基于模糊集理论的车道标志线精确检测

《基于模糊集理论的车道标志线精确检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据基于疆撅集理论秘车遗标志线精磅检测⋯·李痰武石秀蟊足徐立中基于模糊集理论的车道标志线精确检测*李庆武石静盂尼徐立中(河海大学南京210098)攘要鸯了解决复杂鼹嚣条件下车邋标志线酶稔溅闯题，掇斑了一耱蒸予横糨集瑗论游车道标志线精确检测方法。采用阈值分割、腐蚀、边缘检测等技术对变通图像进行处理；通过Hough变换粗略提取位予备车道标志线及其附近的所有亮点像素作为待分类的像秉点，构成样本集；按照模耧聚类分辑壤翔褥到壹线豹勰率移截疆。实瑗辜遂檬志线懿耩凑检溅。实验涯疆了该穷法熬精确慢和有效性。关键词车道标志线；Hough变换；模糊集；模糊聚

2、类孛黧法分类号：零p39l。4文藏标识璃：A0引言谯智能交邋系统中，由于视频检测具有检测交通场景面积大，投资少，费用低，且对路面设施不会产生破坏等优势，已经逐渐袋炎主要懿徐测手段。精确的车道定位是进行视频交通检测的先决条怯、。露关车道定位的研究没有文献掇道B矗]，想多是针对简单路面情况。对交通拥挤、背景复杂的交叉路蹦等场所的直线状车道的精确定位一直是～个难题。对就。笔者开发了一种基予模糊集瑾论的车道标志线的精确检测方法。}{ough变扳是最常用的直线检测方法，其核心惹想是建立一种点线鹩对偶关系，把图像平透上的点对应到参数平面上的线，最厩通过统

3、计特性衷解决问题。但出于Hough变换统计特性的模糊度较低，使徭算法所提致豹直线点冗余度较，l、，存在检测出虚假直线以及对称地额外画出直线等问题H3，不能适应各种实际公路车遗标志线的精确梭灏。本文把模糊集帮动态聚类分析的思想弓l入到直线的精确定位中，提高了系统的智能化程度，应用效果良好。1模糊集理论模糨集理论是一个比较活跃且数学牲较强的收稿日期：2007-09—30；修改稿收到日期：2007-11—01+鼷象863计划项目资助(批准号：2007AAllZ227)；’江苏餐疆会发黢秘菝琴l强炎魏(戴蕊譬：8S2007058)i箭‘州国家离新区科

4、技攻关项目资助(税准号：XEl20060408)研究领域。在科学研究中存在许多定义不很严格或楚具有摸期性的概念。这里所说的模粳性，主要是指客观事物的差异在中间过渡时的不分明性，如对下雨的程度描述可以有“小雨”、“中雨”或是“大蓠”。然两“小”、“孛”程“大”帮没有一个赞确的规定，这就是一个模糊的概念，模糊集合论便是为处理、分析这些模糊概念上的数据而产生的。在传统的集合论瑾论中，一个对象哭能对应于～个集合，要么属于，要么不属于，二者必居其一，且仅居其一。可见，传统集合论本身是无法处理模糊概念的。1965年美国豹盘动亿控裁专家查德(I。．A．Za

5、deh)教授为处理模糊概念而首次提出了模糊集的棚关概念和理论[5]。l。l模糊集及其隶属灏数定义论域x中的模糊集F用一个在区问[o，1]取值的隶属函数触来表示，郎触：X一[o，1]z裘示论域X的元素。若脚o)=1，表示z完全属予X；若触(z)=o，表示z完全不瞒子X；若0<艘(搿)<1，表示搿部分属于X。舯是用来说明z隶属于x的程度。在经典集会巾，特惩弱数只麓取0程l两个值，目特征弱数与{o，1)相对应；而在模糊集合中，其特征函数的取值从2个既素的集合扩大到在[o，1]区间连续取篷。为了恕两者区分并寒，就把模糨集合懿特薤函数称作隶属函数。模糊

6、集可看成隶属函数只取。和1的普通集的推广，那么x中的模糊集F可以籍元素．2’秘它的隶属度采表示：∥一{(z，∥F(z))lzG．X}(1)万方数据交通与计算机2007年第6期第25卷总139期1．2模糊聚类分析模糊集合间进行比较时，需要使用一些数量指标表示比较结果。它们应具有明确的意义，且有较强的分辨力和代表性。其中常用的对样本点进行分类的数量指标有模糊距离和贴近度，它们反映了2个模糊集之间的相关程度。本文选用模糊距离来进行分类。“距离”的概念是从泛函分析中得到的，所谓2“点”间的距离d(z，y)，是一个非负实数，且满足以下3个要求：(1)d

7、(z，y)=o当且仅当z—j，；(2)d(z，y)一d(y，z)；(3)d(z，y)≤d(z，z)+d(2，y)。式中：z、儿2是论域中任意的“点”，设A、B是论域中的2个模糊子集，则定义A、B间的欧几里德距离为／三d(A，B)一^／∑(卢^(zf)一∥占(zi))2(2)Y^ll本文对公路车道标志线样本点进行分类的数量指标采用的就是欧几里德距离。2车道标志线精确检测算法描述2．1车道标志线的特征集1)直线特征选择。对不同的识别对象应该使用不同的特征抽取方法，例如可以抽取目标的物理属性或结构特性作为特征，也可以通过某种变换抽取特征，还可用不同

8、谱段的光波来突出目标的特征。在公路交通图像中，目标直线(即车道标志线)的特征有颜色特征、方向特征、位置特征等。本算法抽取直线的斜率口和截距6作为特征，即通过直线的方