基于动态区域搜索框及K-means聚类的三车道检测算法

论文摘要

为解决现有车道线检测方法在弯曲道路上识别准确率较差及Hough检测方法耗时较长的问题,提出一种基于动态搜索框及K-means聚类的三车道检测算法。首先,根据逆透视变换（IPM）将感兴趣区域内部转化成鸟瞰图的形式,利用大津法（OTSU）将单帧图像分成前景和背景两部分区域,然后,在图像底部规定区域内进行直方图分析,得到车道线基准点建立初始搜索框,并在其内部使用K-means算法聚类得到车道线候选点,根据建立的车道线直线模型迭代生成搜索框;最后,将得到的车道线候选点根据贝塞尔曲线对其进行拟合得到检测车道线。实验结果表明算法可以很好地检测车道线弯曲部分,算法单帧处理时间达到30 ms,在包含障碍干扰的路况下识别准确率为90. 1%。

论文目录

• 1 图像预处理
•   1.1 逆透视变换
•   1.2 大津法（OTSU）
• 2 车道线检测
•   2.1 K-means算法
•   2.2 建立动态搜索框
•   2.3 贝塞尔曲线拟合
• 3 实验结果与分析
•   3.1 弯曲车道的实验结果
•   3.2 道路噪声干扰下的实验结果
• 4 结论

文章来源

类型: 期刊论文

作者: 杨金鑫,范英,樊祺超,訾慧鹏

关键词: 无人驾驶,动态搜索框,逆透视变换,大津法,贝塞尔方程

来源: 科学技术与工程 2019年27期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,计算机软件及计算机应用

单位: 太原科技大学交通与物流学院

基金: 山西省自然科学基金(201701D121071),山西省高等学校大学生创新创业项目(2018377)资助

分类号: TP391.41;U463.6

页码: 253-257

总页数: 5

文件大小: 2401K

下载量: 84