毕业设计开题报告结构化道路检测

南通大学本科生毕业设计（论文）开题报告学生姓名学号专业电气工程及其自动化课题名称结构化道路检测系统研究阅读文献国内文献 20篇开题日期3.13国外文献 5篇开题地点11#308文献综述与调研报告:1背景随着道路的迅速发展和汽车数量的不断增加，交通事故的发生率也在逐年攀升，已严重地威胁 到人民的生命财产安全。汽车的安全问题已被列为新世纪汽车三大问题之一（节能、环 保、安全）。注意力分散是导致交通事故的常见原因之一，据调查，80%以上的交通事故都是由 于驾驶员当时的反应不及所造成的。因此，人类为了保护自身安全，一直致力于研究汽车主动安全系 统。如汽车防撞装置，汽车自动避障系统，智能车辆视觉导航技术的研究等。其中视觉辅助导航 是当前图像处理技术的应用热点之一，而道路检测是视觉导航系统的重要组成部分。道路检测是 智能车辆视觉导航研究中的核心问题之一，也是当前发展最快、投资最多的研究方向。目前的道路识别研究主要也是针对结构化道路,这是由于结构化道路的颜色、纹理、道路标识等 特征都是统一的，便于有针对性地进行研究。近十几年来，面向结构化道路的高速导航的研究中， 机器视觉道路理解技术一直是研究人员关注的重要课题。2. 研究的现状及发展趋势道路检测问题从70年代就开始被关注，迄今已研究出各种各样的算法。结构化道路一般是指高 速公路和部分结构化较好的公路，这类道路具有清晰的车道线和道路边界。因此，针对它的道路 检测问题可以简化为对车道线或道路边界的简化问题，这方面的算法趋于成熟。这些算法主要分 为基于特征和基于模型两类。基于特征的方法主要通过提取和定位道路的某些特征来检测道路，这 些特征可以是道路的颜色、纹理、道路边缘的方向和长度山、车道边缘的频域特征等。基于模型 的方法则是先建立道路的参数模型，然后通过图像分析确定模型参数，从而得到关于道路的全部信 息。这类方法主要在于模型的不同,比如使用直线模型、B-Snake曲线模型2 、统计模型等。另 外,也有人针对提高处理速度,进行了一些并行算法方面的研究。对于道路检测与跟踪的视觉系统3-4，国外较成功的视觉系统实例如下：1. GOLD系统GOLD系统是意大利帕尔玛大学的ARGO智能车上的视觉系统，是基于道路平坦假 设。ARGO智能车根据GOLD系统的输出能自动控制方向，实现道路的跟踪。同时，该系统的缺点 是当太阳光在挡风玻璃反射时，影响了安装在玻璃后的摄像机采集的图像的饱和度。2. RALPH系统RALPH系统是美国CMU的Navlab5实验车上的视觉系统，是基于道路平坦假设 以及使用平行于道路的特征，例如：车道线、车辙、道路边界等。优点是该系统的鲁棒性能很好, 能够在车道线欠佳的情况下进行道路跟踪，因此也适用于非结构化的道路检测。缺点是系统太庞 大以致检测反应的速度较慢。3. RDT系统RDT系统是德国慕尼黑联邦国防大学VaMP实验车上的视觉系统，该系统使用回旋 曲线模型检测车道线，通过卡尔曼滤波器跟踪道路的动态模型。优点是能够实现车道保持、换 道操作和纵向控制等功能。近年来，国内学者也对视觉导航展开研究和探索，例如，清华大学的THMR-V，国防科技大学的 CITAVT-IV等。但由于某些原因，我国在这一领域的理论和应用方面的基础与发达国家相比还仍 存在着较大的差距，所以依旧需要付出长期的艰苦的努力去研究。目前，我国有很多ITS项目正 在研究、策划和实施之中，其中，有些项目是和国外公司合作共同开发和研究的，这样可以加速 我国交通系统与国际接轨的步伐。从国内外的发展来看，基于机器视觉的道路跟踪已经取得了很大成就。该领域的研究重点正 从探索性试验阶段逐渐转向系统性能提高阶段，并向实用化，产品化迈进。全天候，多路况环境 下的高可靠性道路跟踪将是今后研究的目标。目前大多数系统使用可见光摄像机，仅能工作在白 天，夜间基本失效。而夜间却是交通事故的高发时段，最需要智能车辆导航。红外热成像技术可 以用来实现夜间的车辆导航，是当前研究的一个热点。但其造价昂贵，而且成像质量尚未能令人 满意，离实用还有一段距离。在城市交通环境中，交通信号和路标检测是智能车辆导航研究中一个新的热点。