【導(dǎo)讀】正逐步成為大眾的交通工具。隨著汽車的不斷普及以及汽車行車速度的不斷提高，交。通事故的數(shù)量也隨之上升。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。由于疲勞駕駛和注意力不集中，引起車輛偏離車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。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。和定位車道線相對(duì)于車輛的位置，以便監(jiān)測(cè)車輛行進(jìn)的實(shí)時(shí)情況。時(shí)，能夠提醒駕駛員及時(shí)調(diào)整車輛的狀態(tài)，從而避免交通事故的發(fā)生。兩條車道線夾角的圖像處理方法。本文主要研究的內(nèi)容有：。聯(lián)通域標(biāo)記，邊緣提取等操作。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。

　　

【正文】 t_slope[50] = {0}。 float old_slope = 0。 float cur_slope = 0。 float slope = 0。 int num = 0。 cvCopy(pdlgpImg_gray, pImg_tmp3)。 lines = cvHoughLines2( pImg_tmp3, storage, CV_HOUGH_STANDARD, 1, CV_PI/180, 40, 0, 0 )。 for( i = 0。 i MIN(linestotal,100)。 i++ ) { float* line = (float*)cvGetSeqElem(lines,i)。 float rho = line[0]。 float theta = line[1]。 double a = cos(theta)。 double b = sin(theta)。 double x0 = a*rho。 double y0 = b*rho。 CvPoint pt1, pt2。 = cvRound(x0 + 1000*(b))。 = cvRound(y0 + 1000*(a))。 = cvRound(x0 1000*(b))。 = cvRound(y0 1000*(a))。 27 slope = ((float)(float))/((float)(float))。 cur_slope = slope。 if ((slope) amp。amp。 (slope)) { i++。 continue。 } if (num == 0) { det_slope[num++] = slope。 cvLine(pdlgpFrame, pt1, pt2, CV_RGB(255,0,0), 3, CV_AA, 0 )。 i++。 continue。 } for (j=0。 jnum。 j++) { cur_slope = det_slope[j]。 if (cur_slope 0) { cur_slope = 0 cur_slope。 } if (cur_slope = ) { break。 } cur_slope = slope。 } 28 if (j = num) { det_slope[num++] = slope。 cvLine(pdlgpFrame, pt1, pt2, CV_RGB(255,0,0), 3, CV_AA, 0 )。 } } cvReleaseMemStorage(amp。storage)。 pdlgDrawPicToHDC(pdlgpFrame, IDC_STATIC_PICSHOW)。 } 計(jì)算車道線夾角 設(shè)直線 l l2 的斜率存在，分別為 k k2， l1 與 l2 的夾角為 θ，則 tanθ=∣ (k2 k1） /(1+ k1k2） ∣ 。 根據(jù)給定的節(jié)點(diǎn)，計(jì)算夾角信息，示意圖如下。已知 X1(x1, y1)、X2(x2, y2)、 X3(x3, y3)，計(jì)算直線 X2X1 與 X2X3 的夾角信息。 根據(jù)向量?jī)?nèi)積，得到計(jì)算公式為： theta1=acosd(dot([x1x2,y1y2],[x3x2,y3y2])/(norm([x1x2,y1y2])*norm([x1x2,y3y2])))。 其中， dot([x1x2,y1y2],[x3x2,y3y2])為計(jì)算內(nèi)積， norm([x1x2,y1y2])為計(jì)算向量長(zhǎng)度， acosd 為計(jì)算以度為單位的夾角信息。 29 而對(duì)車道線兩線之間交點(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]。 float tanB=tabCos[angleright]/tabSin[angleright]。 CvPoint pointmeet。 =(+*tanAlineri*tanB)/(tanAtanB)。 =()*tanA+。 return pointmeet。 } 進(jìn)過上述計(jì)算后，便可求得車道線的夾角和方向。 如圖 56 所示。 圖 56： 車道線夾角和方向 30 第 6 章 總結(jié) 本文 實(shí)現(xiàn)了道路圖像中的車道線檢測(cè)，為后續(xù)車輛的檢測(cè)和邊界報(bào)警等功能做了準(zhǔn)備。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。 31 參考文獻(xiàn) [1]． 吳沫 . 基于計(jì)算機(jī)視覺的車道偏離告警系統(tǒng)方法研究 .國(guó)防科技大學(xué) ,2020 [2]． 盧衛(wèi)娜 ,史忠科 .基 于單目視覺的車道線和道路邊界同步檢測(cè) , [3]． 陸豐俊 ,基于視覺的車輛車道偏離預(yù)警系統(tǒng)算法研究，華中科技大學(xué) ,2020 [4]． 董因平 .高速汽車車道偏離預(yù)警系統(tǒng)的算法研究 .長(zhǎng)春 :吉林大學(xué) ,2020 [5]． LuoWei Tai, Lane Detection Using Directional Random Walk:,IEEE2020. [6]． 周欣 ,黃席樾 ,黎昱 .基于單目視覺的高速公路車道保持與距離測(cè)量 .2020 [7]． 徐巖 ,雷濤 . 基于形態(tài)學(xué)方法的車道線檢測(cè)算法研究 [8]． 聶方彥 .圖 像閾值化與目標(biāo)分割方法中的若干問題研究 [D].重慶 :重慶大學(xué) ,2020:3336. [9]． 