资源描述：
《基于边缘提取和特征跟踪的道路检测算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2002年1月 重庆大学学报 (自然科学版)Vol.25第25卷1期JournalofChongqingUniversity(NaturalScienceEdition)Jan.2002 文章编号:1000-582X(2002)01-0061-04X基于边缘提取和特征跟踪的道路检测算法廖传锦,黄席樾,柴 毅,汪先矩,刘卫红(重庆大学自动化学院,重庆 400044)摘要:研究了汽车辅助驾驶系统中的计算机视觉问题。一方面,用小波变换对高速公路上的道路边缘进行检测;另一方面,利用灰度以及几何特征实时跟踪和检测车道边缘,通过建立道路边
2、缘模型,采用数据拟合的方法确定边界轨迹方程,从而估算出公路的延伸方向,实现汽车的自动防偏,并为解决汽车智能辅助驾驶系统的避障问题提供了有力的保证。关键词:计算机视觉;小波变换;Hough变换;特征跟踪中图分类号:TP391.4 文献标识码:A 汽车智能辅助驾驶系统讨论汽车前向后向行驶的等,但由于实际景物表面反射和纹理不同,加上成像过主动安全问题,其应用背景为高速公路或标准高等级程所混杂的噪声,使得对所得到的图像分析处理变得公路。汽车前向后向行驶安全防碰系统是靠一对CCD十分复杂。普通的边缘检测算法对此类图像难以取得
3、摄像机来实现的。CCD摄像机作为唯一的视觉传感较好的效果。器,可视为完全基于摄像机的视觉系统。因其在主动由Mallat和Meyer提出的多分辨率分析(MRA)进安全、防碰、防撞的广阔应用前景而受到各国的关注。而形成的小波理论是边缘检测的十分理想的工具。本几个工业发达的国家已相继将其纳入90年代初期开文中,我们利用Mallat思想和理论进行了车道边缘提始重点研究的开发的“智能运输系统”和“智能车路系取,取得了满意的效果。统”之中。1.2 基于小波的图像边缘提取算法一个完善的汽车安全行驶智能辅助操作系统通常先考虑一维的情况,对于一些
4、特殊的小波函数需要实现道路检测、障碍物检测和防偏、防碰安全行驶Ψ(x),小波变换的极大值对应于信号的突变点,通常三部分功能。其中道路检测部分就是分析汽车前方图选择平滑函数θ(x)的一阶导数作为该小波函数。假设像2,检测出汽车在道路上的位置,从而确定汽车的行驶待测信号f(x)∈L(R),尺度函数为φ(x),则f(x)方向,一般实现汽车“防偏安全行驶”。笔者将计算机j在尺度2和位置x上的二进离散小波分解关系如下:视觉技术应用于汽车智能辅助驾驶操作系统中的道路S2j+1f(x)=S2jf·Ψ2j(x)检测,采用了基于边缘检测和特征跟踪
5、的算法寻找车W2j+1f(x)=f·Ψ2j(x)道边缘,大大提高了算法的实时和效率。笔者选择了三次样条函数作为平滑函数,则Ψ(x)是1 车道边缘检测算法一个紧支集的二次样条小波函数,它的离散滤波器系数为:1.1 图像的边缘提取表1Ψ(x)的离散滤波器根据Marr视觉理论可知,识别一个对象是从其轮nHG廓开始的,一幅图像不同部分的边缘往往是模式识别-10.1250最重要的特征。在计算机视觉中,图像的边缘提取是00.375-2一个非常基本的研究课题。多年来,人们提出了许多10.375-2边缘检测算法,例如,Canny算法、Marr算
6、法、Sobel算法20.1250X收稿日期:2001206219基金项目:国家自然科学基金资助项目(69674012)作者简介:廖传锦(1977-),男,四川简阳人,重庆大学硕士生。主要研究方向为光电检测与图像处理。62重庆大学学报 (自然科学版)2002年 在信号域中,可以按下列关系进行小波分解,易达到相当高的精度。因此,在本文中,就使用它来作为于在计算机上实现。车道边缘轨迹线的参数模型。S2j+1(k)=[h]↑2j·S2j(k)为了找出图中道路边缘点所构成曲线的的参数,W2j+1(k)=[g]↑2j·S2j(k)利用了H
7、ough变换。首先,建立一个在空间的三维直方S1(k)=f(k)图。对每个边缘点,给所有与该点的Hough变换所对应 其中,[.]↑m分别表示在滤波器的相邻系数间插空间的直方图一个增量,当对所有边缘点实施完这种操作后,包含的方格将具有局部最大值。然后对空间的入m个零而得到的离散滤波器。将其推广到二维情况,直方图进行局部最大值搜索,可以获得边界曲线的参则图像的离散小波分解的递推关系为:数。S2j+1f=S2jf·[h,h]↑2j1具体实现时,要求离散参数空间。为了提高计算的W2j+1(k)=S2jf·[h,g]↑2j效率,研究发
8、现:通常情况下,左车道位于图像的左半2W2j+1(k)=S2jf·[g,g]↑2j平面,右车道位于图像的右半平面,利用这个约束条 最后利用最大模算法,求出小波模的极大值对应件,可以大大减少参数的搜索范围,从而提高了算法的位置即为图像的边缘。图1为图2的处理结果
