基于单目视觉的车道线检测研究开题报告

全文总字数：4531字

1. 研究目的与意义（文献综述）

随着科学技术的发展和经济水平的提高，汽车已经迈入了普通家庭的生活中。最近几十年来，我国的汽车销售量每年都在增加，汽车总量也在不断增长。汽车在给日常出行带来便利的同时也导致行车环境拥挤，交通事故频频发生，据统计造成交通事故的主观原因，如驾驶员酒驾、疲劳驾驶、超速驾驶、不遵守交通规则违章驾驶等是主要原因。为了减少交通事故的发生，智能交通系统的应用是非常有必要的。

智能交通系统是现代科技手段在交通领域的具体表现，是以减少交通事故、缓和道路拥堵、减少能源消耗和减轻环境污染为目的，是未来道路交通发展的方向。在智能交通系统中，智能车辆是其中的一个重要组成部分。智能车辆主要通过获取环境中的信息，并提供相应的控制策略使得车辆能在交通规范下安全行驶。智能车辆具有最终目的是实现无人驾驶，无人驾驶汽车和adas的感知技术主要包括车道线检测、车辆检测、道路分割、标志识别和行人检测。其中，可靠的车道线检测对于自动驾驶和adas都是必不可少的。视觉传感器可采集丰富的路面信息，是道路和车道线识别中的主要信号来源，通过摄像头能够得到大量的车道边缘、路面、标志线等信息，且相比于激光雷达和高精度定位设备传感器在应用成本上是最有经济效益的，因此视觉信息也是实现导航的重要方法之一。其中，机器视觉系统根据硬件的差异可以分为立体视觉以及单目视觉。前者可以通过多个摄像机获取距离信息，并具有高精度、高现场还原度的特点，但缺点是算法复杂、实时性较差。相比于立体视觉，单目视觉具有低复杂度、高速的特点，也是现今智能车辆上应用的较为主流的机器视觉系统，本文研究的就是基于单目视觉的车道线检测系统。基于视觉的车道线检测是无人驾驶汽车视觉导航的关键技术之一，在城市道路环境中，利用车载摄像头，研究结合行车参数的单目视觉车道线检测算法具有重要的研究价值和使用意义。

国外从20世纪70年代开始进行无人驾驶汽车研究。其中德国开始最早，典型的有mercedes-benz公司研发出的自主车vamoks，该车采用bvv视觉系统，同时采用其他的传感器如双目视觉传感器、gps等配合能够非常好的检测车道线，当时速度可以达到100km/h，通过不断改进，最高达到130km/h；随后意大利帕尔马大学研制出的无人驾车车argo，从罗马出发到上海，历经一万三千多公里，震惊世界；美国国防部在20世纪80年代初期就开始大规模资助自主陆地车辆的研究，mit、cmu、斯坦福等著名学府也一直在关注相关的研究工作，启动了一系列的研究项目；日本的ahs计划和无人驾驶都正在实施，从政府到企业，制定了近、中、远期战略，inspire等系列本田轿车中加入车道偏离警告系统，距离保持在安全范围之内，这些车型都非常好。无人驾驶汽车对于软件要求较高，于是科技公司和车企的合作在近年来变得更为密切。商业运营中，谷歌公司一直处于领先地位，它不仅仅满足无人驾驶技术的研究，而且在此基础上加入人工智能等先进技术设备，迄今为止，道路测试已经超过30万英里。

2. 研究的基本内容与方案

研究的基本内容是学习车道线检测理论，学习python语言，掌握其功能和使用方法，使用python和opencv建立车道线检测模型，学习sobel算子进行边缘检测，用二阶多项式拟合车道线并计算曲率，通过逆透视变换映射到原图像，学习逆透视变换的方法，比较各种处理方法的优劣，最后建立车道线检测跟踪模型。具体内容安排如下：

（1）利用校内图书馆和网络资源，通过查阅相关文献，掌握车道线检测实现的方法，总结文献中提出的方法理论，将各种方案进行比较，选取其中较好的方案并对其提出改进。

（2）比较sobel算子和canny算子的原理和区别，通过编程来比较hough变换和二阶多项式提取车道线的优点。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] 胡忠闯，陈杰，顾兆伦，钱沄涛.单目视觉下结构化车道实时检测.[j] 信号与处理2017年第4期第33卷.

[2] 潘磊成.基于机器视觉的车道线检测及跟踪方法研究[d].哈尔滨：哈尔滨工程大学，2018年5月.

[3] 范宝正.结构化道路车道线的单目视觉检测方法研究[d].长沙：湖南大学，2018年5月.