摘要：论文主要介绍了基于机器视觉的道路边界识别系统设计的过程.道路边界识别算法主要包括:道路图像采集、图像滤波去噪、边缘增强、图像二值化和道路边界线的识别与提取.本设计利用Sobel滤波、阈值处理和Hough变换直线提取实现道路边界识别过程,利用MATLAB软件进行仿真测试,通过GUI人机界面,导入视频图像实现各个环节道路图像处理,最终实现道路边界的识别和显示,实验结果验证了所用方法的可行性.

摘要：安装在车辆正前方的电荷耦合摄像机(Charge coupled device,CCD)实时获取道路图像,利用灰度和梯度特征构成目标函数,并用抛物线模型拟合道路边界,使弯道路径和直道路径的识别统一化。将识别分成三个阶段,并设定出各阶段的抛物线参数感兴趣区。采用遗传算法,对抛物线各参数进行优化。通过初始化编码、计算适应度、多点交叉及变异等过程,搜索出目标函数值近似最大的抛物线,即最优解。通过道路识别得到道路曲率、预瞄点处的侧向偏差和方位偏差等,为轨迹预测提供信息。基于运动学模型的车辆前轮转角,根据动力学特性对其进行修正。建立基于预瞄的车辆转向动力学连续模型,车辆前轮转角和道路曲率作为系统输入,根据系统的采样频率将连续模型离散化,运用Kalman滤波理论设计状态观测器,实时观测车辆侧向速度和横摆角速度,从而得到车辆运动轨迹。试验表明,该方法既能在较复杂环境下较准确的拟合出路界线和预测出车辆运动轨迹,并具有较强的实时性。