一种基于视觉的车道线检测与跟踪算法.docx

第38卷第2期 第38卷第2期 同济大学学报(自然科学版) VoI．38 No．2 2010年2月 JCHⅡiNAL 0F 1℃匝吲I In0IVERSITY(NAll瓜AI，SCIENCE) Feb．2010 文章编号：0253．374X(2010)02．0223-07 DOI：10．3969／j．issn．0253—374x．2010．02．013 一种基于视觉的车道线检测与跟踪算法 刘富强，张姗姗，朱文红，李志鹏 (同济大学电子与信息工程学院，上海200092) 摘要：提出了一种新颖的适用于自主驾驶系统的车道线检测 tracking algorithm based the particle filter to improve the 与跟踪算法．该算法采用了广义曲线的车道线参数模型，能 stability of the whole system．Extensive experiments in 同时适应弯道和直道的检测．该检测算法最突出的贡献在 variable occasions implemented to prove the approach t0 于，没有仅仅使用单一方法求解各个参数，而是根据各参数 be both robust and fast。besides，the algorithms can extract 的不同精度要求，分别使用自适应随机霍夫变换(ARHT)方 the lanes accurately under unsatisfactory illumination 法和禁忌搜索算法计算车道线模型中的各个参数，这样既准 situations． 确计算车道线模型中的参数，也兼顾了车载系统的实时性要 Key words．．1ane detection；adaptive random Hough 求．此外，为r提高算法的实时性，引入了多解析度的策略， transformation；Tabu search；multi—resolution；particle filter 以降低整个流程的时耗．最后，为了满足自主驾驶系统对稳 定性的需求，还提出了一种基于粒子滤波器的跟踪算法．通 过不同场景下进行的实验，充分表明提出的车道线检测与跟 近年来，自主驾驶技术受到研究者们的普遍关 踪算法具有良好的鲁棒性和实时性，同时对不同的光照条件 也有较好的适应性． 注，车道线的提取是自主驾驶系统的重要组成部分． 车道线的提取就是从车载摄像头获得的视频图像 关键词：车道线检测；自适应随机霍夫变换；禁忌搜索算法； 中，根据车道线的颜色，形状和纹理等特征，将车道 多解析度；粒子滤波器 线与背景进行分离，从而获得车道线的走向，车辆相 中图分类号：TP 391．41 文献标识码：A 对于车道线的位置等信息．从国内外研究现状来看， A Vision·Based Lane Detection and Tracking 现有的车道线检测算法大体可分为车道线区域检测 法，特征驱动法和模型驱动法uJ． Algorithm 车道线区域检测法的核心思想是将图像中的所 L／U Fuq／ang，2tfANG$hanshan，压彤Wenhong，LI Zhiper“3 有像素点标记为车道线点和非车道线点两类．可以 (College of Electronics and Information，Tongji University，Shanghai 作为分类依据的称为特征量．文献[2]是采用了HSV 200092，China) 色彩空间特征进行车道线的识别的；由于车道线区 域的纹理比其他区域要平滑，文献[3]便采用纹理特 Abstract：This paper presents novel lane detection and tracking algorithm for automatic drive system．The algorithm 征作为分类标准．特征驱动法是通过基于图像的边 utilizes the generalized lane parameter model，which 缘检测从而将所提取的边缘组织成符合车道线形状 describe both straight and curved lanes．们k most prominen