亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        車道檢測(cè)方法綜述

        2016-04-26 08:36:22王春陽
        科技視界 2016年9期

        王春陽

        【摘 要】安全在行車駕駛中是永恒不變的話題,安全偏離預(yù)警輔助駕駛與無人駕駛越來越受到關(guān)注。而偏離預(yù)警輔助駕駛與無人駕駛的前提是準(zhǔn)確識(shí)別車道。本文對(duì)近15年車道檢測(cè)方法分析說明其現(xiàn)狀、存在的問題與發(fā)展趨勢(shì)。

        【關(guān)鍵詞】車道檢測(cè);結(jié)構(gòu)化車道;非結(jié)構(gòu)化車道

        Review of Lane Detection

        WANG Chun-yang

        (Chongqing University of Posts and Telecommunications, Chongqing 400065, China)

        【Abstract】Safety in driving is an eternal topic, the safety of the early warning of auxiliary driving and unmanned driving get more and more attention. And accurate identification of lane is the premise of the deviation from the early warning and unmanned driving premise. In this paper, analysis nearly 15 years of lane detection to indicates its status quo, existing problems and development trend.

        【Key words】Lane detection; Structured lane; Unstructured lane

        0 引言

        對(duì)車身周圍復(fù)雜環(huán)境的感知都是其實(shí)現(xiàn)輔助駕駛或者無人駕駛進(jìn)行規(guī)劃決策的前提條件。而車道檢測(cè)又是智能汽車對(duì)環(huán)境理解的重要組成部分。對(duì)無人駕駛,車道檢測(cè)作用是路徑規(guī)劃與決策,實(shí)現(xiàn)車輛智能檢測(cè)出可行車道,最終實(shí)現(xiàn)全智能的無人駕駛。對(duì)輔助駕駛,車道檢測(cè)的主要作用是車道偏離預(yù)警。

        1 車道檢測(cè)

        車道按照修建規(guī)格大體分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化車道兩種。結(jié)構(gòu)化車道一般具有比較清晰的車道線或者邊界,非結(jié)構(gòu)化車道一般沒有車道線和清晰的道路邊界。

        1.1 結(jié)構(gòu)化車道檢測(cè)

        針對(duì)結(jié)構(gòu)化車道,目前國內(nèi)外應(yīng)用比較廣泛的檢測(cè)方法以車道兩側(cè)的標(biāo)準(zhǔn)線作為檢測(cè)依據(jù),可劃分為基于車道特征和基于車道模型兩大類。

        (1)于道路特征的檢測(cè)方法

        文獻(xiàn)[1]根據(jù)道路圖像像素點(diǎn)的灰度分布特征,將其劃分為4類,并進(jìn)行多方向搜索,去除虛假邊界點(diǎn),最后利用Hough變換檢測(cè)車道標(biāo)識(shí)線。文獻(xiàn)[2]利用紋理特征和顏色特征對(duì)圖像進(jìn)行分割與融合。文獻(xiàn)[3]利用光強(qiáng)度檢測(cè)道路邊緣和真彩色檢測(cè)道路區(qū)域,獲得可能的道路區(qū)域,并計(jì)算其均值和方差,然后提取道路區(qū)域和邊界。

        (2)基于模型的檢測(cè)方法

        文獻(xiàn)[4]采用基于B樣條曲線模型的車道標(biāo)識(shí)線檢測(cè)與跟蹤方法,通過獲取車道中心線完成車道線檢測(cè)。文獻(xiàn)[5]采用直線模型擬合兩側(cè)標(biāo)識(shí)線,并利用感興趣區(qū)域,縮小車道線檢測(cè)范圍,利用Hough直線檢測(cè)方法定位車道邊界。文獻(xiàn)[6]將彎曲道路看成是三維的在垂直和水平方向的回旋曲線,利用卡爾曼濾波將前一幀的檢測(cè)結(jié)果用于估計(jì)下一幀圖像車道線參數(shù)。

        1.2 非結(jié)構(gòu)化車道檢測(cè)

        非結(jié)構(gòu)化車道大致可分為三類:基于道路特征的檢測(cè)方法、基于道路模型的檢測(cè)方法和基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法。

