摘要：为了满足智能车辆视觉导航系统中对车道线检测的要求，本文提出了一种非平坦路面车道线检测算法。通过对采集的图像确定感兴趣区域，在车道线的预处理阶段将图像灰度化后，采用中值滤波去除图像采集过程中引入的噪声，再通过选择合适的阈值，应用Sobel算子进行边缘提取。排除了大量的干扰因素，然后应用hough变换对图像中的直线进行识别，并对非平坦路面车道线采用最小二乘法拟合成三次贝塞尔曲线，完成曲线的检测。最后，应用MATLAB编写程序实现这一算法。实验结果表明，该算法具有较强的实时性和鲁棒性。79016
毕业论文关键词：车道线检测，预处理，霍夫变换，曲线拟合
Abstract：In order to satisfy the requirement of vehicle line detection in intelligent vehicle vision navigation system, this paper presents a new algorithm for non flat pavement lane detection。 Through acquisition of lane, Lane in the preprocessing stage, to determine the image of the sense of region of interest, the gray image, the median filter to remove noise introduced during image acquisition, and then by selecting the appropriate threshold, with Sobel operator edge extraction。 Eliminate a large number of interference factors, and then use the Hough transform to identify the lines in the image, and the non flat pavement lane line using the least squares method to synthesize the three Bessel curve, complete the curve detection。 Finally, the application of MATLAB programming to achieve this algorithm 。Experimental results show that the algorithm has good real-time performance and robustness。
Keywords：Lane detection, preprocessing, Hough transform, curve fitting
目录
1。绪论 3
1。1课题的研究背景与意义 4
1。2。1国内研究现状 5
1。2。2国外研究现状 6
1。2。3本文研究内容 6
2图像的获取 6
3图像的预处理 7
3。1图像的灰度化 7
3。2图像的中值滤波 8
3。3图像的边缘检测 10
3。3。1索贝尔（Sobel） 算子简介 11
3。3。2最佳阈值的选择 11
4车道线直线检测 12
4。1霍夫变换简介 12
4。2霍夫变换检测直线原理 13
5车道线曲线拟合 15
5。1曲线拟合简介 15
5。2三次贝塞尔曲线拟合 16
结论 19
参考文献 20
致谢 21
附录 22
1。绪论
非平坦道路车道线检测算法这一研究主要依赖于数字图像处理技术。随着计算机技术和数字图像处理技术的快速发展，也促进了车道线检测的深入发展。在20世纪50年代，当时的计算机技术已经有了一定的水平，通过计算机处理图像信息也开始起步，初期图像处理的目的是改善图片的质量，通过把质量低的图像改善成质量高的图像以提高图片的视觉效果，方法也较为单一，主要有图像增强、图像复原、图像编码、图像压缩等处理方式。到20世纪70年代中期，随着计算机技术，人工智能等新兴技术的快速发展，数字图像处理也向着更加深入的方向发展，人们也逐渐意识到计算机对图像处理的强大，计算机视觉这一名词也逐渐发展起来，计算机视觉是指计算机用类似人类的视觉系统来解释图像。很多国家，尤其是发达国家在这项研究上投入了很大的人力和物力资源，取得了很多重要成果。 70年代末MIT的Marr提出的视觉计算机理论就是代表性的成果，这一成果也成为了计算机视觉领域在之后十多年里的主导思想。计算机视觉这一领域还存在着相当大的研发前景，当然研发的难度也是不言而喻的，相信这一新领域在未来的深入探索下一定会有重大的突破，会实现给全人类造福的伟大目标。论文网 非平坦路面车道线检测算法的研究:http://www.youerw.com/zidonghua/lunwen_91198.html