论文部分内容阅读
随着交通事业的发展,交通拥堵与交通安全问题日益严重,智能交通系统成为解决这些问题的重要举措之一。在该领域的研究中,对车辆周围的交通环境进行感知是车辆做出决策和控制的基础。高速公路护栏检测系统是智能汽车环境感知的重要组成部分,在智能交通系统中起到了重要作用。现有基于视频图像的高速公路护栏检测算法,未充分考虑其固有的凹槽特征,且多采用单一特征的检测方式。本文在基于现有的高速公路护栏检测算法的基础上,从检测算法的实时性和智能汽车的实用性上考虑,充分挖掘护栏特有的特征,提出了基于视频的两种检测算法:基于可控制滤波器和基于多特征融合的护栏检测算法。本文完成的工作主要如下:1.本文通过对高速公路护栏检测研究的国内外现状进行分析,总结了现有护栏检测算法中存在的不足,提出了本文的研究课题,并详细阐述了本课题研究中采用的相关技术和算法。2.研究了一种基于可控制滤波器的高速公路护栏检测算法。首先采用可控制滤波器确定护栏的模板,并利用自适应模板的方法对护栏进行匹配,然后构建了高速公路护栏模型,通过拟合匹配结果获取模型参数,从而建立基于可控制滤波器的高速公路护栏检测算法。3.研究了基于局部二值模式(Local Binary Pattern,LBP)特征和方向梯度直方图(Histogram of Oriented Gradient,HOG)特征融合的高速公路护栏检测算法。首先提取图像中护栏的LBP和HOG特征,然后融合LBP和HOG特征并进行降维,再利用支持向量机(Support Vector Machine,SVM)算法对护栏进行检测,并构建了大小滑窗检测算法以及聚类拟合的方法进一步提高检测精度。4.本文利用KITTI、POSS和Google公开的数据集,与多个现有检测方法进行对比,从而验证了文中所提检测方法的有效性。实验结果表明,本文所提检测方法在检测性能上相较于传统检测方法有一定的改进,特别是基于特征融合的检测算法,相比单一特征的检测方法提升更加明显。本文的研究工作,对于高速公路护栏检测后续的研究具有一定的参考价值。