        (1)基于道路特征的檢測(cè)方法

        文獻(xiàn)[7]利用顏色特征建立道路特征模型,采用卡爾曼濾波器更新特征模型,實(shí)現(xiàn)非結(jié)構(gòu)化道路跟蹤。文獻(xiàn)[8]根據(jù)彩色模型概率機(jī)制分割圖像,同時(shí)進(jìn)行約束性邊緣檢測(cè),然后融合兩者結(jié)果,最后通過動(dòng)態(tài)規(guī)劃方法求得到道路邊界。文獻(xiàn)[9]通過對(duì)像素點(diǎn)的紋理強(qiáng)度以及方向特征的分析,投票獲的候選消失點(diǎn),然后獲得目標(biāo)區(qū)域的直線斜率,結(jié)合消失點(diǎn)建立直線方程,從而獲取可行的道路區(qū)域。

        (2)基于道路模型的檢測(cè)方法

        文獻(xiàn)[10]提出一種基于多模型相結(jié)合的非結(jié)構(gòu)化道路檢測(cè)算法。利用混合高斯模型和拋物線模型相結(jié)合,擬合并提取道路邊界曲線 文獻(xiàn)[11]提出一種基于自適應(yīng)變形模板的非結(jié)構(gòu)化道路檢測(cè)算法。通過邊緣跟蹤實(shí)時(shí)生成道路形狀,并預(yù)測(cè)下一段道路可能的形狀,已達(dá)到道路檢測(cè)目的。

        (3)基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法

        文獻(xiàn)[12]利用ICM分割圖像,然后利用最小交叉熵判決機(jī)制選取交叉熵最小的圖像,以檢測(cè)非結(jié)構(gòu)化道路。文獻(xiàn)[13]利用主元神經(jīng)網(wǎng)絡(luò)提取對(duì)圖像的顏色與空間特征的主成分,統(tǒng)計(jì)道路邊緣窗,根據(jù)通過利用粒子濾波器估計(jì)道路狀態(tài)。文獻(xiàn)[14]利用紋理特征值作為BP神經(jīng)網(wǎng)絡(luò)的輸入,進(jìn)行訓(xùn)練獲得網(wǎng)絡(luò)的閥值,然后采用訓(xùn)練好的網(wǎng)絡(luò)對(duì)圖像進(jìn)行小塊分析,找出道路部分,直到處理完整個(gè)圖像獲得道路區(qū)域。

        1.3 復(fù)合型車道檢測(cè)

        復(fù)合型車道結(jié)構(gòu)測(cè)到與非結(jié)構(gòu)化車道的統(tǒng)稱。文獻(xiàn)[15]利用攝像機(jī)獲得車道線信息,雷達(dá)獲得護(hù)欄信息,雷達(dá)-攝像機(jī)融合系統(tǒng)獲得車道邊界信息。利用圖像紋理特征提取車道線和邊界,再采用卡爾曼濾波算法估計(jì)車道。文獻(xiàn)[16]利用攝像機(jī)獲得車道圖像,對(duì)圖像進(jìn)行紋理濾波獲得車道邊界以及車道線。由雷達(dá)獲得車道邊界信息。融合這些信息獲得車道曲率、主車與車道的相對(duì)位置等信息。再通過權(quán)重粒子法估計(jì)車道。文獻(xiàn)[17]提出一種分層的車道檢測(cè)算法。利用車道線來分類車道類型,利用特征選型車道,再采用對(duì)應(yīng)的車道檢測(cè)算法。

        2 總結(jié)

        影響車道檢測(cè)的主要因素有車道類型多樣化、車輛與車道信息是否充分利用等。車輛和車道信息包含車輛的速度、車道線、車道邊界、車道護(hù)欄、引導(dǎo)車輛的速度等信息。在目前的車道檢測(cè)方法中,只有其中一種或者幾種被用到,而并未全部被充分利用到。目前針對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化車道檢測(cè)都有一定成就。但是這些方法都只適用于其單一類型車道并不適用于對(duì)包含以上兩種類型車道的復(fù)合型車道的檢測(cè)。針對(duì)復(fù)合型的車道檢測(cè)技術(shù)相對(duì)較落后,現(xiàn)在仍處于初步探索階段。

        【參考文獻(xiàn)】

        [1]Zhang R, Wang H, Zhou X, et al. Lane detection algorithm at night based-on distribution feature of boundary dots for vehicle active safety[J]. Information Technology Journal, 2012, 11(5): 642-646.

        [2]Fang H, Jia R, Lu J. Segmentation of full vision images based on colour and texture features[J]. Beijing Ligong Daxue Xuebao/Transaction of Beijing Institute of Technology, 2010, 30(8): 935-939.

        [3]He Y, Wang H, Zhang B. Color-based road detection in urban traffic scenes[J]. IEEE Transactions on Intelligent Transportation Systems, 2004, 5(4): 309-318.

        [4]Wang Y, Teoh E K, Shen D. Lane detection and tracking using B-Snake[J]. Image and Vision Computing, 2004, 22(4): 269-280.