余厚云 ,張為公 .基于動(dòng)態(tài)感興趣區(qū)域的車道線識(shí)別與跟蹤 [J].工業(yè)儀表與自動(dòng)化裝置 ,2020 [10]． 金浙良 ,胡桂明 ,張海君 ,滿高華 .基于最優(yōu)閉值和 Hough 變換的車道線檢測(cè)方法 [J].自動(dòng)化技術(shù)與應(yīng)用 ,2020 [11]． 楊喜寧 ,段建民 ,高德芝 ,鄭榜貴 .基于改進(jìn) Hough變換的車道線檢測(cè)技術(shù) .計(jì)算機(jī)測(cè)量與控制 ,2020 [12]. 張宗彬 。基于改進(jìn)的混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法 。 哈爾濱工程 大學(xué) 。2020 年 [13]．劉鑫 。劉輝 。強(qiáng)振平 。耿續(xù)濤 。混合高斯模型和幀間差分相融合的自適應(yīng)背景模型 [J]。中國(guó)圖象圖形學(xué)報(bào) 。2020 年 [14]．王麗娟 。基于 OpenCV與混合高斯建模的運(yùn)動(dòng)目標(biāo)檢測(cè) [J]。電子測(cè)試 。2020 年09 期 [15]．陳世文 。蔡念 。唐孝艷 。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 。現(xiàn)代電子技術(shù) 。2020 年 [16]． Bin Ran, Henry, Xianghong of A VisionBased Real Time Lane Detection and Tracking System for Intelligent Vehicles, Washington DC,2020 32 [17].John lmmerk. Some Remark son the Straight Line Hough Transform. Pattern Recognition Letters,1998 [18]． Zeng Zhi Hong. Lane Detection and Car Tracking on the Highway .2020 33 致 謝 本論文是在于俊偉老師的悉心指導(dǎo)下完成的。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)無華、平易近人的人格魅力對(duì)我影響 深遠(yuǎn)。不僅使我樹立了遠(yuǎn)大的學(xué)術(shù)目標(biāo)、掌握了基本的研究方法，還使我明白了許多待人處事的道理。本論文從選題到完成，都是在于老師的指導(dǎo)下完成的，凝聚了我的努力和于老師的心血。在此，謹(jǐn)向于俊偉老師表達(dá)我的敬意和中心的感謝！ 34 附錄：程序代碼 車道線檢測(cè)程序主要代碼： DWORD WINAPI Imageprocess(LPVOID lpParameter) { CCarDetectDlg *pdlg = (CCarDetectDlg*)lpParameter。 //聲明 IplImage 指針 IplImage* pImg_tmp1。 IplImage* pImg_tmp2。 IplImage* pImg_tmp3。 int Width_t。 int Height_t。 char angle_cur[20]。 Width_t = pdlgpFramewidth。 Height_t = pdlgpFrameheight。 pImg_tmp1 = cvCreateImage(cvSize(Width_t, Height_t), IPL_DEPTH_8U, 1)。 pImg_tmp2 = cvCreateImage(cvSize(Width_t, Height_t), IPL_DEPTH_8U, 1)。 pImg_tmp3 = cvCreateImage(cvSize(Width_t, Height_t), IPL_DEPTH_8U, 1)。 PreProcessImg = cvCreateImage(cvSize(Width_t, Height_t), IPL_DEPTH_8U, 1)。 LineImg=cvCreateImage(cvSize(PreProcessImgwidth,PreProcessImgheight),IPL_DEPTH_8U,3)。 IplImage* 35 LineImg1=cvCreateImage(cvSize(PreProcessImgwidth,PreProcessImgheight),IPL_DEPTH_8U,1)。 if (pdlgm_flagprocess == TRUE) { /*****************圖像預(yù)處理 邊緣提取和形態(tài)學(xué)處理 ************/ cvCvtColor(pdlgpFrame, pImg_tmp1, CV_BGR2GRAY)。 //彩圖轉(zhuǎn)成灰度圖 cvSmooth(pImg_tmp1, pImg_tmp2, CV_BILATERAL, 3, 0, 3, 50)。 //雙邊濾波 cvCopy(pImg_tmp2, pdlgpImg_filter)。 //濾波圖 cvThreshold(pImg_tmp2, pImg_tmp1, 0, 255, CV_THRESH_OTSU)。//大津閾值 cvAnd(pImg_tmp1,pImg_tmp2,pImg_tmp1)。 cvThreshold(pImg_tmp1, pImg_tmp2, 70, 255, CV_THRESH_BINARY)。 cvCopy(pImg_tmp2, pdlgpImg_morpho)。 //閾值圖 cvCopy(pImg_tmp1, PreProcessImg)。 //聯(lián)通圖 /******************聯(lián)通區(qū)標(biāo)記 **********************/ memset(pImg_tmp2imageData, 0, Width_t*Height_t/2)。 //圖像下半部分為感興趣區(qū)域 SegmentImage(pImg_tmp2, pImg_tmp1)。 cvCanny(pImg_tmp2, pImg_tmp1, 50, 150, 3)。 cvCopy(pImg_tmp1, pdlgpImg_gray)。 //聯(lián)通圖 /*****************Hough 直線檢測(cè) ************************/ CvMemStorage* storage = cvCreateMemStorage(0)。 CvSeq* lines = 0。