基于車(chē)載攝像機(jī)的車(chē)輛壓線與變道檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著交通基礎(chǔ)設(shè)施的逐步完善和汽車(chē)保有量的逐年增加，交通事故也在逐年增加，交通安全問(wèn)題日益突出?；谲?chē)載攝像機(jī)的車(chē)輛行駛狀態(tài)檢測(cè)是車(chē)輛安全輔助駕駛領(lǐng)域的一個(gè)重要分支，近年來(lái)隨著信息技術(shù)、計(jì)算機(jī)技術(shù)的快速發(fā)展成為了交通安全領(lǐng)域的研究熱點(diǎn)。它通過(guò)對(duì)車(chē)載圖像進(jìn)行處理，得到交通參數(shù)，然后根據(jù)交通參數(shù)判斷車(chē)輛行駛狀態(tài)，在車(chē)輛處于危險(xiǎn)狀態(tài)時(shí)進(jìn)行預(yù)警甚至輔助駕駛。目前，基于車(chē)載攝像機(jī)的車(chē)輛行駛狀態(tài)檢測(cè)的技術(shù)難點(diǎn)問(wèn)題是車(chē)道線的檢測(cè)。本文主要圍繞車(chē)輛行駛過(guò)

2、程中的車(chē)道線檢測(cè)問(wèn)題展開(kāi)研究。
　　首先，為了改善車(chē)載原始圖像質(zhì)量，研究了圖像預(yù)處理模塊。分析了車(chē)載圖像特點(diǎn)，建立了初始感興趣區(qū)域(ROI)，重點(diǎn)研究了圖像灰度化方法和灰度圖像增強(qiáng)方法，最后選定了一套適合本課題的圖像預(yù)處理算法。
　　其次，重點(diǎn)研究了車(chē)道線邊緣提取算法、車(chē)道線參數(shù)提取算法和車(chē)道線參數(shù)跟蹤算法。通過(guò)對(duì)比傳統(tǒng)車(chē)道線邊緣提取算法和方向可調(diào)濾波器邊緣檢測(cè)算法，選擇了能加強(qiáng)車(chē)道線邊緣信息的方向可調(diào)濾波器邊緣提取算法進(jìn)行

3、邊緣檢測(cè)。為防止車(chē)道線參數(shù)由于檢測(cè)失誤造成的突變，運(yùn)用了Kalman濾波器對(duì)車(chē)道線參數(shù)進(jìn)行跟蹤修正。
　　再次，在車(chē)道線提取的基礎(chǔ)上，對(duì)車(chē)輛壓線和變道兩個(gè)車(chē)輛行駛狀態(tài)進(jìn)行了檢測(cè)。通過(guò)分析車(chē)輛壓線模型和車(chē)輛變道模型，提出了基于車(chē)道線夾角的車(chē)輛壓線檢測(cè)方法和基于車(chē)輛車(chē)道的車(chē)輛變道檢測(cè)方法。
　　最后，為了驗(yàn)證算法的有效性，開(kāi)發(fā)并測(cè)試了車(chē)輛壓線和變道檢測(cè)軟件。測(cè)試表明，本文研究的基于車(chē)載攝像機(jī)的車(chē)輛壓線與變道檢測(cè)算法對(duì)不同場(chǎng)景下的