摘 要

随着汽车的日渐发展，人们的生活与汽车已经密不可分，汽车在为我们的生活带来方便的同时也给人们带来了潜在的威胁。为保障人们的安全，国内外学者对改善汽车行驶过程中的安全性以及汽车的安全辅助驾驶问题方面进行了大量的研究，车道线的检测系统就是其中的一部分。

本文是研究基于贝叶斯网的车道线识别，随着机器视觉、人工智能、图像识别等技术的蓬勃发展，作为安全辅助驾驶的一个重要组成部分，车道线检测逐渐成为了国内外学者研究的一个热点问题。根据不同道路图像模式下的车道线，因为有的图像可能存在车道线边缘与道路不能直接识别的现象，对图像进行增强以及对噪声进行滤除显得尤为重要，然后再对边缘进行提取，还要设计合理的分类器以保证提取的图像能够精确的划分类别，常用的分类器有贝叶斯分类、Fisher分类、神经网络分类、模糊分类、支持向量机分类等，本文采用了基于概率统计的朴素贝叶斯分类的方法进行车道线识别及预测的研究。首先将采集到的道路图像采用朴素贝叶斯分类进行识别，对非标准路况下的道路图像采用图像增强来加强图像对比度以改善图像质量便于有效提取特征点，再采用各类算子对图像进行边缘检测，然后采用改进的Hough变换来拟合直道标志线。本文用MATLAB进行仿真测试。

研究结果表明：在贝叶斯概率网络的基础上，也能较好的研究基于道路通行条件下的车道线识别，预测车道线的行进方向以及车道线丢失等问题。

关键词：贝叶斯分类；车道线识别；图像识别；霍夫变换；道路检测

Abstract

Nowadays, with the popularization of automobile, People's Daily life is inseparable with automobile, the automobile brings people convenience, at the same time, it also brings the potential threats to us. To improve the security of the car during it’s driving process, scholars domestic and overseas have made lots of researches in solving the safety assisted driving problems of automobile, the lane line detection system is a very important part of the auxiliary driving system.

This article is to study lane line detection which is based on bayesian network, with the developments of the machine vision, digital image processing, pattern recognition, lane line recognition which is based on bayesian network of auxiliary driving safety has gradually became a hot issue of the study of scientific research personnel. According to the different grayscale characteristics of road image mode, to extract the image feature, extraction of classifier in order to ensure the reasonable design for pattern classification of image accurately, common classifier with bayesian classification, Fisher classification, neural network classification, fuzzy classification, support vector machine (SVM) classification, etc., this paper adopted the naive bayesian classification method based on probability and statistics is used to identify the lane line and prediction research. Will first collected road image using naive bayesian classification, which can identify the non-standard conditions of road image using image enhancement to enhance image contrast to improve the image quality is easy to effectively extract the feature points, then adopts Roberts operator, LOG operator and so on carries on the image edge detection, and then with the improved Hough transform and RANSAC algorithm parameter identification of linear model to fitting a straight line.In this article I use MATLAB for simulation test.

The results of the study show: Based on the bayesian probability network, we can also study lane line recognition which is based on road traffic conditions well, predict the marching direction of the lane line and lane line loss and other problems accurately.

Key Words：Bayes classification；Lane detection；Image recognition；Hough transform；Road detection

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1课题研究背景及意义 1

1.2 国内外研究现状分析 2

1.2.1 国外现状研究 2

1.2.2 国内现状研究 3

1.3本文的主要内容和结构安排 4

第2章 车道线分类识别方法研究 6

2.1 引言 6

2.2 认识车道线 7

2.3 提取分类特征 8

2.4 基于朴素贝叶斯的图像分类 9

2.4.1贝叶斯分类网络 9

2.4.2朴素贝叶斯分类 10

2.4.3朴素贝叶斯分类实验 11

第3章 车道线的预处理 13

3.1 图像增强 13

3.1.1基于灰度变换的图像增强 13

3.1.2基于直方图均衡化的图像增强 14

3.2 图像的滤波去噪 15

3.2.1中值滤波 15

3.2.2均值滤波 16

3.2.3高斯滤波 16

3.3 二值化及边缘提取 17

3.3.1二值化 17

3.3.2 边缘提取 18

第4章 车道线检测识别 22

4.1 车道线拟合算法研究 22

4.1.1基于改进Hough变换的车道线拟合 22

4.1.2基于RANSAC算法的车道线拟合 25

4.2 车道线的跟踪检测 26

4.3 本章小结 27

第5章 总结与展望 28

5.1 总结 28

5.2 展望 28

参考文献 29

附 录 30

致 谢 36

第1章 绪论

1.1课题研究背景及意义

当今世界，随着人们生活水平的提高，汽车的数量也逐渐增多，为人们的出行带来了方便，在缩短了出行耗费时间的同时，还提高了人们的舒适度，但是也带来了很多威胁，比如车祸的频频发生为太多家庭带来了难以承受的伤痛，如果在驾驶过程中能够准确地识别出车道线的行进方向并给驾驶员精准的提示，这样能够减少很多交通事故的发生，保护人们的人身安全和财产安全，近几年来越来越多的学者意识到这一问题的严重性，并对此展开了大量的研究，本文就是针对车道线的识别展开研究。

在车辆行驶过程中，驾驶员的职责至关重要，能否在驾驶过程中集中注意力并在突发危机情况时做出正确的应急措施以保障整车人的安全尤为重要，驾驶员是道路交通中的直接性参与者，据世界卫生组织报告，每年全球约有124万人因交通事故而死亡，如果驾驶员在驾驶过程中长期疲劳驾驶导致面对突发情况时大脑不能做出正确的应急措施，或者是当车辆在光线不够明亮的地方再加上驾驶员视线出现盲区，这些情况下都会造成事故的发生^[1] 。通过对这么多年的交通事故的调查中可以很清晰得出因车辆偏移车道线而发生的车祸占所有交通事件中的三分之一，因驾驶员注意力不集中而发生的车祸占绝大多数，可能是因为驾驶员处于长时间单调行驶，这时一旦出现紧急情况，驾驶员会容易出现措手不及、反应迟钝的情况；或者是行人横穿车道、乱闯交通信号灯这类无视交通规则的情况出现时，驾驶员可能会因为反应不及时而造成人员伤亡；又或者是针对交通路况比较复杂的时候，比如交通路口，驾驶员在驾驶过程中会存在盲区，对于这种驾驶员难以看到的地方就会很容易导致交通事故的发生。为了减少类似于上述的种种交通问题的出现，汽车安全辅助驾驶系统的引入就十分重要，这不仅能在车辆处于危险情况时给驾驶员及时报警提醒，还能在必要时候主动参与控制环节来控制车辆的运动过程，从而能大幅度减少甚至有可能避免大量的因人为因素而造成的交通事故的发生。因此做好由驾驶员自身原因而引起的交通事故的预防工作，对于研究安全驾驶问题有着至关重要的价值。

关于车辆辅助系统，道路的颜色、边界以及车道标志都是驾驶员行驶过程中关心的问题，车道线识别过程中，对道路和车道线的正确感知是车道安全辅助系统的重要组成部分。不论是在标准路况或者是在复杂路况下，又或者是在标准天气还是阴雨、雷电、雪天、雾霾的天气环境下，能正确进行车道线的识别检测，准确感知出车道线的数量、类别等信息都是至关重要的。