为了改善视觉导向的精度和计算性能,提出一种基于序列图像车道线检测的自主导向方法。首先,将获取的图像转换成HSV图像格式,划定车道线感兴趣区域(Region of Interest, ROI),对S和V通道的图像采用提出的区域垂直斜分OTSU算法实现二值化...为了改善视觉导向的精度和计算性能,提出一种基于序列图像车道线检测的自主导向方法。首先,将获取的图像转换成HSV图像格式,划定车道线感兴趣区域(Region of Interest, ROI),对S和V通道的图像采用提出的区域垂直斜分OTSU算法实现二值化;然后,融合H、S和V通道二值化后的图像,对其进行边缘提取,依据提出的参数约束Hough变换,辨识出车道标识线;最后,结合序列图像的车道线位置,计算出车体的位姿,根据建立的导向控制模型,控制无人智能车的左右打轮幅值。理论分析和实验结果表明,该方法可以增强车道线辨识的实时性和鲁棒性,提高导向的精度。展开更多
文摘为了改善视觉导向的精度和计算性能,提出一种基于序列图像车道线检测的自主导向方法。首先,将获取的图像转换成HSV图像格式,划定车道线感兴趣区域(Region of Interest, ROI),对S和V通道的图像采用提出的区域垂直斜分OTSU算法实现二值化;然后,融合H、S和V通道二值化后的图像,对其进行边缘提取,依据提出的参数约束Hough变换,辨识出车道标识线;最后,结合序列图像的车道线位置,计算出车体的位姿,根据建立的导向控制模型,控制无人智能车的左右打轮幅值。理论分析和实验结果表明,该方法可以增强车道线辨识的实时性和鲁棒性,提高导向的精度。
