MATLAB车道检测与跟踪

读了车道检测这个论文，我理解了利用matlab对车道识别算法进行仿真研究，从仿真的结果中提出具有一定实时性鲁棒性的识别方法。车道检测是智能车辆发展的智能因素。近年来对这项目的研究都是针对特定的环境和道路状况给出了不同的解决方案。近年来,自主驾驶技术受到研究者们的普遍关注,车道线的提取是自主驾驶系统的重要组成部分.车道线的提取就是从车载摄像头获得的视频图像中,根据车道线的颜色,形状和纹理等特征,将车道线与背景进行分离,从而获得车道线的走向,车辆相对于车道线的位置等信息.从国内外研究现状来 车辆检测的目标是车道形状，包括宽度、曲率等几何参数，车辆在车道中的位置，包括横向偏移量，车辆与道路的夹角。车道检测与跟踪一般分为以下几个部分：车辆、道路、相机模型道路特征提取道路参数计算，如曲率,车道跟踪。

在现代道路设计中，道路有比较固定的设计模型，因此，对于高速公路等道路类型，车道的几何模型可以以固定的形式表示。车道弧长、曲率、偏航角、横向偏移量构成车辆与车道几何模型的要素。车道一般由直线、圆弧和缓和曲线构成，缓和曲线通常是不同曲率的圆弧或直线的连接过渡，其曲率均匀变化，螺旋曲线是缓和曲线常用形式。

车道检测的基本要求是：研究车道线识别中的几种算法，软件编程找出最优的算法具有一定的实时性和鲁棒性.道路上车道标志的检测是道路特征检测的关键部分，并且已有很多算法，但道路场景太多，单一的算法还是无法适用所有的场景。 一般跟踪的作用就是预测下一帧图像内道路特征的位置，在一个较小的范围内检测道路特征，提高效率。若预测范围内没有检测到道路特征，则采用估计或上一帧特征的位置，若连续几帧都没有检测到道路特征，则启动全图像道路特征检测。提出了一种新颖的适用于自主驾驶系统的车道线检测与跟踪算法.该算法采用了广义曲线的车道线参数模型,能同时适应弯道和直道的检测.该检测算法最突