如何使用動(dòng)態(tài)曲線進(jìn)行車道檢測(cè)算法的資料概述.

　　針對(duì)無(wú)人駕駛技術(shù)中關(guān)于復(fù)雜車道線的檢測(cè)問(wèn)題，本文提出了一種基于車道線的顏色梯度變化和視頻每幀圖像的關(guān)聯(lián)性的復(fù)雜車道線檢測(cè)算法。該算法通過(guò)梯度檢測(cè)的方法對(duì)原圖像進(jìn)行邊緣像素提取，通過(guò)動(dòng)態(tài)曲線的限制對(duì)所得的邊緣像素進(jìn)行特征點(diǎn)提取，篩選出目標(biāo)邊緣像素，去除非目標(biāo)邊緣像素。最后通過(guò)曲線擬合檢測(cè)出車道線位置。通過(guò)現(xiàn)場(chǎng)實(shí)測(cè)表明，此算法最終能夠通過(guò)曲線擬合得到較為準(zhǔn)確的復(fù)雜車道線的位置信息。同時(shí)，實(shí)測(cè)結(jié)果也說(shuō)明了此算法相比于其他算法而言具有更好的是實(shí)時(shí)性和魯棒性。

　　隨著國(guó)內(nèi)交通領(lǐng)域和經(jīng)濟(jì)的飛速發(fā)展，汽車在人們生活中得到了廣泛的普及，隨之而來(lái)的卻是交通事故發(fā)生率不斷攀升，每年都有許多人由于駕駛中的疏忽大意喪生于交通事故中或給他人造成傷害。汽車給人們帶來(lái)便利的同時(shí)，也給人們的生命和財(cái)產(chǎn)帶來(lái)了巨大損失。經(jīng)汽車安全專家指出：約有50%的汽車交通事故是因?yàn)槠嚻x正常的行駛車道引起的，并且多發(fā)于復(fù)雜車道，例如彎道行駛。究其原因主要是駕駛員心神煩亂、注意力不集中或駕駛疲勞。由此，無(wú)人駕駛技術(shù)和智能駕駛輔助系統(tǒng)得到了飛速發(fā)展，大大降低了由于司機(jī)疲勞駕駛引起的交通事故率。本文研究的重點(diǎn)是復(fù)雜車道檢測(cè)算法，該算法在無(wú)人駕駛中應(yīng)用廣泛，是其必不可少的一部分，廣泛應(yīng)用于自動(dòng)泊車、路徑規(guī)劃、自動(dòng)避障等多個(gè)無(wú)人駕駛領(lǐng)域。

　　當(dāng)前基于無(wú)人駕駛有關(guān)直道的車道線檢測(cè)技術(shù)日趨成熟，人們用不同的方法在直線檢測(cè)上取得了較好的成果。提出基于Snake 的車道線檢測(cè)方法，通過(guò)利用車道線消失點(diǎn)的結(jié)構(gòu)特征進(jìn)行車道線檢測(cè)，并用Snake 方法對(duì)車道線進(jìn)行迭代擬合；提出基于隨機(jī)抽樣一致性的車道線檢測(cè)方法，此方法利用車道線平行的結(jié)構(gòu)特征進(jìn)行車道線檢測(cè)；中提出利用形態(tài)學(xué)圖像處理技術(shù)，基于形態(tài)學(xué)變換的道路檢測(cè)方法，能夠應(yīng)用形態(tài)學(xué)變換、Canny 邊緣檢測(cè)與Hough 變換檢測(cè)出直線道路車行道的邊緣線。

　　然而，現(xiàn)有的技術(shù)仍然無(wú)法準(zhǔn)確的檢測(cè)復(fù)雜車道線以及非標(biāo)準(zhǔn)車道線，對(duì)復(fù)雜車道線及非標(biāo)準(zhǔn)車道線的檢測(cè)方法研究是無(wú)人駕駛中的一個(gè)難局。提出一種基于機(jī)器視覺(jué)的車道檢測(cè)與重建方法。采用鏈碼算法檢測(cè)分道線，用鏈碼來(lái)記錄車道線輪廓信息，再基于曲率模型的卡爾曼遞推估計(jì)方法來(lái)估計(jì)當(dāng)前的車道線位置，同時(shí)用來(lái)預(yù)測(cè)和檢測(cè)下一時(shí)刻的車道線位置，并建立了車道數(shù)學(xué)模型。文獻(xiàn)［5］提出一種基于多特征信息融合優(yōu)化的魯棒性車道線檢測(cè)算法。首先構(gòu)建了基于二次曲線空間道路模型圖像中左右車道線數(shù)學(xué)模型；然后融合像素梯度值、梯度方向、像素灰度以及車道線結(jié)構(gòu)等多特征信息，構(gòu)造后驗(yàn)概率函數(shù)；最后采用基于免疫克隆策略的改進(jìn)粒子群優(yōu)化算法優(yōu)化車道線模型參數(shù)，實(shí)現(xiàn)車道線提取。提出利用Hough 變換來(lái)實(shí)現(xiàn)對(duì)車道檢測(cè)的直道檢測(cè)。而對(duì)于彎道部分的檢測(cè)，通過(guò)統(tǒng)計(jì)較小區(qū)域的目標(biāo)像素?cái)?shù)目，設(shè)置感興趣區(qū)域（ROI）來(lái)判斷車道的彎曲方向，并在該方向上進(jìn)行彎道像素的搜索，采用多段折線的方法對(duì)彎道部分進(jìn)行重建。

　　實(shí)際道路狀況復(fù)雜多變，各種干擾因素加大了車道檢測(cè)的難度。國(guó)內(nèi)外學(xué)者對(duì)于不同的干擾因素已提出了諸多算法，例如針對(duì)交通場(chǎng)景中運(yùn)動(dòng)車輛的車道檢測(cè)方法、基于車載單色攝像機(jī)提供的圖像檢測(cè)和跟蹤車道的魯棒方法、基于可控濾波器進(jìn)行車道檢測(cè)的方法、針對(duì)夜間的車道檢測(cè)算法。

　　當(dāng)今現(xiàn)有的車道檢測(cè)算法實(shí)用性和魯棒性低，檢測(cè)復(fù)雜車道線及非標(biāo)準(zhǔn)車道線的準(zhǔn)確度及魯棒性低，為了更好地解決這一問(wèn)題，突破車道檢測(cè)的困局，本文基于視覺(jué)處理將多種算法進(jìn)行融合，構(gòu)建了一個(gè)相對(duì)完善的視覺(jué)處理系統(tǒng)，能夠有效地適用各種不同的行車環(huán)境，降低天氣、光照等因素對(duì)車道檢測(cè)的影響，通過(guò)實(shí)測(cè)與比較發(fā)現(xiàn)該方法提高了車道檢測(cè)的準(zhǔn)確性、實(shí)用性和魯棒性。無(wú)人駕駛的技術(shù)難局在于感知周圍環(huán)境，車道檢測(cè)算法的進(jìn)步對(duì)無(wú)人駕駛的發(fā)展起著不可忽視的推動(dòng)作用。