导读:本文包含了车道标线识别论文开题报告文献综述及选题提纲参考文献，主要关键词:车道图像采集,图像预处理,图像增强,二值化
车道标线识别论文文献综述
李栋梁[1]（2018）在《车道偏离预警中的车道标线识别方法研究》一文中研究指出统计表明,交通事故多数情况是由驾驶员大意疏忽造成的。当车辆在行驶时偏离了车道标线,车道偏离预警系统就能够马上给驾驶员发出警告,使车辆能够正常行驶,从而防止发生交通事故。在该系统中首先要解决的技术问题就是车道标线识别。因此本文对车道标线识别技术进行了比较深入的研究。车道标线是汽车在行驶过程中识别的最基本的标志,车道偏离预警系统中的车道标线识别方法研究是汽车辅助驾驶系统的研究方向之一。本文针对结构化道路提出了其具体的检测方法。视觉导航时,对道路监测方面的实时性、道路定位方面的准确性都有非常高的要求。为了实现上述要求,论文对车道标线的识别方法进行了研究,比较详细的介绍了车道标线识别的图像处理流程和方法,利用Matlab对各模块进行了多种处理算法的仿真对比分析,对最大类间方差二值化方法及Canny边缘检测算法进行了改进,提高了识别效果,并根据所提出的算法流程进行了实例仿真分析。本文通过对机器视觉采集来的车道标线图像进行分析,对提取的每一帧图像,首先使用加权平均法灰度化及中值滤波的图像预处理算法,过滤掉车道标线图像中干扰信息,减少图像需要处理的数据,简化后续分析处理;然后利用直方图均衡化的方法,增强车道标线图像的灰度对比,并对图像划分感兴趣区域提取ROI、采用改进后的最大类间方差法以及改进后的Canny边缘检测等算法,提高了车道标线的识别效果;最后根据车道标线自身的特点利用Hough变换进行车道标线的拟合,进而完成图像中车道标线的识别。验证结果表明,本文采用的算法流程能够对车道标线图像很好地进行处理,比较准确的检测出车道标线边缘,进而完成车道标线的识别,具有较好的稳定性和实时性。(本文来源于《辽宁工业大学》期刊2018-03-01）
高嵩,秦玲,陈超波[2]（2013）在《结构化道路车道标线识别算法研究》一文中研究指出针对传统Hough变换算法在无人车结构化道路车道标线识别中出现的中间间断车道标线提取不精准、不完整、有用车道标线信息丢失等问题,提出基于感兴趣附近区域的Hough变换车道标线识别算法.运用传统Hough变换对预处理得到的二值图像进行图像部分分块的车道标线提取,在已提取的车道标线周围划定感兴趣附近区域,找出感兴趣附近区域内的像素与车道标线的辅助度关系,通过辅助度计算累计单元的最大值,得到车道标线的参数.对无人车实时采集的图片进行实验,实验结果表明,该算法在直道、弯道情况下平均处理一帧图片耗时分别为80.42ms、92.22ms,具有很好的实时性,且该算法可以有效提取结构化道路的车道标线.(本文来源于《西安工业大学学报》期刊2013年01期）
贾鑫[3]（2008）在《智能车辆视觉感知中的车道标线识别方法的研究》一文中研究指出本文对结构化道路上车道标线识别这一智能车辆视觉感知系统中的关键技术进行了有针对性地研究,目的是开发出一整套较完善的、能够在用于结构化道路上大多数工况中前方以车道标线表征的可行区域的检测算法。本文的主要研究内容如下:针对车道标线识别工作中道路图像的结构复杂、信息量大的特点,通过研究寻求一种能够有效抵抗光照、阴影、雨雪等路面图像杂质,突出车道标线图像的图像二值化方法;针对在二值图像的基础上进行车道标线拟合中简单数学模型精确性低,复杂数学模型实时性差的问题,寻求一种能够兼顾精确性和实时性的车道标线拟合方法;针对目前国内外研究中对车道标线类型的识别鲜有比较成熟的方法,寻求一种较实用的车道标线类型识别方法。本文的创新之处在于:提出了通过分窗口自适应图像二值化方法抵抗光照、阴影等局部图像信息对道路图像二值化结果的影响;并针对车道标线处理的需求,提出了通过WOI灰度图像对比度筛选和WOI滑动寻优两种方法确定车道标线感兴趣区域,分别适用于车道标线搜索和跟踪阶段图像处理阶段;在道路图像二值化基础上,提出车道标线上间断线端点的识别方法,进而实现了车道标线类型的识别;在车道标线图像中位置的确定环节,提出了车道标线递归二分折线拟合算法进行车道标线位置描述,在算法精确性和实时性方面都取得了一定的效果;针对于换车道工况,提出了利用驾驶员最优预瞄加速度模型判定本车行驶过程中换车道意图的方法,并在换车道过程中提出叁线跟踪的方法平稳地进行车道标线跟踪。最后,对上述各种算法进行了实车道路实验,验证了上述各个方法的有效性。(本文来源于《吉林大学》期刊2008-10-01）
车道标线识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统Hough变换算法在无人车结构化道路车道标线识别中出现的中间间断车道标线提取不精准、不完整、有用车道标线信息丢失等问题,提出基于感兴趣附近区域的Hough变换车道标线识别算法.运用传统Hough变换对预处理得到的二值图像进行图像部分分块的车道标线提取,在已提取的车道标线周围划定感兴趣附近区域,找出感兴趣附近区域内的像素与车道标线的辅助度关系,通过辅助度计算累计单元的最大值,得到车道标线的参数.对无人车实时采集的图片进行实验,实验结果表明,该算法在直道、弯道情况下平均处理一帧图片耗时分别为80.42ms、92.22ms,具有很好的实时性,且该算法可以有效提取结构化道路的车道标线.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车道标线识别论文参考文献
[1].李栋梁.车道偏离预警中的车道标线识别方法研究[D].辽宁工业大学.2018
[2].高嵩,秦玲,陈超波.结构化道路车道标线识别算法研究[J].西安工业大学学报.2013
[3].贾鑫.智能车辆视觉感知中的车道标线识别方法的研究[D].吉林大学.2008