基于计算机视觉的车道识别技术开题报告

全文总字数：788字

1. 研究目的与意义

随着城市化进程的不断推进和汽车的不断普及，交通拥挤日益加剧，交通事故的发生率逐年攀升，严重威胁到人民的生命财产安全，汽车的安全问题已被列为新世纪汽车三大问题之一。因此，为保护行车安全，各国一直致力于研究汽车主动安全系统，其中智能车辆是研究热点之一。

智能车辆，是一类能够通过传感器感知环境和自身状态，实现在有障碍物环境中面向目标自主运动，从而完成一定作业功能的机器人系统。它是集人工智能、智能控制、信息处理、图像处理、检测与转换等专业技术为一体，跨计算机、自动控制、机械、电子等多学科的研究课题。

如何能够使车辆稳定快速地对外部环境信息进行感知、采集并处理，是智能车辆研究中的重点。机器视觉导航系统由于价格低廉、用途多样、结构简单、信息丰富、能方便与其它传感器进行数据融合等特点，成为当前智能车辆研究的主要方向。车道检测是障碍物检测与跟踪的基础，视觉导航首先要解决的问题就是正确地识别车道线，为车辆自动转向伺服机构提供控制信号。

2. 国内外研究现状分析

车道识别问题从20世纪70年代开始被关注，自80年代以来，智能车辆视觉导航技术取得了突破性的发展。

美国的卡内基梅隆大学(简称cmu)以人工智能为中心研究多种在现有条件下可实现的视觉算法的navlab智能车系列；在欧洲，视觉导航技术的研究始于1986年的prometheus(programforaeuropeantrafficwithhighestefficiencyandunprecedentedsafety)，这个项目包含了欧洲许多国家的19个汽车生产商、政府的研究机构、大学，这个项目主要关注于研究智能车辆中的一些方法的构想、实施方案。1987年奔驰公司和德国国防军大学联合研制vamors-p系列自动驾驶汽车就己创下了道路标志线跟踪的最高97km/h的最佳成绩。在随后几年不断刷新时速记录并且具备了超车换道功能和对多种气象条件的适应能力，其核心是运行于bmw上的视觉导航系统vamors-p。该系统在高速公路和普通标准公路上进行了大量实验，实验内容包括跟踪车道线、躲避障碍、自动超车等。利用自适应控制进行纵向及横向自主方式行为实验，该系统1995年公布的最高时速可达130km/h。

法国帕斯卡大学自动化与电子材料科学实验室与法国d.r.a.s雪铁龙技术中心合作研制peugeot系统，其视觉系统使用单摄像机实时检测并跟踪道路白线，采用高斯滤波和平均值计算确定灰度标准方差，利用梯度计算确定车道线的左右边缘，同时选择多项式函数建立轨迹模型，利用时空光滑方法降低噪声和提高鲁棒性，当车体前方或驾驶参数出现非正常状况时，系统以语音信号的方式向驾驶员发出警告性提示，以避免或降低因驾驶员疏忽所引发的行车事故，提高车辆在道路行驶中的安全性，可见该系统完成的是相对简单的安全警告与辅助导航功能。

3. 研究的基本内容与计划

研究内容：

1.学习了解车辆视觉导航基本知识。

2.学习matlab语言，利用matlab对车道线进行仿真研究，并从仿真结果中，提出具有一定实时性和鲁棒性的识别算法。

4. 研究创新点

研究基于计算机视觉的低成本车道识别技术，为车辆自动导航、环境感知等提供一些技术基础。