车道线检测是汽车实现自动驾驶的重要一环,当前通过提取图像低级特征进行边缘检测是识别车道线的最佳方法之一。车载摄像头拍摄的RGB(Red Green Blue,红绿蓝)图像存在大量冗余信息,会对检测结果造成诸多干扰,为此提出一种高效图像预处...车道线检测是汽车实现自动驾驶的重要一环,当前通过提取图像低级特征进行边缘检测是识别车道线的最佳方法之一。车载摄像头拍摄的RGB(Red Green Blue,红绿蓝)图像存在大量冗余信息,会对检测结果造成诸多干扰,为此提出一种高效图像预处理方法。针对结构化道路的车道线图像,提取ROI(Region of Interest,感兴趣区域),进行灰度化、滤波降噪等预处理。采用基于传统Sobel算子改进的四方向Sobel算子,同时结合基于Lab色域的灰度化方法,以增强车道线边缘特征,对于强光和阴影干扰,通过该方法仍能够清晰检测出车道线,该方法在提高车道线检测准确性方面效果显著。展开更多
文摘车道线检测是汽车实现自动驾驶的重要一环,当前通过提取图像低级特征进行边缘检测是识别车道线的最佳方法之一。车载摄像头拍摄的RGB(Red Green Blue,红绿蓝)图像存在大量冗余信息,会对检测结果造成诸多干扰,为此提出一种高效图像预处理方法。针对结构化道路的车道线图像,提取ROI(Region of Interest,感兴趣区域),进行灰度化、滤波降噪等预处理。采用基于传统Sobel算子改进的四方向Sobel算子,同时结合基于Lab色域的灰度化方法,以增强车道线边缘特征,对于强光和阴影干扰,通过该方法仍能够清晰检测出车道线,该方法在提高车道线检测准确性方面效果显著。
