基于边缘提取与Hough变换的车道线检测技术开题报告

1. 研究目的与意义

汽车作为一种现代化代步工具，交通事故的发生量呈逐年上升趋势，造成了巨大的经济损失。根据英、美等发达国家的交通事故分析，车祸频繁发生的主要原因是车辆在驾驶员意识之外偏离本车道。为了防止高速公路上行驶车辆之间或行驶车辆与路边停放车辆之间的碰撞，国内外很多机构都在研究汽车碰撞预警系统，以期提高汽车行驶的安全性。而其系统核心就是车道线检测技术。

汽车碰撞预警系统首先根据传感器获取的前方车道标志线的信息判断本车行驶的车道，继而检测出本车道前方行驶的车辆并锁定目标，再根据获得的与前方其它车辆之间相对位置关系如相对速度、相对距离等参数对前方汽车可能构成的危险进行判断，并通过声光等信号通知驾驶员提前采取安全措施。可见，车道线的识别与检测是汽车碰撞预警系统中的一个最基础、最重要的环节。此外，车道线的识别与检测是道路检测的一个关键环节，而道路检测是智能车辆视觉导航研究中的核心问题之一。

自上世纪九十年代以来，基于计算机系统的使用车道线检测技术的智能汽车就成为了全球大半部分车辆制造商和一些知名的高科技公司开始幵发研究的对象。现在，在全球范围内，大多数已开发出来的和正在开发过程中的系统己经涵盖了很多复杂的功能，而这些功能够更有效的帮助提高驾驶者的安全系数。能够显著减少驾驶员的负担并且帮助其避免做出错误的判断，这些技术对于提高交通安全将起到非常重要的作用。我国相关部门与企业也重视到其重要性，开始研发相关系统。

2. 国内外研究现状分析

美国、德国、日本等发达国家一般对前沿技术的研发都要早于其他国家，从上世纪九十年代起，这些发达国家就纷纷开始对车道线的检测与识别技术投入大量的人力物力进行开发研究，也相继取得了一些令人可喜的成果。到目前为止，关于智能车辆辅助驾驶系统的研究方面，国外的一些技术己经日趋成熟，其成果也十分显著，有些研究成果也已经投入到了商业化应用中，能够带来很大的经济效应。其中，在目前国外已有的研发成果中具有代表性的系统主要有以下几个：在美国有卡内基梅隆大学研究开发的ralph系统，密歇根州立大学人工智能实验室研究开发的lois系统，卡内基梅隆大学机器人学院navlab实验室和visionautonomoussystemcenter(视觉及自制系统中心)联合开发的scarf系统和alvinn系统；在意大利有帕尔玛大学研究开发的gold系统；在德国有慕尼黑联邦国防大学开发的rtd系统。

1.卡内基梅隆大学研发出来的的ralph系统首先通过行车速度得到车辆的速度变化情况建立一系列与之相对应的梯形窗口，对视频图像进行逆透视变换，计算车道的弯曲度以及车道中心线的具体位置，系统另外一个功能就是利用视频处理的相应技术手段对逆透视变换得到的道路平行线进行跟踪，从而实现道路车道线的追踪功能。该自主导航车将神经网络技术运用于视觉系统中，使车辆具有自动学习功能，这项技术形成的产品就是车载自动驾驶仪，这对于后续无人驾驶车辆的研发具有相当的参考价值。只要驾驶员开车在一条路上走一遍，自动驾驶仪就可以自动记忆所经过的道路信息，之后就可以在没有驾驶员的情况下使车辆在此道路上自动行使。我们知道，路面情况对于车辆的行驶的影响是很大的，该系统中道路检测功能首先是假设道路是平坦的，并且车道线是平行于道路上有用信息，例如道路的边界、车道线和车辙等信息。它能够有效的进行道路跟踪，即使在车道线不理想的情况下，所以ralph系统的最大优点就是它具有较强的鲁棒性，但是它有一个缺点就是它在频繁变换宽度的道路上的跟踪效果不是特别理想。

2.密歇根州立大学人工智能实验室的lois系统所利用的技术是基于一种可变型的道路模板，在智能车辆行驶过程中会碰到需要解决的车辆所在道路的位置问题以及道路的弯曲度问题，这些问题都可以通过一定的方法转换成多维参数空间的最优化问题，通过解决最优化问题得到的最优解来解决车道偏离预警系统中所出现的各项问题。

3. 研究的基本内容与计划

研究内容：

1.理解车道线检测技术的内容及意义。

2.学习图像边缘提取以及matlab中hough变换的原理，了解其在车道线检测中的应用。

4. 研究创新点

使用matlab软件边缘提取以及基于canny算子的hough变换，完成对车道线检测的要求，并尽可能的提高其准确率。