自主巡逻车视觉导航车道保持算法研究

发布时间：2017-08-04 21:33

  本文关键词：自主巡逻车视觉导航车道保持算法研究

  更多相关文章： 机场围界道路 道路边界检测 智能车辆 车道保持

【摘要】：机场围界道路种类较多,有泥土、水泥和柏油道路,同时道路两侧的环境也较为复杂,如杂草,围栏,黄土等。自主巡逻车在机场围界道路上的导航方式有多种,其中,基于视觉的导航方式具有成本低,提取的环境信息丰富的优点。本文重点探讨自主巡逻车在机场围界道路环境下基于视觉的车道保持方法,主要研究内容如下:首先,通过对道路图像处理方法的分析研究,设计了针对机场围界道路图像的分割算法。首先,为提升图像滤波的速度,研究了一种改进的快速中值滤波算法;然后,为提升道路边界边缘检测的鲁棒性,利用改进的Sobel算子来突出图像中的道路边界的边缘信息,同时抑制干扰的边缘信息。对常用区域分割算法的实验对比发现,区域生长算法具有更强的抗干扰性,可以有效的克服道路上阴影和水迹的干扰。其次,针对机场围界道路路况复杂,及路面上水渍,阴影和污渍干扰的问题,研究了一种融合边缘检测和自适应区域生长的道路检测方法。通过对区域生长算法中生长准则的自适应地改变来提高道路分割的鲁棒性,同时根据图像不同区域的特点采取分区处理的方法来提高算法的速度,融合图像边缘与区域特征能使提取的道路边界更为精准。再次,针对自主巡逻车车道保持问题,研究了一种基于PID和模糊规则的预瞄跟随控制方法。算法选取车辆正前方的一点为预瞄点,预瞄点到目标路径的距离采用PID控制,转向的速率采用模糊控制。然后根据道路边界检测出两条或者一条的情况,对检测结果进行相应的处理,再把处理后的结果应用到控制算法中。这种控制方法模拟了人工驾驶车的过程,是一种简单高效的控制方法。最后,对课题中研究的机场围界道路检测算法和车道保持算法进行了实验,实验结果表明,本文研究的机场围界道路识别算法和车道保持算法能够满足机场围界道路环境下自主巡逻车利用视觉进行车道保持的需求。
【关键词】：机场围界道路 道路边界检测 智能车辆 车道保持
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V351.3;TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-14
• 1.1 论文研究背景和意义9
• 1.2 国内外研究现状9-13
• 1.2.1 智能车发展的国内外现状9-11
• 1.2.2 车道检测的研究现状11-13
• 1.3 课题研究内容13-14
• 第二章 机场围界道路图像分割算法研究14-26
• 2.1 机场围界道路特征分析14-15
• 2.2 机场围界道路图像滤波15-17
• 2.3 机场围界道路边缘检测17-21
• 2.4 机场围界道路区域的提取21-24
• 2.4.1 常用的阈值选取算法21-23
• 2.4.2 机场围界道路区域提取的实验结果23-24
• 2.5 本章小结24-26
• 第三章 融合边缘检测和自适应区域生长的道路检测算法26-39
• 3.1 道路检测算法的基本原理27-28
• 3.2 道路检测算法概述28-36
• 3.2.1 路面颜色特征提取30
• 3.2.2 通过颜色阈值对R3区域进行道路分割30-31
• 3.2.3 通过自适应区域生长算法对R2区域进行道路分割31-33
• 3.2.4 形态学去噪33-34
• 3.2.5 图像边缘和区域特征的融合34-35
• 3.2.6 分段拟合(直线—抛物线模型)35-36
• 3.3 道路检测算法实验结果分析36-38
• 3.4 本章小结38-39
• 第四章 基于视觉的预瞄跟随车道保持算法39-49
• 4.1 基于地表网格法的摄像头标定39-42
• 4.2 基于PID和模糊规则的预瞄跟随控制算法42-48
• 4.2.1 道路边界两侧完好45-46
• 4.2.2 道路边界一侧缺失46-47
• 4.2.3 道路边界两侧缺失47-48
• 4.3 本章小结48-49
• 第五章 基于视觉的车道保持算法实验49-55
• 5.1 自主巡逻车实验平台50-51
• 5.2 实时道路图像检测实验51-52
• 5.3 基于视觉的车道保持实验52-54
• 5.4 本章小结54-55
• 结论55-57
• 致谢57-58
• 参考文献58-61
• 攻读学位期间发表的学术论文61

，

本文编号：621841