【正文】 。相比傳統(tǒng)的識(shí)別算法，本論文中的算法經(jīng)過優(yōu)化處理，提高了識(shí)別的準(zhǔn)確性；算法的實(shí)時(shí)性好，特別是經(jīng)過對Hough變換等算法的一定的改進(jìn)，大大減少了計(jì)算量，提高了計(jì)算速度；算法能檢測多種車道線，適應(yīng)范圍廣；算法結(jié)構(gòu)清晰，魯棒性好，方便擴(kuò)展和改進(jìn)；當(dāng)然，在實(shí)際的應(yīng)用中也發(fā)現(xiàn)了一些問題，主要有：對于復(fù)雜路況和天氣條件欠佳時(shí)，算法的適應(yīng)性還不夠高；對于一些現(xiàn)實(shí)中存在的干擾因素如馬路沿等，不能進(jìn)行有效的排除。第4章 車道線的識(shí)別綜合分析前面章節(jié)中的處理過程和算法，總結(jié)出車道線識(shí)別的流程，如圖（41）所示：圖41 車道線識(shí)別流程圖在Linux平臺(tái)上，使用C語言和Gtk+結(jié)合OpenCV圖像處理庫編寫程序，進(jìn)行車道線的識(shí)別，如圖（42）所示：圖42 車道線識(shí)別程序界面車道線的識(shí)別結(jié)果如圖（43）所示： 圖43 車道線的識(shí)別結(jié)果從識(shí)別的結(jié)果可以看出，算法能對車道線進(jìn)行準(zhǔn)確的識(shí)別，達(dá)到了預(yù)期的目的和理想的效果。橢圓檢測的過程描述為：第一步：在目標(biāo)圖形上選取隨機(jī)的三個(gè)點(diǎn)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(diǎn)，分別記為、和（即為和的中點(diǎn)）；第二步：找到這三條切線兩兩相交的交點(diǎn)，分別記為、和（即為和的交點(diǎn)，以此類推）；第三步：將對應(yīng)的交點(diǎn)與中點(diǎn)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(diǎn)，根據(jù)一定的距離準(zhǔn)則，判斷這三點(diǎn)是否足夠接近，如果足夠接近，說明此時(shí)的形狀可能是一個(gè)橢圓，否則則說明不是；第五步：在目標(biāo)圖形上另選一點(diǎn)，求其切線，并將其與其他三點(diǎn)中的一點(diǎn)重新配對，得到兩切線交點(diǎn)與中點(diǎn)的直線方程；第六步：根據(jù)同樣的距離準(zhǔn)則，判斷新得到的直線與其他直線的交點(diǎn)是否足夠接近，如果是，那么目標(biāo)圖形是一個(gè)橢圓，如果不是，則說明目標(biāo)圖形不是橢圓。根據(jù)橢圓的性質(zhì)：橢圓上兩點(diǎn)法線的交點(diǎn)與這兩點(diǎn)中點(diǎn)所確定的直線過橢圓中心。圖（34）展示了根據(jù)最小二乘法原理得到的曲線上一點(diǎn)的切線： 圖34 最小二乘法得到曲線上一點(diǎn)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(shè)備采集后，其原本的圓將會(huì)變化為橢圓，所以我們更應(yīng)該關(guān)注橢圓的檢測。+=22)(同樣，在圖像中圓上某一點(diǎn)的切線方程也可用同樣的方法求得。229。229。令 （31）當(dāng)最小時(shí)，分別對和求偏導(dǎo)，令這兩個(gè)偏導(dǎo)數(shù)等于0： （32） （33）兩個(gè)偏導(dǎo)數(shù)等于0，即得： （34） （35）將和的結(jié)果代入原直線方程，即得擬合所得的直線方程為：nXkYXXXnYXYXnYiiiiiiii229。假設(shè)圖像中存在處于一條直線附近的幾個(gè)點(diǎn)，那么設(shè)這條直線的方程為：為直線斜率，為截距。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(shí)際數(shù)據(jù)之間誤差的平方和為最小。 最小二乘法求曲線上一點(diǎn)的切線最小二乘法（又稱最小平方法）是一種數(shù)學(xué)優(yōu)化技術(shù)。根據(jù)這一性質(zhì)，隨機(jī)選取圓上若干各點(diǎn)，求得其法線，法線的交點(diǎn)便是圓心，進(jìn)而也可以很容易地計(jì)算出圓的半徑。 