【正文】 cvCopy(pImg_tmp1, pdlgpImg_gray)。 //濾波圖 cvThreshold(pImg_tmp2, pImg_tmp1, 0, 255, CV_THRESH_OTSU)。 pImg_tmp2 = cvCreateImage(cvSize(Width_t, Height_t), IPL_DEPTH_8U, 1)。 IplImage* pImg_tmp2。一種基于高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)改進(jìn)算法 。混合高斯模型和幀間差分相融合的自適應(yīng)背景模型 [J]。本文的車道線檢測(cè)算法完成了下述功能： 一 、 對(duì)道路圖像的預(yù)處理，主要完成圖像灰度化、二值化以及邊緣提取 二、 利用改進(jìn)的 Hough 變換實(shí)現(xiàn)了直線車道檢測(cè) 三、 對(duì)左右兩條車道線建立混合高斯模型，進(jìn)行車道線預(yù)測(cè)和跟蹤 通過(guò)實(shí)驗(yàn)可以看出，本文給出的車道線檢測(cè)算法是有效的，達(dá)到了預(yù)期的檢測(cè)效果。 float tanB=tabCos[angleright]/tabSin[angleright]。storage)。 jnum。amp。 CvPoint pt1, pt2。 i MIN(linestotal,100)。 26 float det_slope[50] = {0}。 圖 53： 圖像灰度圖和二值化分割圖 圖 54： 連通域標(biāo)記后邊緣提取圖 25 高斯混合在車道線 檢測(cè) 中的 實(shí)現(xiàn) 預(yù)處理后的圖像只剩車道線的邊緣，根據(jù)車道線建立 ROI 后， Hough 變換會(huì)大大降低計(jì)算復(fù)雜度。 24 cvErode( pImg_tmp2, pImg_tmp1,NULL, 1)。 ReleaseDC(pDC)。 CRect rect。因此，一般不建議使用該函數(shù)。 該函數(shù)結(jié)束線程的掛起狀態(tài)， 是線程重新開始 執(zhí)行。下面將一些重要 的 函數(shù)進(jìn)行 分析 說(shuō)明?；コ饬繉?duì)象（ CMutex），它和 臨界區(qū)對(duì)象 有相似之處 ， 但 只允許在進(jìn)程間使用，而臨界區(qū) 對(duì)象則 限制 在 與同一進(jìn)程的各個(gè)線程之間使用。 多線程實(shí)現(xiàn)技術(shù) 線程的概念 車道線的檢測(cè)和高斯混合模型的建立分別用兩個(gè)線程實(shí)現(xiàn)。 M 個(gè)高斯模型中判定為背景模型的分布和存放在最前面，在判斷當(dāng)前幀的車道線斜率時(shí)，將優(yōu)先級(jí)從高到低的高斯模型依次與其匹配，若某個(gè)背景高斯模型與之相似，則該車道線為真實(shí)的車道線信息。 背景模型的建立 背景模型的建立主要是確定均值 ? 、方差 ? 和權(quán)重 ? 這三個(gè)參數(shù)。對(duì)均值 ? 和標(biāo)準(zhǔn)差 ? 更新的公式如下： 16 1=( 1 ) + xi i i? ? ? ? (42) 2 2 21= ( 1 ) + ( x )i i i i? ? ? ? ? (43) ? 的大小體現(xiàn)了模型更新的快慢，其取值范圍在 [0， 1]之間。所以本文提出對(duì)檢測(cè)出來(lái)的車道線位置進(jìn)行校正，校正方法是當(dāng)相鄰兩次檢測(cè)得到的車道線位置變化不大時(shí)，認(rèn)為檢測(cè)出來(lái)的車道線無(wú)誤；當(dāng)相鄰兩次檢測(cè)得到的車道線位置變化很大時(shí)，舍棄當(dāng)前檢測(cè)結(jié)果，取歷史車道線結(jié)果，歷史車道線通過(guò)高斯混合模型建模 [16]。感興趣區(qū)域 (ROI)的建立是在空間直角坐標(biāo)系下確定車道線可能存在的區(qū)域范圍，這樣會(huì)縮短車道線檢測(cè)的時(shí)間，提高了檢測(cè)速率和實(shí)時(shí)性。 極角約束區(qū)域的建立 一般車道線分布在道路圖像的左右兩側(cè)， 經(jīng)過(guò)大量實(shí)驗(yàn)測(cè)試得出： 左 車道線 1? 的值在 2070 度之間， 右車道線 2? 的值在 120170 度之間 ，我們稱這一區(qū)域?yàn)闃O角約束區(qū)域。經(jīng)過(guò)霍夫變換后，直線的檢測(cè)問題便轉(zhuǎn)換成了參數(shù)空間峰值的統(tǒng)計(jì)問題，提取出的峰值經(jīng)過(guò)反變換擬合出所需的直線方程。 Canny 算子提取的圖像邊緣如圖 24 所示： 圖 24： 邊緣提取后的圖像 11 第 3 章 基于 Hough 變換的車行道檢測(cè) 在智能交通系統(tǒng) (ITS)中，車道線檢測(cè)主要是為了以后估計(jì)車輛在道路中的行駛位置和其行駛方向，以便控制車輛的正常行駛。 4． 否則按照最左，左上，最上，上右的順序，標(biāo)記此點(diǎn)為四個(gè)中的一個(gè)。下面分別介紹一下這兩種方法。方差越大，說(shuō)明圖像中的背景和目標(biāo)的差別就越大。道路圖像經(jīng)過(guò)灰度變化和濾波后的圖像如圖 21所示： 圖 21： 原始圖和灰度化中值濾波后的圖像 圖像分割的算法研究 道路圖像經(jīng)過(guò) 濾波處理后，包含大量的背景干擾信號(hào)。圖像去噪處理多采用平滑技術(shù)，主要包括頻域?yàn)V波和空域?yàn)V波兩大類。 本 文 擬采用的技術(shù)和圖像處理流程 ，以及章節(jié)結(jié)構(gòu) 大致如下： 第一章緒論介紹了本課題的研究背景和意義、對(duì)車道線檢測(cè)技術(shù)的發(fā)展歷程和應(yīng)用做了詳細(xì)的闡述； 第二章介紹了道路圖像的預(yù)處理技術(shù)， 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 ； 第三章介紹了車道線檢測(cè)方法， 給出了基于感興趣區(qū)域和 Hough變換的車道檢 測(cè)算法，完成對(duì)車道線的檢測(cè) ； 第四章給出了車道線跟蹤方法， 對(duì)檢測(cè)出來(lái)的車道線建立高斯混合模型，從而預(yù)測(cè)以后車道線檢測(cè)的可靠性，并將檢測(cè)結(jié)果與高斯混合模型的預(yù)測(cè)結(jié)果結(jié)合得到最接近真實(shí)情況的結(jié)果 ； 第五章給出了車道線檢測(cè)算法的實(shí)現(xiàn)； 5 第 2 章 道路圖像預(yù)處理方法研究 圖像在采集和傳輸?shù)倪^(guò)程中，圖像質(zhì)量必然會(huì)有一定的程度的降低，比如噪聲的增加等。具有代表性的車道線檢測(cè)系統(tǒng)有吉林大學(xué)的 JLUVA1 系統(tǒng)、東南大學(xué)的基于 DSP 的報(bào)警系統(tǒng)、清華大學(xué)智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室“移動(dòng)機(jī)器人課題組”研制的THMRV智能車。嵌入式移動(dòng)處理中心具有車道偏離報(bào)警、行道線檢測(cè)以及車輛橫向位置估計(jì)的功能。