【文章內容簡介】 聲，Canny分割算法采用一階偏導的有限差分來計算梯度幅值和方向，在處理過程中，Canny算子還將經(jīng)過一個非極大值抑制的過程，最后Canny算子還采用兩個閾值來連接邊緣?？梢钥闯鯟anny算子的處理過程比較復雜，但它的處理結果是比較好的。第3章 Hough變換直線和橢圓的檢測 Hough變換直線檢測 Hough變換直線檢測的基本原理Hough變換的核心思想是將圖像空間轉化到參數(shù)空間進行分析。在平面直角坐標系中，一條直線可以用方程來表示，其中和是參數(shù),分別是斜率和截距。過某一點的所有直線的參數(shù)都會滿足方程,即點確定了一族直線。方程在參數(shù)平面上是一條直線。這樣,圖像平面上的一個前景像素點就對應到參數(shù)平面上的一條直線，同理，直線上的其他點也對應一條參數(shù)空間的直線，最終，在參數(shù)空間中的這些直線將會交于一點，很顯然，這個點就是。但是方程無法表示這樣的直線（斜率無窮大），所以在實際應用中使用直線的法線式方程來表示直線：此時，圖像空間中的一點將對應參數(shù)空間的一條正弦曲線，這樣圖像空間中的一條直線就對應參數(shù)空間中的一點。如圖（31）所示： 圖31 直線上點在參數(shù)空間的映射圖（32）為霍夫變換直線檢測的效果（已設置感興趣區(qū)域）： 圖32 霍夫變換直線檢測 Hough變換的缺陷和改進Hough變換具有顯而易見的優(yōu)點，但它也有一些不可忽視的缺點：運算量大。傳統(tǒng)的Hough變換需要對每個點進行計算，不僅運算量大，而且會產(chǎn)生大量冗余數(shù)據(jù)，并且運用Hough變換進行圓或其他圖像的檢測時，由于參數(shù)的增多（如圓需要3個參數(shù)），計算量將會急劇增加，所以，Hough變換的實時性不高；雖然Hough變換能得到直線的參數(shù)方程，但它無法確定直線的起止點，即無法確定直線是否是連續(xù)的；圖像中的噪聲點會對Hough變換的結果產(chǎn)生較大的影響。針對以上缺陷，需要對Hough變換進行一定的改進，以更好地完成期望的工作：對圖像進行合適的預處理，盡力排除噪聲點的干擾；對圖像進行邊緣提取、區(qū)域分割等，提取出有用的信息，再根據(jù)統(tǒng)計學的一些原理來應用Hough變換，減少Hough變換的運算量對于Hough變換以上缺陷中的第二點，可以設計特殊的數(shù)據(jù)結構記錄Hough變換過程中的數(shù)據(jù)，從而解決探測直線等起止點的問題。 Hough變換圓檢測 Hough變換圓檢測的基本原理Hough變換直線檢測中是將圖像空間中的一條直線映射為參數(shù)空間中的一個點，對圓的檢測同樣如此，這也是Hough變換的核心思想所在。但是直線檢測需要兩個參數(shù)，而圓檢測需要三個參數(shù)（為圓心坐標，r為圓的半徑）。在平面直角坐標系中，圓用方程來表示，將圓上的一點映射到參數(shù)空間，對應的方程為由于圓的半徑r不確定，所以參數(shù)空間是一個三維空間，每一點在參數(shù)空間映射為一個圓錐，如圖（33）所示：圖33 圓上一點在參數(shù)空間的映射因此，Hough變換圓檢測的計算量會是相當大的，這是傳統(tǒng)Hough變換最大的缺陷之一。 對hough變換圓檢測算法的改進由于傳統(tǒng)的Hough變換圓檢測算法計算量太大，所以需要對其進行改進以增強其實時性。對于圓，有如下性質：圓上一點的法線必過圓心。根據(jù)這一性質，隨機選取圓上若干各點，求得其法線，法線的交點便是圓心，進而也可以很容易地計算出圓的半徑。那么如何求一個點的法線呢？對于圖像中的一個點，其法線方向便是其梯度變換最大的方向，且法線與切線呈垂直關系，那么我們可以先求一點的切線，進而得到這一點的法線。 最小二乘法求曲線上一點的切線最小二乘法（又稱最小平方法）是一種數(shù)學優(yōu)化技術。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳匹配函數(shù)。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于曲線擬合等初中應用領域。假設圖像中存在處于一條直線附近的幾個點，那么設這條直線的方程為：為直線斜率，為截距。為求得和，根據(jù)最小二乘法原理，將實測值與的離差的平方和最小作為最優(yōu)判據(jù)。令 （31）當最小時，分別對和求偏導，令這兩個偏導數(shù)等于0： （32） （33）兩個偏導數(shù)等于0，即得： （34） （35）將和的結果代入原直線方程，即得擬合所得的直線方程為：nXkYXXXnYXYXnYiiiiiiii229。229。229。229。229。229。+=22)(同樣，在圖像中圓上某一點的切線方程也可用同樣的方法求得。雖然最小二乘法能比較方便的得出圓上一點的切線，但要知道其正確性與點的樣本大小有很大關系，如果樣本太小，則計算誤差變大，很可能得不到正確的結果，若樣本太大，則計算量也將隨之增大，所以樣本大小的選取是一個不可忽視的問題。