對hough變換圓檢測算法的改進(jìn)由于傳統(tǒng)的Hough變換圓檢測算法計(jì)算量太大，所以需要對其進(jìn)行改進(jìn)以增強(qiáng)其實(shí)時(shí)性。但是直線檢測需要兩個(gè)參數(shù)，而圓檢測需要三個(gè)參數(shù)（為圓心坐標(biāo)，r為圓的半徑）。針對以上缺陷，需要對Hough變換進(jìn)行一定的改進(jìn)，以更好地完成期望的工作：對圖像進(jìn)行合適的預(yù)處理，盡力排除噪聲點(diǎn)的干擾；對圖像進(jìn)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(jì)學(xué)的一些原理來應(yīng)用Hough變換，減少Hough變換的運(yùn)算量對于Hough變換以上缺陷中的第二點(diǎn)，可以設(shè)計(jì)特殊的數(shù)據(jù)結(jié)構(gòu)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(diǎn)的問題。如圖（31）所示： 圖31 直線上點(diǎn)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(shè)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(jìn)Hough變換具有顯而易見的優(yōu)點(diǎn)，但它也有一些不可忽視的缺點(diǎn)：運(yùn)算量大。這樣,圖像平面上的一個(gè)前景像素點(diǎn)就對應(yīng)到參數(shù)平面上的一條直線，同理，直線上的其他點(diǎn)也對應(yīng)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(huì)交于一點(diǎn)，很顯然，這個(gè)點(diǎn)就是。過某一點(diǎn)的所有直線的參數(shù)都會(huì)滿足方程,即點(diǎn)確定了一族直線。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(zhuǎn)化到參數(shù)空間進(jìn)行分析。算子是一個(gè)具有濾波增強(qiáng)檢測的多階段的優(yōu)化算子，在進(jìn)行處理前，Canny算子先利用高斯平滑濾波器來平滑圖像以除去噪聲，Canny分割算法采用一階偏導(dǎo)的有限差分來計(jì)算梯度幅值和方向，在處理過程中，Canny算子還將經(jīng)過一個(gè)非極大值抑制的過程，最后Canny算子還采用兩個(gè)閾值來連接邊緣。隨后Canny跟蹤這些亮度梯度并且保留局部最大值而把其他值設(shè)為0，即非極大值抑制，最后使用雙閾值算法檢測和連接邊緣。Sobel算子邊緣提取效果如圖（28）所示,a)圖為源圖像，b)圖為X方向邊緣檢測結(jié)果，c)圖為Y方向邊緣檢測結(jié)果 c)b)a)圖28 Sobel算子邊緣檢測效果圖 Canny算子Canny邊緣檢測算子是一個(gè)多級(jí)邊緣檢測算法，它的目標(biāo)為實(shí)現(xiàn)最優(yōu)的邊緣檢測算法。如果以A代表原始圖像，Gx及Gy分別代表經(jīng)橫向及縱向邊緣檢測的圖像，其計(jì)算方法如公式（211）和（212）: （211） （212）圖像的每一個(gè)像素的橫向及縱向梯度值可用公式（213）來計(jì)算梯度的大小。在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生對應(yīng)的梯度矢量或是其法矢量。 Sobel算子Sobel算子主要用作邊緣檢測。大津法閾值分割如圖26所示： 圖26 大津法自適應(yīng)閾值分割 邊緣提取圖象的邊緣是指圖象局部區(qū)域亮度變化顯著的部分，該區(qū)域的灰度剖面一般可以看作是一個(gè)階躍，既從一個(gè)灰度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個(gè)灰度相差較大的灰度值。圖像的總平均灰度記為,類間方差記為。對于圖像,前景(即目標(biāo))和背景的分割閾值記作T,屬于前景的像素點(diǎn)數(shù)占整幅圖像的比例記為,其平均灰度。