基于视觉的的车道检测识别技术开题报告

1. 研究目的与意义

车道标识线可规范交通秩序、保障交通安全，车道和车道线检测与识别是实现这一技术的重要问题，在诸如车道偏离预警系统、车辆检测和跟踪、车辆前向碰撞预警等方面，车道线的检测与识别发挥着驾驶具有重要意义。由于交通系统是由驾驶员，车辆，道路三个主要部分组成的一个复杂系统，所以单纯考虑其中的任何一个因素，都很难从根本上解决问题，在这种背景下，将三者作为统一的整体来进行研究从而有效解决交通安全问题的思想也就应运而生了，也就是目前我们常说的智能交通系统(ITS)的主要思想。车道线是道路交通中最重要的交通标志，可以对车辆的行驶起到约束保障的作用。无论是在车辆安全驾驶系统中还是在基于机器视觉的智能车辆导航中，车道线的检测与识别都是一个基本的、必须的功能模块，通过它不仅可以降低交通事故的发生,而且可以为以后智能交通深入研究提供帮助。因此早在人们对智能车以及智能交通研究开始阶段,就十分重视对车道线检测与识别的研究。车道检测是车辆道路识别一种最基本的车辆自动驾驶功能，其技术要求是根据摄像机采集的车体前方的场景图像，确定合适的转弯指令，以保证车辆始终在正确的车道上行驶。高速公路有清晰的车道线，因此道路检测可以简化为车道或者道路边界检测问题。在分道线检测之前还应该对图像传感器所采集到的原始图像作预处理工作，来便于对后续分道线检测提供更好、更直观的数据。

2. 国内外研究现状分析

我国在该领域的研究起步比较晚，与发达国家有一定的差距，目前在国内主要研究机构有：清华大学从1988年就开发THMR系列智能车辆，并具备了自动防撞功能。2002年开发的THMR-V智能车，由于在图像处理算法以及机械精度上的创新，最高速度150km/h,达到国际先进水平，通过集成CCD摄像机、GPS、激光雷达等多种传感器，实现了结构化环境下的车道线快速检测，复杂环境下的道路自动停障等功能。国防科技大学，从80年代末就开始摸索智能汽车的原理，并展开了对智能汽车自动防撞装置的研究开发，此后陆续研制出CITAVT-I,CITAVT-II型智能车，2011年7月，由国防科技大学自主研制的红旗HQ3智能车，首次完成了从长沙到武汉286公里的高速全程无人驾驶实验，其中自主超车67次，最高时速110km/h，创造了我国智能车辆在复杂交通状况下自主驾驶的新纪录，达到世界先进水平，识别车道线、自动规划行驶路径等行为完全是利用自身的环境传感器来完成的[3]。吉林大学从1992年开始一直开展智能车辆技术研究，先后开发出基于视觉的JUTIV-I,JUTIV-II和JUTIV-III三代智能车。目前，开发的最新一代智能汽车JUTIV-IV设计时速在80km/h左右，车上装有CCD摄像机、3D激光成像仪、GPS定位系统、距离避障传感器，完成了在非结构道路环境下的道路识别与跟踪、安全车距保持、换道超车等关键技术，在国内处于领先地位[8]。

国外已经成功开发了一些基于视觉的道路识别和跟踪系统。开发这些系统的主要目的是为在高速公路或其他结构化道路上车辆的自主导航提供基础。方法己经投入到了商业化应用中。其中，具有代表性的系统主要有:意大利帕尔玛大学开发的GOLD系统[12];美国卡内基梅隆大学开发研究的RALPH系统[12];美国密歇根州立大学人工智能实验室开发的LOIS系统[7];美国卡内基梅隆大学机器人学院NavLab实验室和VisionAutonomousSystemCenter联合开发的SCARF系统和ALVINN系统[6]。(1)GOLD系统:该系统采用立体视觉技术，根据目前车道线的油漆的颜色特征来定位车道线所处位置，但是立体视觉技术面临图像匹配以及运行时间长等问题，因而该系统又设计了并行SIMD硬件结构来满足实时性要求。(2)LOIS系统:该系统利用一种可变型的道路模板技术，将道路的弯曲度和智能车辆在行驶过程中所处道路的位置问题转换成多维参数空间的最优化问题，通过得到的最优解来解决车道偏离预警中出现的问题。(3)RALPH系统:该系统首先根据车辆速度的变化情况，建立了与之相对应的一系列梯形窗口，通过对梯形窗口内的视频图像通过逆透视变换来确定道路的弯曲度，然后计算智能车辆偏离车道中心线的距离，判断车道线偏离情况，最后通过跟踪逆透视变换得到的道路平行线，从而实现道路车道线的追踪。该系统在实验开始的时候进行了道路结构化假设，在很大程度上提高了车道线检测识别的鲁棒性。

3. 研究的基本内容与计划

研究内容：

1.学习研究车辆视觉导航和道路路面识别基本方法和知识。

2.研究学习matlab软件的原理与使用。

4. 研究创新点

以车道线的检测为题，以MATLAB为编程软件，更加实时、准确、简单的进行车道线的检测，以达到安全驾驶的目的。