基于计算机视觉的车道线跟踪算法研究毕业设计
技术：C#等摘要：
统计表明，许多的交通事故是由于司机疏忽或疲劳驾驶引起的。汽车辅助驾驶系统正是被设计用来在汽车将要驶离车道或发生碰撞时警告司机，以帮助其保持车辆安全行驶，避免事故发生。而车道线检测与识别是实现这一技术的首要问题。因此本文围绕基于计算机视觉的车道线检测与识别技术进行了深入研究。
根据道路图像中车道线的边缘检测效果显著特性，到梯度变化较大区域。针对车道线可能存在的曲率现象，采用Canny算子得兴趣区域水平切割的解决方法。该方法利用透视投影特点使用了对车道线感，在图像平面上找出路面与天空的水平(消失)线，以此切割图像确定车道线感兴趣区域。
本文利用Kalman滤波预测技术预测车辆在序列图像中的下一位置，使系统在减小模板匹配的搜索区域，降低误匹配的概率，保证车辆跟踪的持续性、实时性等方面令人满意。
实验结果表明，本文提出的车道和车辆识别跟踪方法是可行的，能够满足系统实时性和准确性的要求。
关键词：计算机视觉，卡尔曼滤波，霍夫变换，车道线，砍尼算子考虑到实验平台的直观性和方便，同时又考虑到为以后的后续研究做铺垫，觉定采用visual C# 2008 作为实验平台的开发环境。采用较成熟的计算机视觉代码库——opencv（VC# 中用opencv的.NET 版emgu cv）。
目录：
摘要 Ⅰ
目次 Ⅲ
1 绪 论 1
1.1 研究背景 1
1.2 国内外现状及发展趋势 2
1.2.1 国内各高校发展情况 2
1.3 本文研究的主要内容及结构安排 3
2 道路图像的预处理 4
2.1 图像灰度化 4
2.2 边缘检测算法研究 5
2.2.1 基于一阶的边缘检测算子 6
2.2.2 基于二阶的边缘检测算子 8
2.2.3 Canny算子原理和应用 9
2.2.4 实验结果 10
3 车道线识别及跟踪算法 12
3.1 车道线直线模型 12
3.2 霍夫变换检测车道线 13
3.2.1 霍夫变换原理 13
3.2.2 霍夫变换实现 14
3.3 Kalman跟踪原理及实现 15
3.3.1 Kalman滤波器与Kalman预测器原理 15
3.3.2 基于kalman预测测器的车道线ROI模型 17
3.3.3 基于Kalman滤波的道路跟踪算法 18
3.4 车道偏离检测 20
4 实验平台搭建与实验结果分析 22
4.1 实验平台搭建 22
4.2 实验结果及分析 23
4.2.1 实验结果 23
4.2.2 实验结果分析 25
5 总结与展望 27
5.1 总结 27
5.2 展望 27
参考文献.. 29
作者简历 31
学位论文数据集 32
论文字数：14699
包含资料：
截图：
百度网盘下载地址（金币充值）：
**** 本内容需购买 ****
页:
[1]