可靠性一直是 道路跟踪系统追求的目标，是系统能否实用化，产品化的关键。为了提高可靠性，越来越多的系 统开始采用融合技术，包括硬件上的多传感器融合和软件上的多算法融合。除了视觉传感器，同 时使用激光测距仪，毫米波雷达等主动测距设备来提高检测结果的可靠性。在算法上，同时使用 多种检测算法，采用投票或模糊推理的方法决定最终检测结果。3. 研究的意义与价值道路检测是智能车辆视觉系统的主要组成部分之一，也是障碍物检测与跟踪的基础。结构化道 路(s true tu ral Road):结构化道路指道路上有明显的道路标记,且这些标记具有较强的几何特征， 道路路面主要是由这些标记界分确定的,如高等级公路上道路中间黄色的连续标志线或白色的间 断标志线以及两旁白色的连续标志线;由于时间问题，本课题主要研究结构化道路检测技术；包括 图像采集系统软硬件实现、结构化道路检测算法的设计与验证。其中结构化道路边缘检测以及基 本路面标志的识别拟采用基于边缘提取的特征跟踪方法。重点研究通过图像处理技术6-8，介绍图 像预处理的意义，介绍图像阈值分析方法。分析了现有的道路检测算法，对各种算法的优缺点进 行了比较；并对一些算法进行了改进，并将改进后的算法应用到实际的图像处理中。介绍了边界 识别的基本概念，选取一种性能比较优越的算法对图像进行了特征提取和边缘检测，然后进行了 曲线拟合，得到具有连续清晰的边缘线的图片。提高了检测系统的鲁棒性和实用性，具有重要的 意义。首先，基于道路检测技术的驾驶员辅助驾驶系统或预警系统，可以减轻驾驶员的压力和疲劳程 度，提高行驶的安全性，减少交通事故的发生，提高交通效率。其次，视觉导航9-12中的道路检测技术可以用来提高智能巡航控制中跟踪引导车辆的精度，使车 辆的队列自动驾驶系统更加可靠。再者，可以将道路检测技术和其他技术相结合，提高系统性能如视觉传感器导航技术和自动驾驶 技术可以实现车辆的自适应巡航，辅助人们把车开得又快又稳!安全可靠;汽车夜间行驶时,如果装 上红外摄像头，就能实现夜晚的汽车安全辅助驾驶。参考文献：1 Lai AHS, Yung NH C. Lane detection by orientation and leng th discrimination J IEEE Transactions on Systems Man and Cybernetics Part b-cybernetics,2000, 30 ( 4) : 5 548.2 Wang Y, Teoh EK, Shen DG. Lane detection and tracking using B Snake J . Image and Vision Computing , 2004, 22( 4) : 269 280 .3 苗冬霜基于单目视觉的道路检测与跟踪的研究D.秦皇岛：燕山大学硕士论文，2006： 2-55.4 廖传锦，黄席樾，柴毅基于边缘提取和特征跟踪的道路检测算法重庆大学学报(自然科学 版)，2002,25(1):61-645 刘富强，田敏，胡振程智能汽车中基于视觉的道路检测与跟踪算法J 同济大学学报：自 然科学版，2007, 35(11):1535-1541.6 郝文化，田蕾，董秀芳.MATLAB图形图像处理应用教程M.北京：中国水利水电出版社，2004： 112-153.7 陈纯计算机图像处理技术与算法清华大学出版社,20038 李茂民一种基于改进遗传算法的图像分割研究及应用D,江西理工大学.2009.129 张莹，视觉导航系统中道路检测算法的研究D.长春理工大学计算机应用技术.200610 陶丽媛基于动态图像的道路检测技术的研究D.哈尔滨理工大学.201011 4孙涵，任明武，唐振民，杨静宇基于机器视觉的智能车辆导航综述D.南京理工大学 计算机系.200512 邓剑文，安向京,贺汉根基于道路结构特征的自主车视觉导航吉林大学学报(信息科学 版)，2004,22(4):415-41913 侯德鑫，曹丽.一种基于视频图像的道路检测方法D.