圖（34）展示了根據(jù)最小二乘法原理得到的曲線上一點的切線： 圖34 最小二乘法得到曲線上一點的切線 Hough變換橢圓檢測根據(jù)前面的分析，道路車道線經(jīng)過圖像采集設備采集后，其原本的圓將會變化為橢圓，所以我們更應該關注橢圓的檢測。根據(jù)Hough變換圓檢測的算法，進一步討論橢圓的檢測，由于橢圓上一點的法線并不過橢圓的中心，所以上面的圓檢測算法不能直接用于橢圓的檢測，需要進一步的改進。根據(jù)橢圓的性質：橢圓上兩點法線的交點與這兩點中點所確定的直線過橢圓中心。我們自然而然便能對圓檢測算法加以改進以適應橢圓的檢測。橢圓檢測的過程描述為：第一步：在目標圖形上選取隨機的三個點分別記為、和，并求得他們各自的切線，分別記為、和他們兩兩間的中點，分別記為、和（即為和的中點）；第二步：找到這三條切線兩兩相交的交點，分別記為、和（即為和的交點，以此類推）；第三步：將對應的交點與中點連接，即與、與、與，將得到的直線分別記為、和；第四步：求得這三條連線兩兩相交的交點，根據(jù)一定的距離準則，判斷這三點是否足夠接近，如果足夠接近，說明此時的形狀可能是一個橢圓，否則則說明不是；第五步：在目標圖形上另選一點，求其切線，并將其與其他三點中的一點重新配對，得到兩切線交點與中點的直線方程；第六步：根據(jù)同樣的距離準則，判斷新得到的直線與其他直線的交點是否足夠接近，如果是，那么目標圖形是一個橢圓，如果不是，則說明目標圖形不是橢圓。圖（35）為根據(jù)此方法對橢圓進行檢測的結果： 圖35 橢圓檢測由圖可以看出，該方法能正確的檢測出圖像中的橢圓，說明了此方法的正確性和可靠性。第4章 車道線的識別綜合分析前面章節(jié)中的處理過程和算法，總結出車道線識別的流程，如圖（41）所示：圖41 車道線識別流程圖在Linux平臺上，使用C語言和Gtk+結合OpenCV圖像處理庫編寫程序，進行車道線的識別，如圖（42）所示：圖42 車道線識別程序界面車道線的識別結果如圖（43）所示： 圖43 車道線的識別結果從識別的結果可以看出，算法能對車道線進行準確的識別，達到了預期的目的和理想的效果。結論從以上的算法分析和實驗結果，可以看出，本論文中的算法能對車道線較好較準確的進行識別，算法的主要優(yōu)點有：算法的準確性高。相比傳統(tǒng)的識別算法，本論文中的算法經(jīng)過優(yōu)化處理，提高了識別的準確性；算法的實時性好，特別是經(jīng)過對Hough變換等算法的一定的改進，大大減少了計算量，提高了計算速度；算法能檢測多種車道線，適應范圍廣；算法結構清晰，魯棒性好，方便擴展和改進；當然，在實際的應用中也發(fā)現(xiàn)了一些問題，主要有：對于復雜路況和天氣條件欠佳時，算法的適應性還不夠高；對于一些現(xiàn)實中存在的干擾因素如馬路沿等，不能進行有效的排除。這些存在的問題，也指出了下一階段改進的方向和思路，以后的時間里還有更多的工作要做。對于未來，隨著人工智能、機器學習等的不斷發(fā)展，將這些技術應用于車道識別中，必將能極大的提高車道線識別的精確性和適應性，并且伴隨著智能汽車的進一步發(fā)展，新的技術不斷得到應用，車道線的識別技術一定會迎來一個大的發(fā)展。特別是國內，隨著中國的科技水平不斷提高，市場需要持續(xù)增大，對于車道線的自動識別的需求也將更加迫切。所以未來是光明的，但更需要我們腳踏實地，不斷取得新的突破。參考文獻：[1]魯曼,蔡自興,[J].智能系統(tǒng)學報,2010,5(6):505509[2]金輝,吳樂林,陳慧巖,龔建偉 .結構化道路車道線識別的一種改進算法[J].北京理工大學學報,2007,27(6):502505[3]朱桂英,張瑞林 .基于Hough變換的圓檢測方法[J].計算機工程與設計,2008,29(6)[4]郭磊,王建強,[J].中國機械工程,18(15):18721876[5]楊喜寧,段建民,高德芝,[J].計算機測量與控制,2010,18(2):292298[6]莫建文,范楷,[J].桂林電子科技大學學報,2011,31(6):464468[7]王曉云,[J].杭州電子科技大學學報,2010,30(6):6467[8]徐巖,[J].鐵道學報,2009,31(1):107110[9]秦開懷,王海潁,[J].中國圖像圖形學報,2010,15(1):110115[10]段汝嬌,趙偉,黃松嶺,[J].儀器儀表學報,2010,31(12):27742780[11]李若皓,[J].微計算機信息,2008,24(6):244246[12]劉富強,張姍姍,朱文紅,[J],2010,38(2):223229[13]黃永林,葉玉堂,陳鎮(zhèn)龍,[J],2010,24(9):837841[14]陳洪波,王強,徐曉蓉,陳真誠,[J],2009,17(5):11111118[15]K ast rinaki V , Zervakis M , K alait zakis K . A survey of video pr oces sing t