全文总字数：3265字

1. 研究目的与意义（文献综述）

经历了一百多年的发展，汽车因为其优越的便利性和性能为大众所喜爱，汽车已经成为大众家庭的标配，几乎每家每户都有一辆代步车。然而，在人们享受汽车的便利性所带来的生活方式的转变的同时，也面临着严峻且复杂多样的交通问题。因为汽车产量与出货量的提高，越来越多的交通事故在不断发生，而人作为汽车的操控者，难免会因为人为的因素而产生各种交通问题，所以用计算机代替人类驾驶汽车的技术便应运而生，智能车辆的研究也如雨后春笋般在中国乃至世界各国开展起来。而车道线识别技术恰恰成为了其中非常重要的一个技术环节，因为它对保障车辆的安全驾驶和驾驶员的生命安全有着至关重要的作用，但是目前的车道线识别技术的鲁棒性和精确度较低，尤其是在面对复杂多变的路况的检测。可能会由于车道线的缺失，对比度低，阴影区域过大等一系列的环境因素造成对检测和识别结果的较大错误和误差，这是绝对不允许出现的，所以对基于机器视觉的车道线检测具有非常大的现实意义。

因为智能车辆辅助驾驶系统的重中之重便是基于机器视觉的车道线检测识别。所以对于该技术一直有很多人去研究并且加以改进。所谓车道线检测就是从摄像头获得的图像中，根据灰度或者色块将车道线与背景进行分离，从中找出车道线并进行车道线的方向分析或者识别。目前来看，很多不同的车道线识别的解决方案已经被世界上很多国家提出，以前车道线识别的算法主要是根据车道线与背景的颜色深浅或者亮度不同进行区分，但是这种方法误差比较大，很受外界光线和车道线本身的存在的完整性的影响;所以后来的车道线识别算法大多是朝着解决这个问题去努力的，但是美中不足的是大多的改进算法处理速度较慢，即时性也差强人意。因此，如何准确、快速地检测识别出车道线已成为智能车辆辅助驾驶系统的一个重要问题。针对道路特点以及对车道线识别的准确性和鲁棒性等要求，本次毕业设计通过对行车图像进行灰度化、平滑滤波、Canny边缘检测和Hough变换等过程完成车道线识别的工作，并搭建实验环境，检验方法的合理性。学习基于机器视觉的车道线识别系统的工作流程以及学习其中的工作原理。

2. 研究的基本内容与方案

（一）研究的主要内容

通过对行车图像进行灰度化、平滑滤波、canny边缘检测和hough变换等过程完成车道线识别的工作，并搭建实验环境，检验方法的合理性。完成的主要内容包括：（1）分析已有的车道线识别的方法（2）理解基于机器视觉的车道线识别的理论基础（3）完成车道线识别方法的算法设计和程序编写（4）在实际行车环境下对方法进行测试

（二）研究的目标

3. 研究计划与安排

（1）2月25日-3月15日，查阅相关文献资料，编写开题报告，指导老师审核开题报告。

（2）3月16日-4月15日，对开题报告进行修改完善；完成基于机器视觉的车道线识别方法的算法设计。

（3）4月16日-4月30日，学生提交毕业设计（论文）工作阶段性报告，指导老师完成阶段性报告审核。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

4. 参考文献（12篇以上）

[1] lee c, moon j h. robust lane detectionand tracking for real-time applications[j]. ieee transactions on intelligenttransportation systems, 2018, 19(12): 4043-4048.[2] rathore a s. lane detection for autonomous vehicles using opencvlibrary[j]. 2019.[3] 王文豪, 高利. 一种基于 opencv [1] lee c,moon j h. robust lane detection and tracking for real-time applications[j].ieee transactions on intelligent transportation systems, 2018, 19(12):4043-4048.[4] rathore a s. lane detection for autonomous vehicles using opencvlibrary[j]. 2019.[5] 王文豪, 高利. 一种基于 opencv 的车道线检测方法[j]. 激光杂志, 2019, 40(1): 44-47.[6]sukuvaara t, ylitalo r, katz m. ieee 802.11p based vehicular networkingoperational pilot field measurement[j]. selected areas in communications ieeejournal on, 2013, 31(9):409-417.

[7] xinyu jiao , diange yang, kun jiang,chunlei yu, tuopu wen and ruidong yan real-time lane detection and tracking forautonomous vehicle applications[j]. institution of mechanical engineers.2019

[8] 王智宇，陈光，陈勇. 基于opencv的改进ransac车道线检测方法. 科学技术与工程 2019 第19卷 第28期 p222-2261671-1815