论文部分内容阅读
统计表明，造成许多交通事故的直接原因是司机麻痹大意或者过度疲劳引起的注意力不集中而导致的车道偏离。为杜绝此类交通事故，智能驾驶辅助系统中的车道偏离预警系统得到广泛重视。车道偏离预警系统利用传感器获取承载车辆的车道以及行驶速度和状态等信息判断车辆行驶的趋势，在没有开启正确的指示灯的情况下，如果承载车辆有偏离行驶车道的趋势，系统会发出声、光、震动等警报信息，提醒驾驶员保持正确行驶状态，避免发生交通事故。 在车道偏离预警系统中主要的难点就在于车道线的检测，由于车辆在道路行驶中速度快、路况复杂、气象环境多样对系统的实时性、鲁棒性、自适应性有很高的要求。针对我国雾霾天气多发的特点，本文对有雾环境下的实时车道偏离检测进行探索研究。 本文在对图像传感器采集到的图像进行预处理的基础上，针对车道线时直时弯的特点，对ROI进行多子区域的二次分割。而后对子区域内的图形进行直线拟合，依次调和各子区域内的拟合线段得到车道信息。针对我国雾霾天气多发的特点，利用暗通道信息对图像进行去雾增强，并对现有去雾增强算法进行改进以使其能满足车辆行驶中实时处理的需求。子区域直线拟合中对比了Hough变换法及最小二乘法的优劣，并利用调和点自动区域划分及斜率限定提高最小二乘法车道线段拟合的鲁棒性和实时性。 利用实际采集图像对该系统方法进行了有效性验证，结果表明该方法具有较好的鲁棒性，同时处理时间短，能满足实时处理的需求（实时性平均87ms/帧），车道线检测准确率高（成功率94％），可以应用到车载嵌入式集成视觉智能驾驶辅助系统中实现车道线参数的全天候、实时、准确提取，同时也对视觉导航系统的研发有一定的参考价值和借鉴意义。