基于机器视觉的多车道线检测和分类算法

摘要：

为解决机器视觉在多车道线检测时出现车道线漏识别、误识别、分类难和准确率低等问题,提出一种检测多车道线和快速分类的方法.首先获取原始图像的感兴趣区域并使用Gamma校正增强多车道线特征信息;然后使用多相位Gabor滤波器叠加滤波图像提取车道线纹特征,获得其边缘梯度;接着基于改进带多参数Hough变换提取出直线线段,基于累加角度值的直方图和双截距约束法实现多车道线快速分类;最后只需提取出线段上少量关键点,通过最小二乘法拟合出完整的车道线,生成动态有效的检测区域,减小后续检测时间.实验结果表明:该设计算法在Tusimple数据集与实际拍摄拥挤、夜间环境的道路中进行验证,识别准确率分别为95.4％,96.22％和95.22％,高于其他常用方法;该算法充分利用车道线多个特征信息,不易受检测环境变化带来的影响.

关键词：机器视觉、车道线检测、Gamma校正、Gabor滤波器、Hough变换、直方图、截距约束

所属期刊栏目：45

分类号：TN911.73-34;U471.15

资助基金：国家自然科学基金51468062

在线出版日期：2022-12-12（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：49-54