        [5]Cualain D O, Hughes C, Glavin M, et al. Automotive standards-grade lane departure warning system[J]. IET Intelligent Transport Systems, 2012, 6(1): 44-57.

        [6]Gao F, Jiang D, Xu G, et al. A 3d curve lane detection and tracking system based on stereovision[J]. CICTP 2012: Multimodal Transportation Systems - Convenient, Safe, Cost-Effective, Efficient - Proceedings of the 12th COTA International Conference of Transportation Professionals, 2012: 1247-1258.

        [7]胡旭,劉滿祿,張華.基于特征模型的非結(jié)構(gòu)化道路跟蹤算法研究[J].微型機(jī)與應(yīng)用,2012(17):46-50.

        [8]劉加海,白洪歡,黃微凹.基于彩色和邊緣信息融合的道路分割算法[J].浙江大學(xué)學(xué)報(bào):工學(xué)版,2006,40(1):29-32.[9]劉富,袁雨桐,李洋.基于紋理特征的非結(jié)構(gòu)化道路分割算法[J].計(jì)算機(jī)應(yīng)用,2015,35(S2):271-273.

        [10]劉媛,宋曉琳,張偉偉.基于多模型結(jié)合優(yōu)化的非結(jié)構(gòu)化道路檢測(cè)算法[J].工程設(shè)計(jì)學(xué)報(bào),2013(02):157-162.

        [11]基于陳清華,楊靜宇,陳建亭.基于自適應(yīng)變形模板的非結(jié)構(gòu)化道路檢測(cè)[J].東南大學(xué)學(xué)報(bào),2007(06).

        [12]高慶吉,張磊.基于交叉視覺皮質(zhì)模型的[J].電子學(xué)報(bào),2011(10):2366-2371.

        [13]李青,鄭南宇,馬麟.基于主元神經(jīng)網(wǎng)絡(luò)的非結(jié)構(gòu)化道路跟蹤[J].機(jī)器人,2005(03).

        [14]呂艷鵬,潘玉田.基于BP神經(jīng)網(wǎng)絡(luò)的非結(jié)構(gòu)化道路識(shí)別[J].機(jī)械工程與自動(dòng)化,2014(03).

        [15]Florian Janda , Sebastian Pangerl, Eva Lang, Erich Fuchs. Road Boundary Detection for Run-off Road Prevention based on the Fusion of Video and Radar[J]. IEEE Intelligent Vehicles Symposium (IV), 2013:1173-1178.

        [16]Janda, F. ; Pangerl, S. ; Schindler, A. A Road Edge Detection Approach for Marked and Unmarked Lanes Based on Video and Radar[J]. Information Fusion (FUSION), 2013 16th International Conference on, 2013: 871-876.

        [17]Cheng, H.Y. ; Yu, C.C. ; Tseng, C.C. ; Fan, K.C. ; Hwang, J.N. ; Jeng, B.S. Environment classification and hierarchical lane detection for structured and unstructured roads[J]. Computer Vision, IET. 2010, 4(1): 37-49.

        [責(zé)任編輯:楊玉潔]

        国产精品久久久久久久久久红粉| 白白色最新福利视频二| 亚洲综合新区一区二区| 狠狠综合亚洲综合亚色| 日韩精品有码中文字幕在线| 亚洲天堂av免费在线| 久久精见国产亚洲av高清热| 国产激情一区二区三区在线 | 国产色秀视频在线播放| 国产一区日韩二区欧美三区| 精品国产一区二区三区AV小说| 亚洲AV秘 无码一区二区三区| 青青草国内视频在线观看| 国产精品高清国产三级国产av| 国产精品亚洲二区在线看| 国产亚洲精品第一综合另类| 97精品超碰一区二区三区| 亚洲av无码日韩精品影片| 二区三区视频| 天堂av一区二区在线观看| 精品一区二区中文字幕| 狼狼色丁香久久女婷婷综合| 欧美激情在线播放| 卡一卡二卡三无人区| 少妇人妻在线视频| аⅴ天堂国产最新版在线中文| 久久精品视频中文字幕无码| 国产精品自拍网站在线| 成人大片免费观看视频| 亚洲精品熟女国产| 成人天堂资源www在线| 一区二区av日韩免费| 男人天堂插插综合搜索| 日日躁夜夜躁狠狠躁| 77777亚洲午夜久久多人| 国产精品一级av一区二区| 91在线视频在线视频| 大地资源网高清在线播放| 国产av电影区二区三区曰曰骚网| 免费视频一区二区| 亚洲大尺度动作在线观看一区|