基于计算机视觉的车道检测和识别技术开题报告

1. 研究目的与意义

车辆视觉导航技术是近年来自主导航车辆研究领域的一个热点。

本课题以计算机视觉技术对道路路面进行识别，采用基于颜色和边缘相结合的目标分割方法对道路进行检测和识别，为实现车辆视觉导航提供一定技术基础和支持。

对基于视觉的车道检测和识别技术研究意义在于能实现智能车辆乃至机器人的自主导航，提高驾驶的安全性，改善交通环境的驾驶的舒适性。

2. 国内外研究现状分析

视觉车道检测与识别系统在现代交通控制系统中占有很重要的地位，是未来智能车路系统发展的基础。1972年日本首先研制成功用图像处理来实时测量交通的装置，之后世界各发达国家都相继开展这方面的研究。日本由于人口密度及国土的原因，在交通管理方面的投入最多，技术也处于世界领先地位。但当时受到计算机的运算速度和存储能力的限制，这一领域的研究并没有取得多少实际应用价值的成果。计算机视觉主要用于路径的识别与跟踪。德国UBM大学研制的EMS-Vision视觉系统较好的模拟了人眼功能，日本用研制出的超大规模集成电路来进行视觉计算。由于硬件成本较高，现阶段人们主要还是通过提出或改进一些算法来减小计算量，提高实时性。如使用Hough变换从图像中提取直线形式的道路边界，与车辆内部存储的电子地图相结合，采用合适的路径曲率预测算法，可以大大提高车辆行驶道路标线的识别速度和鲁棒性；也可将环境图像分解为多种类型，然后针对不同类型采用不同的环境辨识方法的导航方式，从而避免无用信息的运算；为了获取障碍物的距离深度信息，可使用序列图像或采用立体视觉或采用SSD算法，根据一个摄像机的连续画面来计算车辆与目标的相对位移，并用自适应滤波对测量数据进行处理，以减小环境的不稳定性造成的测量误差。目前，在计算机视觉领域中处于前沿的主要有德国的UBM大学，意大利的Broggi教授等。由于起步晚，以及经济条件的制约，我国在计算机视觉的道路检测与识别研究领域与发达国家有一定的差距，目前开展这方面研究工作的单位主要有一些大学的科研机构。

目前基于视觉导航的智能车辆中比较有成效的是：美国 Carnegie Mellon University 研制的 Navlab 系列智能车，可识别和跟踪S形曲线和道路行车线，平均速度为88.5km/h；日本丰田公司1993年研制的智能车，安装了 2/3 英寸 CCD 镜头，普通高速公路上的实验车速为 60km/h；德国的 UBM 大学研制了装有 4 个彩色 CCD 构成双目视觉系统跟踪车道白线、避障和自动超车；Caravell 系统是由德国研究和技术部门与大众汽车公司合作应用了高速公路环境中的视觉导航技术研制而成，其传感器和计算机系统以视觉为主，装有广角镜头的用来检测车道；法国帕斯卡大学与雪铁龙技术中心合作研究的 Peugeot 智能车，判别引导线是否漏检或丢失的检测过程，车速达 130km/h。 清华大学研制的 THMR 智能车辆系统集成了二维彩色摄像机、GPS、超声等传感器，系统可完成白线跟踪、路标识别、道路识别等任务；吉林大学智能车辆课题组研制的视觉导航的智能车辆实现了对路面铺设的

条带状路标的视觉识别以及车辆自主导航的功能。

3. 研究的基本内容与计划

研究内容：

1.学习了解车辆视觉导航基本知识;

2.学习c 语言或者matlab语言;

4. 研究创新点

MATLAB编程实现道路路面识别并进行测试