分割技術(shù)，其基本原理是：設(shè)定不同的閾值，把像素點(diǎn)分 成 若干類。 在圖像中，方差是灰度分布是否均勻的度量之一。 假設(shè)圖像的目標(biāo)和背景的分割閾值為 T，且前景像素點(diǎn)數(shù)占圖像的比例為 1? ，其平均灰度為 1? ；背景像素點(diǎn)占圖像的比例為 2? ，平均灰度為 2? ；圖像的平均灰度記為 ? ，類間方差記為 g 。連通域標(biāo)記就是把連續(xù)區(qū)域作同一個(gè)標(biāo)記，常見(jiàn)的算法有四鄰域標(biāo)記算法和八鄰域標(biāo)記算法 [9]。 3． 如果此點(diǎn)四鄰域中的最左有點(diǎn)，最上都有點(diǎn)，則標(biāo)記此點(diǎn)為這兩個(gè)中的最小的標(biāo)記點(diǎn)，并修改大標(biāo)記為小標(biāo)記 。 3． 如果此點(diǎn)八鄰域中的左上有點(diǎn)，上右都有點(diǎn)，則標(biāo)記此點(diǎn)為這兩個(gè)中的最小的標(biāo)記點(diǎn)，并修改大標(biāo)記為小標(biāo)記。邊緣提取方法分為兩類：一類是基于圖像邊緣擬合算子的提取方法；另一類是基于微分算子求得圖像邊緣，濾波器模板在這類算法中大量使用。 Canny 算子 是高斯函數(shù)的一階微分 ， 能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡 ?；?Hough 變換的車(chē)道線檢測(cè)是目前應(yīng)用最為廣泛的車(chē)道識(shí)別方法之一， 它完成 從圖像中識(shí)別 特定的 幾何形狀 。它將 圖像空間中的直線映射到參數(shù)空間的一個(gè)點(diǎn)，然后對(duì)該點(diǎn)進(jìn)行累計(jì)投票，這樣便可得到參數(shù)空間中的峰值。 鑒于上述方法很難確定斜率 (k)的取值范圍，如果斜率 k取值太細(xì)，計(jì)算量大，反過(guò)來(lái) k取值太粗的話，又會(huì)造成所求直線的準(zhǔn)確率不夠。本文采用改進(jìn)的 Hough 變換，改進(jìn)后的變換計(jì)算量大大減少，檢測(cè)效果也很好。 13 圖 32： 極角約束區(qū)域 極角約束區(qū)域的建立，可以大大減少噪聲直線的信號(hào)，增加車(chē)道線檢測(cè)的準(zhǔn)確率。 動(dòng)態(tài)感興趣區(qū)域 ROI 的建立 車(chē)道線信息一般在圖像的下半部分，或者攝像頭視角區(qū)域的下半部分。根據(jù)低通濾波原理，我們根據(jù)公式 32 和 33 調(diào)整這兩個(gè)參數(shù)： ( t + 1) = ( t ) + ( 1 ) X ( t )Xp??? (32) ( t + 1) = ( t ) + ( 1 ) W ( t )Wq??? (33) 其中 p(t) 和 (t)q 為上一幀圖像中車(chē)道線的位置， ? 為參數(shù)更新常數(shù)。根據(jù)這一結(jié)論，當(dāng)前車(chē)道線位置的存在范圍是可以估計(jì)的。設(shè)道路圖像中每個(gè)車(chē)道線符合的單高斯模型如公式 41： 22( x )21p ( x ) = 2i e???? (41) 其中， xi 表示第 i 條車(chē)道線的斜率。在車(chē)道線檢測(cè)之后，依照一定的更新規(guī)則更新車(chē)道線的斜率，而不匹配的車(chē)道線仍保留原值，模型更新的快慢由更新率 ? 來(lái)表示。但實(shí)際情況下，環(huán)境變化較快，背景并不是靜止的，常用多個(gè)高斯模型來(lái)描述?；旌细咚鼓Ｐ褪菃胃咚鼓Ｐ偷臄U(kuò)展，該方法分為三個(gè)階段：背景模型的建立、背景模型的判定和背景模型的更新 [14,15]。為了加快初始化速度，可按簡(jiǎn)單的方法來(lái)得到權(quán)重。 高斯模型的 /ii??值越大，表示此車(chē)道線斜率保持時(shí)間長(zhǎng)且更穩(wěn)定，更可能是屬于背景圖像。 然后再更新匹配上的 高斯模型，利用當(dāng)前檢測(cè)出來(lái)的車(chē)道線斜率對(duì)其更新，更新公式如下： , , 1=( 1 ) +i t i t iK? ? ? ? （ 48） 22, , 1 , ,= ( 1 ) + ( K ) ( K )i t i t i i t i i t?? ? ? ? ? ? （ 49） , 1 , 1( | , )i i t i tK? ? ? ? ?? （ 410） ? 反映了模型的學(xué)習(xí)速度，其值越大，模型更新速率越快，其值越小，模型更新的速率越慢。 道 路 圖 像 預(yù)處 理圖 像 分 割邊 緣 提 取連 通 域 標(biāo) 記H o u g h 變 換提 取 直 線高 斯 混 合 模型 數(shù) 據(jù) 融 合當(dāng) 前 車(chē) 道 線 圖 51： 車(chē)道線檢測(cè)系統(tǒng)流程圖 整個(gè)系統(tǒng)采用 MFC 框架，利用開(kāi)源的 OPENCV庫(kù)來(lái)實(shí)現(xiàn)車(chē)道線的檢測(cè)。 