基于OpenCV的车道线实时检测分析报告.pptVIP

基于OpenCV的车道线实时检测 报告人： 徐小艺 小组成员：管栋 徐小艺 2015年5月21日 报告内容 一、项目背景 二、项目原理 车道检测与识别系统 道路预处理 车道线特征提取 车道线检测——直线检测 具体实施方案 三、项目展示 四、问题及解决方案 一、项目背景 欧洲国家发生的道路交通事故中有 1/3 是由车辆变道或车辆偏离其正常行驶车道区域所导致的 美国联邦公路局的报告：如果可以获得车辆与车道之间的相对位置信息，则可以防止 53%左右的车道偏离事故 针对路面标线检测的研究是实现车道偏离警告系统的关键技术,其对于实现车辆的完全自主驾驶具有深远的意义 一、项目背景 项目全称：多功能行车记录仪 项目意义：希望开发出集成一些软件功能的手机APP，并通过WiFi可以与行车记录仪连接，开发出有卖点的产品 部分功能： 车牌检测 道路车辆检测 车道线检测 一、项目背景 车辆辅助驾驶系统 一、项目背景 OpenCV简介 Open Source Computer Vision Library（开源计算机视觉库） 跨平台、轻量级而且高效、免费 OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的初级版本的C语言接口 二、项目内容 车道线检测流程 道路预处理 车道线特征提取 车道线特征提取 车道线特征提取 车道线特征提取 车道线特征提取 车道线检测——直线检测 车道线检测——直线检测 车道线检测——直线检测 车道线检测——直线检测 具体实施方案 三、项目展示 四、问题及解决方案 四、问题及解决方案 谢谢！ * * * 车道检测与识别系统 道路预处理 车道线特征提取 车道线检测 道路预处理： （a）道路图像灰度化 （b）道路图像滤波 （c）道路图像增强 道路图像灰度化 道路图像增强 车道线特征提取： （a）二值化 （b）图像边缘提取 （c）透视变换 自适应阈值二值化处理 （b）图像边缘提取：三种边缘检测算法 ①Sobel算子：先对图像进行加权平滑处理,然后进行微分运算 ②Canny算子：先用高斯滤波去噪,对图像进行平滑处理;对平滑以后的图像分别沿x,y方向求取偏导数,来得到其边缘梯度,然后分别在边缘梯度的水平、垂直、45度和135度等四个方向上,用比较各自邻近的像素,来得到局部极大值。 ③Kirsch算子：通过在八个不同的方向上,提取图像的边缘点,来获得信息完整的图像边缘 另外，还有形态学方法（腐蚀、膨胀），采用的人较少。 （b）图像边缘提取 Canny算子提取边缘图像效果 （c）逆透视变换 逆透视变换就是在满足道路平坦假设的前提下,把单目摄像机采集到的单幅图像,从二维空间转换到三维空间中,转换过程中利用摄像机内参数(焦距和光心)和外参数(俯仰角,水平偏角以及相机高度),得到一副没有透视效果的二维图像,转换后的图像效果是道路的俯视图像。 车体坐标系和图像坐标系关系示意图 （c）逆透视变换 霍夫变换检测直线原理：它是将原始图像空间中给定的直线上的点转换成为参数空间中的一条直线,即在原始图像中的直线上的所有点经过转换以后都会集中在变换空间中的某个点上形成峰值点。这样就将直线的检测问题简化成找寻峰值点的问题。 干扰信息 干扰信息 有用信息 有用信息 车道图片进一步处理：干扰信息尽可能截掉，保留有用信息。否则容易造成误检测！ 霍夫变换检测到的直线（直线过多！！！） 霍夫变换检测直线 通过调整霍夫变换的阈值参数（如检测出的直线的长度），以及用直线的角度剔除一些直线，删选出车道线 问题1：一条道车线旁可能会标出几条线 解决措施：先用随机抽样一致性算法（Ransac）合并直线，但比较麻烦；后来采用角度去最值的方法，效果不错。 问题2：检测不连续 解决措施：如果某一帧没检测出符合条件的线（特别是虚线），用上一帧结果代替。 问题3：视频中摄像头俯仰角变化的影响 解决措施：通过建立摄像机与车体坐标系模型来标定摄像机参数，然后在图像坐标系下，分割图像获得感兴趣区域(ROI)；在ROI中提取车道线信息。 问题4：明显的错误检测结果的剔除 解决措施：有时候车道线明显的检测错误（如两条标记车道线交叉），尝试用把视频图片分为左半图，右半图分别处理解决 问题5：算法的优化