无人驾驶汽车中基于图像的道路分割方法研究开题报告

1. 研究目的与意义

随着科技水平的不断进步和人们生活水平的提高，无人驾驶汽车得到了人们的广泛关注，对无人驾驶汽车的研究也有了更大的实际意义。其中，基于图像的道路分割方法研究是智能交通领域的一个重要研究课题，引起了人们越来越广泛的关注。

汽车产业是我国国民经济的重要支柱之一。在制造强国战略的推动下,新能源汽车核心技术不断取得突破,产业体系发展日趋完善,中国品牌新能源汽车产品成功进入欧美发达国家市场。截至2017年,我国新能源汽车产销量已连续三年位居世界第一,累计保有量占全球市场的50%以上,为我国汽车产业转型升级打下了坚实的基础。

通常，车辆行驶的道路主要分为结构化道路和非结构化道路两种。结构化道路一般指高速公路、城市干道等结构较好的公路，这类道路一般有清晰的道路标志线且环境背景单一，非结构化道路一般为非城市道路、乡村街道等没有没有车道标志线或边界的道路，再加上受恶劣的雨雪天气，阴影的影响，区分道路和非道路成为了非结构道路检测的难点和当前的道路分割的追要研究方向。

2. 研究内容和预期目标

一.研究内容

对于智能汽车来说要实现高级别的自动驾驶，它的决策能力是不如人的，人是有完整的法律体系的保障，出现任何事情最后驾驶人可以察觉，最严重的情况是人来承担这个责任。无人汽车就很难解决，所以感知能力必须要超过人的感知能力，通过感知能力弥补决策能力的不足。很多事情发生了以后不好处理，那就尽可能不要让这个事情发生。智能汽车和人相比不仅仅要达到像人一样的感知能力，而是要超过人的感知能力，达到这种感知能力对于智能汽车单车的感知能力是不够的，需要协同式的感知能力，车车、车路通信，要看见看不到的东西。

图像分割是图像处理和计算机视觉中基本而关键的技术之一，也是图像理解与模式识别的前提，在现实生活中也有着很广泛的应用。例如，医学中磁共振图像的分割、遥感应用中合成孔径雷达图像的日标分割、机器视觉运用于产品质量检测等。在这些应用中,图像分割质量的好坏直接影响后续图像处理的效果，共至决定其成败，因此，图像分割的作用是至关重要的。

3. 研究的方法与步骤

在常见的道路分割方法中，有基于边缘的分割方法和阈值分割。基于边缘的道路分割一般适用于结构化道路，但对于变化较多的背景和环境的非结构化道路常用阈值分割。

边缘检测的方法很多，主要有以下几种:

1、空域微分算子，也就是传统的边缘检测方法。如roberts算子、prewitt算子和sobel算子等。

4. 参考文献

[1] 刘富, 袁雨桐, 李洋. 基于纹理特征的非结构化道路分割算法[j]. 计算机应用, 2015(s2):271-273.

[2] 王海, 蔡英凤, 贾允毅,等. 基于深度卷积神经网络的场景自适应道路分割算法, 2016年10月26日[j]. 电子与信息学报, 2016(2):263-269.

[3] 李迎春, 付兴建, 薛琴. 基于rgb熵的非结构化道路分割方法[j]. 计算机工程与设计, 2017, 38(6):1570-1574.

5. 计划与进度安排

3.05--3.20，熟悉课题背景，查阅资料，完成开题。

3.21--4.20，开展课题工作，完成课题的主要实验工作。

4.21--5.20，撰写毕设论文初稿。