子進(jìn)程和 父進(jìn)程 有 其獨(dú)立的 數(shù)據(jù)空間 和 代碼 空間， 而線程 之間 則共享數(shù)據(jù)空間 ， 每個(gè)線程有自己的執(zhí)行 堆棧 和 程序計(jì)數(shù)器 。 2。 信號(hào)量對(duì)象 保存了對(duì)指定資源 訪問(wèn) 的線程 數(shù) ，該計(jì)數(shù)器 的值代表了 當(dāng) 前還可以使用該資源的線程數(shù)目。 Win32 對(duì)多線程的支持 Win32 提供了 API 函數(shù)來(lái) 實(shí)現(xiàn) 線程的創(chuàng)建、掛起、恢復(fù)、終結(jié)等工作。 ThreadFunc： 是線程函數(shù)名； lpParameter： 線程執(zhí)行時(shí) ， 傳送參數(shù)； dwCreationFlags：控制線程創(chuàng)建的標(biāo)志 。 DWORD ResumeThread(HANDLE hThread)。 BOOL TerminateThread(HANDLE hThread,DWORD dwExitCode)。 使用 TerminateThread()函數(shù)來(lái) 終止線程的執(zhí)行是 及其 不安全的，可能 引發(fā) 系統(tǒng) 的不穩(wěn)定運(yùn)行 ； 因?yàn)殡m然 該函數(shù)終止線程的執(zhí)行，但并不釋放線程所占用的資源。 圖像的讀取和顯示 OpenCV 中的圖像都以 IplImage 格式保存，該結(jié)構(gòu)包括的主要成員有圖像的通道數(shù)、圖像選擇的坐標(biāo)原則、圖像的寬度、圖像的高度等。 HDC hDC= pDCGetSafeHdc()。 CvvImage cimg。 ()。 預(yù)處理的程序?qū)崿F(xiàn)如下所示： /*********************圖像預(yù)處理 邊緣提取和形態(tài)學(xué)處理 ****************/ cvCvtColor(pdlgpFrame, pImg_tmp1, CV_BGR2GRAY)。 //大津閾值 cvDilate( pImg_tmp1, pImg_tmp2,NULL, 1)。 //閾值圖 /*************************聯(lián)通區(qū)標(biāo)記 *********************************/ memset(pImg_tmp2imageData, 0, Width_t*Height_t/2)。 //聯(lián)通圖 預(yù)處理的各個(gè)模塊的實(shí)現(xiàn)效果圖有灰度圖、二值化分割圖、邊緣提取圖。這樣，避免了車(chē)道線檢測(cè)的具備過(guò)程。 int j = 0。 float slope = 0。 for( i = 0。 float theta = line[1]。 double y0 = b*rho。 = cvRound(x0 1000*(b))。 if ((slope) amp。 } if (num == 0) { det_slope[num++] = slope。 } for (j=0。 } if (cur_slope = ) { break。 } } cvReleaseMemStorage(amp。 根據(jù)給定的節(jié)點(diǎn)，計(jì)算夾角信息，示意圖如下。 29 而對(duì)車(chē)道線兩線之間交點(diǎn)的代碼如下： //找出直線的相交點(diǎn) CvPoint findmeetpoint(IplImage* image,float* tabSin,float *tabCos,int angleleft,int angleright) { float tanA=tabCos[angleleft]/tabSin[angleleft]。 =()*tanA+。 圖 56： 車(chē)道線夾角和方向 30 第 6 章 總結(jié) 本文 實(shí)現(xiàn)了道路圖像中的車(chē)道線檢測(cè)，為后續(xù)車(chē)輛的檢測(cè)和邊界報(bào)警等功能做了準(zhǔn)備。 哈爾濱工程 大學(xué) 。耿續(xù)濤 。基于 OpenCV與混合高斯建模的運(yùn)動(dòng)目標(biāo)檢測(cè) [J]。唐孝艷 。于老師淵博的專業(yè)知識(shí)，嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，精益求精的工作作風(fēng)，毀人不倦的高尚師德，嚴(yán)以律己、寬以待人的崇高風(fēng)范，樸實(shí)無(wú)華、平易近人的人格魅力對(duì)我影響 深遠(yuǎn)。 //聲明 IplImage 指針 IplImage* pImg_tmp1。 int Height_t。 pImg_tmp1 = cvCreateImage(cvSize(Width_t, Height_t), IPL_DEPTH_8U, 1)。 LineImg=cvCreateImage(cvSize(PreProcessImgwidth,PreProcessImgheight),IPL_DEPTH_8U,3)。 //雙邊濾波 cvCopy(pImg_tmp2, pdlgpImg_filter)。 cvCopy(p