网站原创【摘 要】目前,智能车辆的两个研究热点是视觉导航系统和智能控制系统,视觉导航中最为关键的部分是道路识别.本文利用Hough变换对高速路上车道线进行检测,为智能车辆的定位和后续控制提供实时的信息.
【关 键 词 】智能车辆；Hough变换；车道线检测
0 引言
到目前为止,国内外的智能车辆研究都把机器视觉作为其识别道路的重要感知方式,机器视觉是感知外部环境最有效的方式之一.道路识别是智能车辆视觉导航的最为关键技术的部分,由于其复杂性和困难度而备受广大智能爱好者和研究者关注.
| 有关论文范文主题研究: | 关于控制系统的论文范文 | 大学生适用: | 专升本毕业论文、硕士毕业论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 49 | 写作解决问题: | 学术论文怎么写 |
| 毕业论文开题报告: | 标准论文格式、论文小结 | 职称论文适用: | 核心期刊、职称评初级 |
| 所属大学生专业类别: | 学术论文怎么写 | 论文题目推荐度: | 最新题目 |
1.车道线检测
1.1 Hough变换原理
Hough变换的原理是利用图像空间和参数空间的点与线的对偶性,把图像空间中的检测问题转换到参数空间.在图像空间X-Y中,所有共线的点的集合和可以用一个表达式描述：
y等于mx+n （1）
其中,m为直线的斜率,n为截距.同时上式又可以写成：
n等于-xm+y （2）
上式可以看成是参数空间M-N中的一条直线方程,其中直线的斜率为x,截距为y.
比较式（1）和式（2）,可以看出,图像空间中的一点（x,y）对应参数空间中的一条直线,而图像空间中的一条直线又是由参数空间中的一个点（m,n）来决定的.然后通过在参数空间里进行简单的累加统计,在参数空间寻找累加器峰值的方法检测直线.
如果参数空间中使用直线方程,当图像空间直线斜率为无穷大时,会使累加器变的很大,从而使计算复杂度过大.为解决这一问题,采用极坐标方程,：
ρ等于xcosθ+ysinθ（ρ≥0,0≤θ≤2π） （3）
其中ρ为直线到原点的距离,θ为ρ与x 轴的夹角.
1.2 Hough 检测算法
Hough变换需要建立一个累加数组,数组的维数与所检测的曲线方程中未知参数的个数相同.对于直线,它有两个未知参数,因而需要建立一个二维数组.具体计算时,需要对未知参数的可能取值进行量化.如果将参数（k,b）分别量化为m和n个数,则定义一个累加数组A（m,n）并初始化为零.
最后我们对图像做Hough变换,提取出车道线,如图6.
基于先验知识和直线道路模型,高速路上的车道线是平行线,经过投影后,在图像平面中会交于一点.如图7,点P为两条车道线的汇交点,O点为车体中心部位,则OP为导航中心线.
2.结束语
视觉导航是智能车辆研究中的关键之一,而道路识别又是视觉导航中最重要的一块.本文利用Hough变换对道路图像进行分析处理,获取图像中道路边缘范围,计算出导航中心线.为智能车辆的定位与控制提供实时、可靠的信息.
【参考文献】
[1]赵保佑.基于视觉的车辆检测与跟踪技术研究[D].武汉理工大学,2009：23-25.
[2]王武宏,沈中杰.智能车辆[M].人民交通出版社,2002：54-56.
[3]马晓璐.MATLAB图像处理从入门到精通[M].中国铁道出版社,2013：201-210.
[责任编辑：薛俊歌]