基于單目視覺的車道線檢測(cè)和前方車輛測(cè)距技術(shù)研究(編輯修改稿)
2024-09-06 16:01 本頁面
【文章內(nèi)容簡(jiǎn)介】 第三章基于單日視覺的車道線檢測(cè)算法是目前為止最直觀、應(yīng)用最為普遍的圖像分割方法。一些學(xué)者也稱雙峰法為峰谷法，這樣命名的優(yōu)勢(shì)是可以直觀地顯現(xiàn)這一該方法的特點(diǎn)。雙峰法存在以下假設(shè)條件：在圖像中，像素灰度值的分布概率主要集中在某幾個(gè)灰度級(jí)。一般情況下認(rèn)定灰度直方圖的每個(gè)峰值均代表一個(gè)感興趣的目標(biāo)區(qū)域，而谷值則代表從一個(gè)感興趣區(qū)域到另一個(gè)感興趣區(qū)域的過渡點(diǎn)或邊界。實(shí)驗(yàn)表明，將兩個(gè)峰值間的谷點(diǎn)所對(duì)應(yīng)的灰度級(jí)作為分割閾值可以得到較好的分割結(jié)果。雙峰發(fā)進(jìn)行圖像分割的具體步驟為：??謚狽酵忌?，Z，正之間找到一個(gè)最小值丁作為直方圖谷值：迭代分割方法進(jìn)行圖像分割的具體步驟為：值閾值為：
天津工業(yè)大學(xué)碩士學(xué)位論文權(quán)系數(shù)。???蕕詼?角蟪齙贙?次迭代的分割閾值。這種方法由大津展之在??年提出，所以也稱其為大津法或??法，自提出以來，國(guó)內(nèi)外廣大研究學(xué)者不斷對(duì)其進(jìn)行了研究和改進(jìn)，所以，這是一種得到廣泛關(guān)注和應(yīng)用的閾值分割方法。最大類間方差法的定義就是使圖像分割所得到的目標(biāo)區(qū)域和背景區(qū)域差距最大，即使目標(biāo)與背景之間出現(xiàn)盡可能高的對(duì)比度，該方法在閾值自動(dòng)選取方面一直得到普遍認(rèn)可。利用最大類間方差法進(jìn)行閾值分割的具體過程描述如下：域的像素個(gè)數(shù)占圖像全部像素個(gè)數(shù)的比例為‰，其灰度平均值為硒；同時(shí)有背
第三章基于單目視覺的車道線檢測(cè)算法設(shè)原始圖像的全部像素個(gè)數(shù)之和為Ⅳ，這Ⅳ個(gè)像素分布在三個(gè)灰度等級(jí)上，灰度等級(jí)為?南袼馗鍪?ィ?饈庇孝?∑惕，其概率密度分布可以用直方圖，??∥。?苀尸，／國(guó)?∥?????隆?，其中：所??∑識(shí)類間方差可以表示為：令式?．??欣嗉浞講鉅宰畬笫鋇膄．即為最佳閾值，有：
天津工業(yè)大學(xué)碩士學(xué)位論文該方法具體步驟描述如下：???信卸希?綣??憧凇踡觚，則令分別利用??方法、雙峰發(fā)和迭代法對(duì)采集到的路面圖像進(jìn)行閾值分割，分割結(jié)果如圖??所示。根據(jù)雙峰法閾值分割的工作原理，當(dāng)圖像的灰度直方圖具有兩個(gè)明顯的波峰??方法的這一缺點(diǎn)，下一節(jié)對(duì)這種方法進(jìn)行了改進(jìn)。
第三章基于單目視覺的車道線檢測(cè)算法———嬲??—■薯髓驥豢鬻??????圖??三種閾值分割方法的分割效果對(duì)比大限度降低背景信息干擾的效果。
天津工業(yè)大學(xué)碩士學(xué)位論文實(shí)驗(yàn)研究表明，單純使用一次??對(duì)圖像進(jìn)行分割，當(dāng)車道線灰度級(jí)與路面及周圍干擾信息的灰度級(jí)相差不大時(shí)，分割效果不理想。為了解決這一問題，在進(jìn)行圖像預(yù)處理增加圖像對(duì)比度的基礎(chǔ)上，對(duì)??方法進(jìn)行改進(jìn)，以獲得較好的分割結(jié)果。實(shí)驗(yàn)結(jié)果表明，這種改進(jìn)的分割方法可以有效地將車道線從背景中提取出來。利用改進(jìn)的最大類間方差法進(jìn)行圖像分割的具體步驟可以描述如下：兀即為該方法下的最佳分割閾值；??勉兄雕舛醞枷窠?卸?畏指睿?笥謖?南袼厴柚夢(mèng)D勘晡?設(shè)為?，小
??基于最小二乘擬合的車道線檢測(cè)算法盤在原圖像上標(biāo)出左右車道線現(xiàn)以一幅真實(shí)公路路面圖像講解算法實(shí)現(xiàn)過程。
天津工業(yè)大學(xué)碩士學(xué)位論文分割，提取出車道線，分割后的結(jié)果如圖??所示。圖??原始圖像圖??剪裁后的圖像圖??改進(jìn)??進(jìn)行閾值分割后的圖像????．?治W笥伊槳?dú)蹇分绵?悸親囝蟀氬糠滯枷馡??。如圖??所示。圖??枷馤????醞枷馡?瞄行逐行掃描，找到存在白像素點(diǎn)的起始行?徒崾?蠦，如圖??所示。
第三章基于單目視覺的車道線檢測(cè)算法上圖??車道線起始點(diǎn)和結(jié)束點(diǎn)示意圖好處是提取出的特征點(diǎn)屬于離車輛最近的車道線，遠(yuǎn)處的車道線被忽略掉。圖??為例闡述車道線的最小二乘擬合檢測(cè)方式，得到斜率?徒鼐郺。
天津工業(yè)大學(xué)碩士學(xué)位論文右車道線參數(shù)? ?．????墻悸訪媸悠檔??幀??墻悸訪媸悠檔??幀??鞘新訪媸悠檔??幀??鞘新訪媸悠檔??幀??鞘新訪媸悠檔??幀表???．?中左右車道線方程的參數(shù)左分道線參數(shù) 右分道線參數(shù)圖?????
第三章基于單目視覺的車道線檢測(cè)算法
天津工業(yè)大學(xué)碩士學(xué)位論文??????一???????紀(jì)枷襦媳疚乃惴?????變換算法????
嘞本文算法???咖變換算法經(jīng)過對(duì)不同天氣和不同路面情況的實(shí)驗(yàn)，將本文算法的優(yōu)點(diǎn)總結(jié)如下：
天津工業(yè)大學(xué)碩士學(xué)位論文經(jīng)過大量實(shí)驗(yàn)，該算法在大多數(shù)情況下可以檢測(cè)出車道線，只有當(dāng)天氣情況??改進(jìn)?璾分割圖像??改進(jìn)??分割圖像??改進(jìn)??分割圖
語文相關(guān)推薦
鄂ICP備17016276號(hào)-1