一种基于随机抽样一致性的车道线快速识别算法

被引：16

作者：

彭红 ^{[1
]}

肖进胜 ^{[1
,2
]}

沈三明 ^{[3
]}

李必军 ^{[2
]}

程显 ^{[1
]}

机构：

[1] 武汉大学电子信息学院

[2] 武汉大学测绘遥感信息工程国家重点实验室

[3] 中国科学院深圳先进技术研究院

来源：

上海交通大学学报 | 2014年 / 48卷 / 12期

关键词：

智能交通; 车道线识别; 随机抽样一致性; 贝兹曲线;

D O I：

10.16183/j.cnki.jsjtu.2014.12.009

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对现有车道线识别算法的有效性、实时性和鲁棒性不高的问题,提出了一种改进的快速随机抽样一致性(RANSAC)的曲线拟合验证的视觉车道线识别算法.该算法首先在进行逆透视变换后选用各向异性的高斯核滤波;然后对不同光照亮度图像采用适应性强的分位数方法进行二值化,并针对车道线在变换图中几乎垂直的特性,再利用直方图统计法检测出初始车道线;最后用改进的快速RANSAC的曲线拟合算法进行曲线修正,找出车道线可能存在的弧度,使检测的曲线更加精确.为提高检测的精度,最后对识别结果进行后处理.实验结果证明,对各种复杂的城市道路,所提出的算法均具有很高的鲁棒性和有效性,且算法处理效率很高,能很好地满足智能车实时检测车道线的要求.

引用

页码：1721 / 1726

页数：6

共 7 条

[1] 基于成像模型的车道线检测与跟踪方法
陈龙
李清泉
毛庆洲
[J]. 中国公路学报, 2011, 24 (06) : 96 - 102
[2] 基于B样条曲线模型的结构化道路检测算法[J]. 许华荣,王晓栋,方遒.自动化学报. 2011(03)
[3] Recent progress in road and lane detection: a survey[J] . Aharon Bar Hillel,Ronen Lerner,Dan Levi,Guy Raz.Machine Vision and Applications . 2014 (3)
[4] A lane-departure identification based on LBPE, Hough transform, and linear regression[J] . Joon Woong Lee,Un Kun Yi.Computer Vision and Image Understanding . 2005 (3)
[5] A lane-curve detection based on an LCF
Park, JW
Lee, JW
Jhang, KY
[J]. PATTERN RECOGNITION LETTERS, 2003, 24 (14) : 2301 - 2313
[6] Lane Boundaries Detection Algorithm Using Vector Lane Concept. Quoc Bao Truong,Byung Ryong Lee. Conference on Control Automation Robotics and Vision . 2008
[7] A fast and stable lane detection method based on Bspline curve. XU Huarong,WANG Xiaodong,HUANG Hongwu,et al. IEEE Computer-Aided Industrial Design＆Conceptual Design . 2009

← 1 →