基于Beamlet和K-means聚类的车道线识别

摘要：

为了解决视频车道线识别中抗噪性差和鲁棒性低的问题,提出一种基于新的特征提取和分类的快速车道线识别算法.算法首先对预处理后的灰度图像进行改进的Beamlet变换,然后对Beamlet的中点集合运用改进的K-means方法进行聚类分析,最后对每类的中点集合分别进行基于3阶贝塞尔曲线的RANSAC拟合后可以准确地提取出车道线.通过简化Beamlet词典与快速提取Beamlet基,加快了Beamlet变换的计算速度;通过寻找最佳投影线与多次迭代聚类中心来改进K-means聚类,解决了曲线车道线和车道线数目的聚类问题.实验证明,对于结构化或非结构化的道路环境,提出的算法都具有很好的可靠性、实时性和鲁棒性.

关键词：智能交通、车道线识别、Beamlet变换、K-means聚类、RANSAC拟合

所属期刊栏目：47

分类号：TP391.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61471272,91120002;国家留学基金资助项目留金发[2013]3050

在线出版日期：2017-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：98-103