背景和目標(biāo)之間的類間方差越大,說明構(gòu)成圖像的2部分的差別越大,當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致2部分差別變小。大津法也叫最大類間方差法，是一種自適應(yīng)的閾值確定的方法,簡稱OTSU。圖像邊緣的信息對于本論文中的車道線識(shí)別算法有重要作用，所以在選擇濾波算法上應(yīng)優(yōu)先選用中值濾波和高斯濾波。高斯濾波的效果圖如圖25所示： 圖25 高斯濾波效果圖 平滑濾波總結(jié)通過比較以上三種濾波方法，可以看出三者的區(qū)別和適用范圍。通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。中值濾波的計(jì)算方法如公式（22）所示： （22）中值濾波法對消除椒鹽噪聲非常有效，在光學(xué)測量條紋圖象的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大.中值濾波在圖像處理中,常用于保護(hù)邊緣信息,是經(jīng)典的平滑噪聲的方法。 中值濾波中值濾波是一種非線性數(shù)字濾波器技術(shù)，經(jīng)常用于去除圖像或者其它信號(hào)中的噪聲。 均值濾波均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素，模板大小一般為35或77 ，用其臨近區(qū)域像素值的均值來替代目標(biāo)像素。如果信噪比低于一定的水平，噪聲逐漸變成可見的顆粒形狀，導(dǎo)致圖像質(zhì)量的下降。如圖（22）所示，其中下部較暗的區(qū)域即為我們的感興趣區(qū)域：圖22 感興趣區(qū)域 平滑濾波各類圖像處理系統(tǒng)在圖像的采集、獲取、傳送和轉(zhuǎn)換(如成像、復(fù)制掃描、傳輸以及顯示等)過程中，均處在復(fù)雜的環(huán)境中，光照、電磁多變，所有的圖像均不同程度地被可見或不可見的噪聲干擾。觀察采集到的圖像，如圖所示，我們可以發(fā)現(xiàn)，圖像中的上部是天空和較遠(yuǎn)處的信息，這一部分信息是不需要的，而且可能會(huì)對處理結(jié)果造成干擾。 感興趣區(qū)域感興趣區(qū)域簡稱為ROI（region of interest）是將圖像中的重要區(qū)域進(jìn)行標(biāo)記，隨后的各種算法和分析將主要針對ROI。但是必須注意的是，由于圖像采集設(shè)備與道路之間有一定的傾角，所以道路中的圓出現(xiàn)在圖像中時(shí)將會(huì)變?yōu)闄E圓。雙白實(shí)線:劃于路口時(shí),作為停車讓行線。黃色虛實(shí)線:劃于路段中時(shí),用以分隔對向行駛的交通流。劃于路段中時(shí),作為行車方向隨時(shí)間改變之可變車道線。劃于路側(cè)或緣石上時(shí),用以禁止車輛長時(shí)或臨時(shí)在路邊停放。黃色虛線:劃于路段中時(shí),用以分隔對向行駛的交通流,劃于路側(cè)或緣石上時(shí),用以禁止車輛長時(shí)在路邊停放。白色實(shí)線:劃于路段中時(shí),用以分隔同向行駛的機(jī)動(dòng)車和非機(jī)動(dòng)車或指示車行道線。圖（21）所示為各種車道線： 圖21 各種車道線 車道線的標(biāo)劃區(qū)分白色虛線:劃于路段中時(shí),用以分隔同向行駛的交通流或作為行車安全距離識(shí)別線。車道分界虛線,在保證安全的原則下,準(zhǔn)許車輛越線超車或變更車道行駛。 認(rèn)識(shí)車道線 車道線的基本分類車道分界線是用來分隔同方向行駛的交通流的交通標(biāo)志線，凡同方向車行道有兩條或兩條以上車道時(shí),均應(yīng)劃車道分界線。預(yù)處理的過程主要分為車道線的設(shè)置感興趣區(qū)域、平滑濾波、閾值分割、邊緣檢測。第2章 車道線的預(yù)處理預(yù)處理是車道線識(shí)別過程中一個(gè)十分重要的一環(huán)。 從上 述步驟中拍攝的圖像中選取汽車左、右車道邊界的數(shù)據(jù)，通過將對所述選取的車道邊界數(shù)據(jù)進(jìn)行處理，完成車道線的識(shí)別，確定車輛所在區(qū)域的車道線類型。吉林工業(yè)大學(xué)研制的JUTIV系統(tǒng)：該項(xiàng)目采用3D回旋曲線