车道线拟合笔记

本文介绍了车道线的分类、检测方法,包括基于霍夫变换、透视变换和梯度拟合的检测技术,强调了拟合在车道线识别中的重要性。针对不同线形,探讨了道路曲率与弧长的关系,并指出在车道偏离告警系统中,抛物线模型提供了更高精度的道路模型。
摘要由CSDN通过智能技术生成

1、车道线分类:
按照道路交通标线的功能划分为:指示标线、警告标线和禁止标线。
按标划方法可分为:白色虚线、白色实线、黄色虚线、黄色实线、双白虚线、双白实线、双黄虚线和双黄实线等。
按作用又可分为:车行道中心线、车道分界线、停止线、减速让行线、人行横道线、导流线、导向箭头和左转弯导线等。

2、目前视觉_车道线检测方法:
一般的车道有三车道或者四车道,固定的前方摄像头的视角范围内,由于车辆周围的其他车辆的遮挡,不能够稳定的提取所有的车道。检测当前车道线,被检测的车辆中不处于前方同车道内的车辆就可以根据被检测车辆坐标与当前车道线距离关系划分为左右两侧车道内的车辆。
基于霍夫之间检测、基于LSD直线检测、基于俯视图变换的车道线检测、基于拟合的车道线检测、基于平行透视灭点的。
2.1 基于霍夫的车道线检测 (直线拟合)
其原理是将图像的笛卡尔坐标系统转换到极坐标霍夫空间,从而完成点到曲线的变换,对应的每个像素坐标P(x,y)被转换到(r,theta)的曲线点上。
同一条直线上的点P(x,y)都满足x*cos(theta) + y * sin(theta) = r ,这样一组(r,theta)常量就对应了图像中位移确定的一条直线。遍历图像感兴趣区域的像素点时,不断的累加每个(r,theta)对应的数据点个数,当某一对(r,theta) 对应的统计的点数达到我们设定的阈值时就认为这些点在一条直线上,通过霍夫检测的同一条直线上的的点的个数,可以过滤掉很多干扰直线。
通过测试,这种算法有良好的鲁棒性,对于白天和夜晚都具有良好的适应性,车道偏移基本功能实现,满足了对一般环境的要求,不足之处是对于曲率半径大于100的车道线还不能够识别

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值