清华大学自.200614 ZENG Zhi-Hong. Lane Detection and Car Tracking on the Highway. ACTA Automatica sinica ,2003,29(3):450-45615 徐友春，王荣本,李克强，赵玉凡,一种基于直线模型的道路识别算法研究中国图象图形学 报,2004,9(7):85886416 王荣本，游峰，崔高健等,基于计算机视觉高速智能车辆的道路识别，计算机工用,2004.26:18 2117 李欣,李宏东，顾伟康等,一种结构化道路环境中的视觉导航系统,浙江大学学报(工学版)2002,36(6):63063318 张伟智能车辆中的道路检测：硕士学位论文.重庆大学,200519 Mareos Nieto, Luis Salgado.Stabilization of Inverse Perspective Mapping Images based on Robust Vanishing Point EstimationJ. Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul.Turkey. June 13-15.2007.20 张宇腾，杨明，王春香.基于主动视觉的智能车道路跟踪方法J.上海交通大学学报.2010年 8月.二本课题的基本内容，预计解决的难题第一步，通过CCD摄像机和图像采集卡获取车道图像。第二步，为了提高本系统的检测质量及准确度，首先对拍摄的道路图像进行图像的预处理， 经过处理后的图像去除了图像在获取、转换和传输中产生的噪声，增加和增强了可检测的信息。 图像预处理包括：图像灰度化、图像滤波和图像二值化。图像处理的主要任务是提取图像的边缘, 摄像机和采集卡获取的是彩色图像，彩色图像包含信息量大，处理速度较慢，系统需要对其进行 灰度化。为增强图像整体对比度的效果，进行直方图均衡化，经过直方图均衡化后许多细节可以 很容易的看清楚。第三步，车道线检测与识别算法。车道线包括道路的边界线和车道的分隔线。目的就在于提 取图像中的车道线信息，也就是一些线条信息。包括实线，虚线。基于边缘提取的道路检测算法：首先检测出道路图像边缘，常用的边缘检测算子有Sobel算 子、Laplacian 算子、Log算子、Canny 算子等。道路边界的识别和定位是本课题研究的重点与难点。道路边界线的识别方法是从车辆前方的 序列灰度图像中利用道路边界及车道标识的特征来完成的对道路边界及车道标识的识别。通过对 采集的图像进行滤波，最优阈值，边缘算子检测，获得良好的梯度图像，根据道路特征采用Hough 变换识别道路边界。但当道路图像受到严重干扰，都有可能会产生较大误差甚至失效。因此车道 线检测过程中加入车道线检测失效判别，一旦判定算法失效则启用基于R0I的改进Hough变换对车 道进行初始检测。三课题的研究方法、技术路线基于边缘提取的思想，进行道路边界检测算法的设计； 通过对几种边缘检测算子的比较，进行最优化选择； 根据道路特征，采用Hough变换识别道路边界； 为了提高系统的鲁棒性，实用性，对Hough变换算法进行改进； 通过在Mat lab环境下仿真，进行算法的验证，图像的处理。四研究工作条件和基础由于实验条件有限，不能在实际环境下对算法的性能进行验证，本文只对所提出的算法进行仿真 来验证其实时性和可靠性。1、软件条件：Mat lab2、硬件条件：CCD，图像采集卡，计算机等五.进度计划起讫日期工作内容1.272.20了解结构化道路检测相关知识，检索并阅读相关中外文献2.243.2整理消化所查阅资料，选择一篇代表性的相关英文文献进行翻译3.33.17准备开题，写开题报告3.183.25调研，分析车道线检测的研究现状及其存在的问题3.264.3查阅资料，确定研究课题，并作可行性分析。4.45.15系统的软件总体设计，算法的设计与验证，调试5.165.26原型系统设计完成，撰写初稿论文5.276.4论文的修改、完善、定稿论文阶段完成口 甘 口文献调研完成日期2013.3.20论文实验完成日期2013.5.15撰写论文完成日期2013.6.4评议答辩完成日期2013.6.11指 导 教 师 评 语导师签名：年 月 日教研 室 意 见教研室主任签名：年 月曰学院意见通过开题（）开题不通过（）教学院长签名：年 月曰