由于汽车数量剧增,交通事故频发已经成为当前世界一大难题。在长时间行车时,人类驾驶员承担负荷重,其生理和心理状态容易波动,不能保持注意力集中,增加了交通事故发生的风险。为提高驾驶安全性和舒适性,以车道线检测与跟踪技术为基础的先进驾驶辅助系统成为近年来研究热点。论文针对结构化道路,对基于主动投票法的车道线检测与跟踪算法做了研究。主要工作如下:首先,对道路图像进行灰度化和中值滤波处理,利用逆透视变换得到车道线互相平行的俯视图,设置感兴趣区域减少干扰,使用直方图均衡化进行图像增强,降低亮度变化带来的影响。分析了不同的边缘检测算子,分别从原理和实际应用效果对比,确定选用Canny算子进行边缘检测。使用Hough变换检测边缘图中的直线,针对道路图像特点,通过对极角进行约束,极大程度减少了Hough变换的计算量。提出了一种基于主动投票法的车道线检测算法,其主动表现在每一根直线都被假设成车道线,将自身特点属性作为车道线标准来对其他直线进行投票,根据总票数筛选出车道线。在车道线拟合稳定后,利用卡尔曼滤波进行车道线跟踪,进一步缩小感兴趣区域,降低计算量,提高了算法的实时性,拟合出的车道线也更加精确。为了缩短开发周期,快速开发车道线检测与跟踪算法,论文使用Visual Studio2010开发平台,借助OpenCV在PC端完成了算法的设计,并使用离线车道线视频集验证了算法的性能,通过在多场景下实验,结果表明:算法准确率达93.36%,每帧图像平均耗时15.04ms。选用高性能的TMS320DM642 DSP作为车载视觉识别的硬件开发平台,将已验证的算法用C语言进行嵌入式开发。搭建了“摄像头+DM642+显示屏”硬件测试平台,为试验车的车道保持系统提供转向控制参数,通过道路测试表明:算法准确率达93.04%,每帧图像平均耗时42.41ms。因此,所提出的算法具有一定的鲁棒性和实时性,为实现试验车的车道保持功能提供可靠的视觉感知参数。图[41]表[3]参[65]