基于sobel和hough變換的車道線識(shí)別算法研究

《基于sobel和hough變換的車道線識(shí)別算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、基于Sobel和hough變換的車道線識(shí)別算法研究摘要：車道線的識(shí)別是車道保持系統(tǒng)的核心部分。文中提出了基于Sobel和hough變換的車道線識(shí)別算法，主要包括感興趣區(qū)域設(shè)定、二維小波包分解降噪、Sobel算子的邊緣檢測(cè)和hough變換的車道線特征點(diǎn)識(shí)別。運(yùn)用該算法對(duì)某一汽車常用工況下的車道線圖像進(jìn)行識(shí)別，試驗(yàn)結(jié)果表明該算法能較好地識(shí)別車道線。中國(guó)8/vie　　關(guān)鍵詞：車道線；感興趣區(qū)域；小波包分解；Sobel；hough變換　　中圖分類號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：A：1009-3044（2017）06-0214-03　　Abstract：Theidentific

2、ationofthelanemarkisthecorepartofthelanekeepingsystem.ThelanelineidentificationalgorithmbasedonSobelandhoughtransformisproposedinthispaper.Thealgorithmmainlyincludesthesettingoftheregionofinterest，noisereductionontheapplicationofthetensional.Thealgorithmisusedtoidentifythelaneinanim

3、ageonoperatingconditionofavehicle.Theexperimentalresultsshocan.　　1概述　　作?櫧?車主動(dòng)安全系統(tǒng)之一的車道保持系統(tǒng)在汽車主動(dòng)安全領(lǐng)域扮演的角色越來(lái)越重要。研究表明，大約15%的道路交通事故是由車輛駛離公路造成的[1]，車道保持系統(tǒng)能夠有效地減少道路交通事故的發(fā)生。目前，關(guān)于車道保持系統(tǒng)的研究主要集中在兩個(gè)方面：一是當(dāng)檢測(cè)到車輛在行駛過(guò)程中偏離車道時(shí)，系統(tǒng)向駕駛員發(fā)出車道偏離警告信號(hào)[2-5]；二是系統(tǒng)發(fā)送警告信號(hào)的同時(shí)，通過(guò)干預(yù)轉(zhuǎn)向系統(tǒng)，糾正車輛姿態(tài)，使車輛行駛在正確的車道上，從而保證駕駛員的行

4、車安全[6-10]。不管系統(tǒng)是否帶有干預(yù)功能，車道線的識(shí)別是車道保持系統(tǒng)的核心部分，其識(shí)別質(zhì)量的好壞直接影響著整個(gè)系統(tǒng)控制結(jié)果。本文提出了基于Sobel和hough變換的車道線識(shí)別算法，并通過(guò)某一汽車常用工況下對(duì)車道線圖像進(jìn)行識(shí)別試驗(yàn)，驗(yàn)證了算法的可行性和較好的識(shí)別效果。　　2車道線識(shí)別算法　　整個(gè)車道線識(shí)別過(guò)程主要分為4部分：感興趣區(qū)域設(shè)定、圖像預(yù)處理、車道線邊緣檢測(cè)和車道線特征點(diǎn)識(shí)別，如圖1所示?！　?.1感興趣區(qū)域設(shè)定　　為提高車道線識(shí)別的實(shí)時(shí)性和魯棒性，降低車道線檢測(cè)過(guò)程中的計(jì)算強(qiáng)度，提高車道偏移判定的準(zhǔn)確率，同時(shí)提升系統(tǒng)的響應(yīng)速度，在車道線識(shí)別之初，

5、在圖像中設(shè)定感興趣區(qū)域（RegionofInterest，簡(jiǎn)稱ROI）?！　〗Y(jié)合車道線在車輛正常行駛或駛離原車道時(shí)在圖像中可能的位置，本文設(shè)定了若干個(gè)邊界條件，f1（x）、f2（x）、f3（x）、f4（x）、f5（x）以及圖像自身邊界。由此若干個(gè)邊界圍成的區(qū)域，如圖2所示，即為感興趣區(qū)域。本文采用的邊界條件如下，以極坐標(biāo)的形式表示：　　2.2圖像預(yù)處理　　圖像在采集、獲取、傳送和轉(zhuǎn)換過(guò)程中通常會(huì)受到隨機(jī)信號(hào)的干擾，大量噪聲產(chǎn)生會(huì)導(dǎo)致圖像的質(zhì)量下降，同時(shí)也會(huì)掩蓋重要的圖像信息，對(duì)圖像的最終處理效果造成較大不良影響，故在對(duì)圖像中的車道線進(jìn)行識(shí)別前，還需對(duì)圖像進(jìn)行預(yù)

6、處理――降噪。　　本文采用二維小波包分解技術(shù)進(jìn)行濾波降噪[11-12]。利用該技術(shù)能將頻帶進(jìn)行多層次劃分，對(duì)分辨率分析沒有細(xì)分的高頻部分進(jìn)一步分解，且能依據(jù)被分析特征自適應(yīng)地選擇相應(yīng)的頻帶，使之與信號(hào)頻譜向匹配，從而提高時(shí)頻分辨率。具體步驟如下：　　1）對(duì)圖像進(jìn)行小波包分解。選取合適的小波并確定一個(gè)小波分解的層次N，接著對(duì)圖像進(jìn)行N層小波包分解；　　2）計(jì)算最佳樹，即確定最佳小波包基。在對(duì)圖像進(jìn)行小波包分解時(shí)，可采用多種小波包基，而通常根據(jù)分析圖像的要求，從中選擇最好的一種小波包基，即最優(yōu)基；　　3）對(duì)小波包分解系數(shù)的閾值進(jìn)行量化；　　4）對(duì)圖像的小波包進(jìn)行重

7、構(gòu)。根據(jù)第N層的小波包分解系數(shù)和量化處理系數(shù)，進(jìn)行圖像的小波包重構(gòu)?！　?.3車道線邊緣檢測(cè)　　本文采用Sobel算子的檢測(cè)邊緣方法[13-14]。Sobel算子從相異的方向檢測(cè)圖像，是一組方向算子，它并非簡(jiǎn)單的求均值在進(jìn)行差分，而是提高了中心像素領(lǐng)域4個(gè)方向像素的權(quán)重。其計(jì)算式子如下：　　式中，f（x，y）是圖像坐標(biāo)為（x，y）的整數(shù)像素灰度值，Sx和Sy分別是水平和垂直方向的一階微分，S[f（x，y）]是Sobel算子的梯度。　　2.4車道線特征點(diǎn)識(shí)別　　本文采用hough變換[15-16]，將圖像空間轉(zhuǎn)換到特定的參數(shù)空間，以實(shí)現(xiàn)檢測(cè)車道線的功能。在直角坐

8、標(biāo)參數(shù)空間，平面x-y上，通過(guò)點(diǎn)（xj