论文总字数：18426字

摘 要

车载视频的车道线检测意义在于确保车辆行驶在安全的车道线内，避免车辆偏离正确道路。本设计使用VS2013 OpenCV的编程环境完成一般性的车道线检测。主要工作包括划分感兴趣区域、反透视变换、灰度化等图像预处理，利用霍夫变换进行车道检测。期间利用同态滤波增强图像预处理以适应车载视频图像光照复杂的情形。另外借助cascade分类器探测和识别行车前方的行人和车辆并 标记警示以达到避障的效果。最终，能够得到绿色填充的车辆所在的车道并且能够用颜色框框出车辆前方的行人和车辆。

关键词：图像预处理 感兴趣区域 霍夫变换 车道线检测

Video processing and analysis in vehicle -- Lane detection

Abstract

The significance of the lane detection of on-board video is to ensure that the vehicle is running in a safe lane line to prevent the vehicle from deviating from the correct road. This design uses the VS2013 OpenCV programming environment to complete general lane detection. The main tasks include image preprocessing such as region of interest, anti-perspective transformation, and graying, and Hough Transform for lane detection. During the process, homomorphic filtering is used to enhance the image preprocessing to adapt to the complex illumination of vehicle video images. In addition, the cascade classifier is used to detect and identify pedestrians and vehicles in front of traffic and mark warnings to achieve obstacle avoidance. In the end, the green-filled vehicle can be found in the lane and the color box can be used to frame pedestrians and vehicles in front of the vehicle.

Keywords: image preprocessing; Region of interest; Hof transformation; Lane detection

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1课题背景及意义 1

1.2国内外研究现状 2

1.2.1国外的研究现状 2

1.2.2国内的研究现状 3

1.3论文结构 3

第二章 开发工具 5

2.1 开发工具 5

2.1.1 VS2013 5

2.1.2 OpenCV 5

2.1.3 Qt 6

2.1.4 MFC 6

2.2 素材获取 6

2.3本章小结 7

第三章 车道线检测功能实现 8

3.1 车道线检测流程 8

3.2 图像预处理 8

3.2.1 图像的裁剪（感兴趣区域（ROI）的建立） 9

3.2.2 灰度化 10

3.2.3 逆透视变换 10

3.2.4 去噪 11

3.2.5二值化 12

3.2.6边缘检测 13

3.3 车道线检测 14

3.4车道线还原与颜色填充 15

3.5界面设计 15

3.5.1 MFC界面 15

3.5.2 Qt界面 16

3.6本章小结 17

第四章 拓展探究 18

4.1 图像光照复杂的影响与解决方法 18

4.2 路面水坑等大型噪点的解决 20

4.3 车辆行人识别 20

4.3.1 cascade基本概念 20

4.3.2 cascade基本过程 21

4.3.3 cascade实现 21

4.4 本章小结 23

第五章 总结与展望 24

5.1本文主要工作 24

5.2进一步的展望 24

参考文献 26

第一章 绪论

1.1课题背景及意义

随着城市飞速的发展，人们的物质需求逐渐变高，汽车也成为人们外出旅行的普遍代步工具。

截止到2017年,我国汽车销量已经连续好几年处于世界第一的位置,人均汽车保有量升到了0.15辆/人。私人汽车多了,明显加剧了交通的负担,使得车祸发生的次数和造成的损失高居不下。

表1-1 国家2008-2014年交通事故相关数据表（09-15年中国统计年鉴）

如同上表1-1所示，从2008年到2014年中国发生的车祸便有许多（数据来源于中国统计年鉴），造成的损失数额也十分大。这还仅仅是中国的数据，巨大的经济损失和严重生命安全问题使得交通安全问题被越来越重视，人们必须要认真对待这个重大问题。

据公安部交管局的统计显示，因为偏移车道线而造成的交通事故占所有交通事故的30%左右。据国外的研究机构分析，几乎有20%的驾驶汽车的司机经历过（含目睹）因为车辆偏离安全行车道从而造成的交通事故。

近几年，因为计算机领域、图像处理领域等领域的飞速发展，智能车作为探究交通安全的可行性手段被提了出来。而且在智能车辆的研究中，车道线检测与车道线跟踪成为研究智能车辆的重要组成部分。对行车记录仪的视频进行实时的处理，监控车辆是否行使在安全车道，当产生偏移时警告车主，这样的车道偏离预警系统成为大部分智能车辆研究的一个重要领域。

车道偏移预警系统，一般是通过车载视频（通过行车记录仪获取），以机器视觉的方式，迅速分析出车辆行驶过程中的安全车道，并在车辆偏移安全车道时及时提供警报，避免车祸的发生。

车道线检测为包含车道偏移预警系统、智能无人汽车等等未来化、科技化的智能交通领域提供了最基础的技术支持，只有完善完美的处理车载视频、在视频中实时检测出正确的车道线，其他技术才能在其基础上发展壮大，才能使智能行车迈向更深层次，才能有效处理交通安全等等人们迫在眉睫的问题。

1.2国内外研究现状

车道线检车作为智能车辆研究的重要且基础的部分作用甚大，它不仅能为智能车辆的导航提供参照，同时在车道线检测的过程中，可以增加对移动物体的检测，达到车辆、行人等障碍物的规避，增加安全性。

道路检测问题从70 年代就开始被关注,到现在已经拥有了大量不同的算法。因为很多情况下，所有的道路检测视频都来自于视频拍摄工具，比如行车记录仪等等，所以，关于道路检测的算法实现，就要基于图像视频的处理。一般情况下，获取的车载视频的图像中道路以及车道线颜色区分明显，车道检测也就成了车道线检测。根据车道线之间的宽度、长度、颜色等等不同的特征，不同的算法被提出，例如检测直线的霍夫变换、检测曲线的B样条等等，在这些算法模型的基础上，人们也开始追求高效率和低成本。只有同时具备高效率、低成本、高精度等等要求，车道线检测才能越来越完善。

请支付后下载全文，论文总字数：18426字