我國(guó)在此領(lǐng)域的研究較晚，但也有一定的成果了。 在車道偏離預(yù)警系統(tǒng)中，整個(gè)系統(tǒng)的關(guān)鍵是車道線的正確提取與識(shí)別。表 統(tǒng)計(jì)了我國(guó) 4 年來(lái)的交通事故數(shù)量和經(jīng)濟(jì)損失 [1]。s lives and the vehicle deviates from the lane line resulting in the number of traffic accidents accounted for about onethird of all traffic accidents due to driver fatigue and inattention. In the lane departure warning system, the key to the whole system is the extraction and recognition of the right of the lane line. Lane line extraction pleted to detect and identify the lane line from the image, and determines the feasible region of the vehicle on a road safety and positioning of the lane line position relative to the vehicle, in order to monitor the vehicles traveling in realtime situation. When the vehicle deviates able to alert the driver to adjust the state of the vehicles in a timely manner, so as to avoid traffic accidents. The paper presents an implementation of the lane mark in the image recognition, to draw the plete information of the lane mark and the image processing method of detecting the angle between two lane line. This paper studies the content: First, on the acquisition of road image preprocessing, including image filtering, image thresholding segmentation the Uni domain mark, edge extraction operation. Second, given the lane detection algorithm, to plete the detection of the lane line based on the region of interest and Hough transform. Detected lane lines to establish Gaussian mixture model in order to predict the reliability of the lane detection after, and the test results and the predicted results of the Gaussian mixture model bined the results of the closest to the real situation. Keywords: lane detection, Hough transform, Gaussian mixture model 目錄 第 1 章 緒論 ................................................................................................................... 1 課題研究的 背景 和意義 ................................................................................... 1 國(guó)內(nèi)外的研究現(xiàn)狀 ........................................................................................... 2 國(guó)外研究和應(yīng)用現(xiàn)狀 ............................................................................... 3 國(guó)內(nèi)研究現(xiàn)狀 ........................................................................................... 3 本文研究?jī)?nèi)容和組織結(jié)構(gòu) ................................................................................. 4 第 2 章 道路圖像預(yù)處理方法研究 ............................................................................... 5 圖像去噪中的濾波技術(shù) ................................................................................... 5 圖像分割的算法研究 ....................................................................................... 6 簡(jiǎn)單的閾值分割 ....................................................................................... 6 基于最大類 間方差法 (OTSU)的圖像分割 .............................................. 7 連通域標(biāo)記 ......................................................................................................... 8 圖像的邊緣提取 ............................................................................................... 10 第 3 章 基于 Hough 變換的車行道檢 測(cè) .................................................................... 11 Hough 變換基本原理 ..................................