军队的射击训练方式主要为打靶训练,而现有的靶机存在移动不灵活、运动方向单一的问题,因此设计了一款移动灵敏的智能靶车,可以极大提高战士打靶的射击水平。目前该智能靶车使用的定位技术在室内沿特定路线移动时会出现定位不准确,引起震荡移动的问题。本文在综合上述问题下展开了基于机器视觉的智能靶车车道线检测技术研究。本文的主要研究工作如下:1、针对动态采集车道线图像过曝过暗的问题,采用基于直方图灰度分布控制调节相机快门和增益的方法,提高了图像对比度。对于图像中的随机噪声、光照不均,采用中值滤波和底帽变换,改善了图像的局部特征。通过用双线性插值降采样的方法,得到了缩小的图像,采用最大类间方差法阈值处理结合使用Laplace算子快速提取了车道线边缘。2、对车道线边缘采用均值法、最小二乘法拟合生成连续的车道中心参考线。基于Kalman动态追踪的方法对车道中心参考线进行动态预测,预测的车道参考线计算车道线所在区域,在此区域内检测车道线,提高了车道线的检测效率。3、通过检测的车道参考线和小车行驶方向线位置关系计算出小车偏离信息,把偏离信息由pc机传给单片机,采用增量式PID算法控制PWM脉冲宽度,控制小车稳定沿线行驶。利用C和C++语言编写检测系统各个功能模块,然后将各个模块用Qt界面连接在一起进行展示。本文使用的边缘检测算法能快速准确的提取车道线边缘,动态区域检测法的正确率提高了4个百分点达到了 96.4%,平均用时降低到45ms,满足了实时检测的要求。通过系统的运行,车道线检测系统能够成功控制小车沿室内车道线行驶。