导读:本文包含了车道标识线识别论文开题报告文献综述及选题提纲参考文献，主要关键词:车道标识线,图像识别,线性回归,道路模型
车道标识线识别论文文献综述
梁朱冬,陈洪洋[1]（2017）在《基于改进最小二乘法车道线模型的车道标识线检测识别》一文中研究指出车道标识线检测识别是车辆主动安全系统的关键技术之一。为了满足车道标识线检测的实时性、鲁棒性、准确性,在对采集图像进行预处理后,再经过图像信息提取,基于线性回归与车道标识线宽度约束的道路模型,实现车道标识线的拟合。(本文来源于《汽车实用技术》期刊2017年15期）
刘伟,黎宁,张丹,徐涛[2]（2015）在《基于自适应分割阈值的夜间车道标识线识别》一文中研究指出针对夜间获取的车道图像对比度低的问题,提出了一种基于自适应阈值分割的夜间车道标识线识别算法。首先,对预处理后的图像进行分块拉伸以增强边缘信息。再结合Otsu门限法和邻域中值法,通过加权分配获取自适应阈值,对车道图像进行分割。最后,采用分区域搜索方式,利用Hough变换精确地提取车道标识线。现场实测表明,针对结构化道路的车道线,论文采用的车道线提取方法准确率高且实时性好。(本文来源于《计算机与数字工程》期刊2015年02期）
申长安,段新涛,焦晓君,申东洋[3]（2014）在《基于OpenCv的车道标识线检测识别算法的研究》一文中研究指出由于路面结构、光照变化、阴影等因素的影响,传统的道路标识线的识别算法常常会出现道路标识线识别不准确的现象。针对这种情况,提出基于Open Cv的车道标识线检测识别算法。算法首先先对原始图像进行平滑处理和中值滤波处理,去除周围环境的影响,再使用canny算子进行边缘检测,得到车道标识线基本轮廓,最后再进行图像的二值化分割和Hough变换得到车道标识线参数。实验结果表明,该方法通过一系列的变换和处理后,能够消除路面结构、光照变化、阴影等的影响,清晰准确地识别出道路标识线,具有很好的准确性、鲁棒性和可靠性。(本文来源于《福建电脑》期刊2014年10期）
闫旭琴,王知学,李建新,成巍[4]（2010）在《一种结合模糊C均值聚类的车道标识线识别方法》一文中研究指出在道路图像中,为了得到较理想的车道标识线的边缘,设计了一种车道标识线识别方法。利用图像中的边界信息、车道标识线边界的角度和灰度等特征,结合模糊C均值聚类提取车道标识线的边界。利用Hough变换、车道标识线边界的间断性实现车道标识线定位。实验结果表明该方法具有较好的准确性。(本文来源于《山东科学》期刊2010年03期）
闫旭琴,吴晓兵,车晓波,张云,王知学[5]（2010）在《基于边缘分布函数的车道标识线识别方法》一文中研究指出为了得到较理想的车道标识线的边缘,考虑车道标识线的方向特性,提出一种基于边缘分布函数(EDF)的图像预处理方法。将图像分区处理,在对图像中的噪声特性进行EDF分析的基础上,对处理区域作如下处理:首先将梯度角量化为4-方向,去除与车道标识线方向不一致的噪声,得到边缘图像;然后利用EDF对边缘图像滤波,确定车道标识线角度初值;最后应用Hough变换定位出车道标识线。实验结果表明,该方法能够更加有效地强化车道标识线信息,去除噪声,具有较好的鲁棒性和实时性。(本文来源于《计算机应用》期刊2010年04期）
王荣本,余天洪,郭烈,顾柏园[6]（2006）在《强光照条件下车道标识线识别与跟踪方法》一文中研究指出为了实现强光照条件下车道标识线的准确识别和跟踪,采用基于直方图锥形拉伸算法对原始图像进行处理,以提高图像整体对比度,利用SUSAN算法提取出处理后图像中的边缘,对边缘图像利用定向边界跟踪算法进行滤波,利用Hough变换提取出车道标识线参数完成对道路图像中的车道标识线的识别,最后采用建立梯形感兴趣区域来实现对车道标识线的实时跟踪。试验结果表明该方法具有较强的鲁棒性和较好的实时性。(本文来源于《计算机应用》期刊2006年S1期）
王荣本,余天洪,顾柏园,郭烈[7]（2006）在《基于边界的车道标识线识别和跟踪方法研究》一文中研究指出在道路图像中,为了得到较理想的车道的标识边缘,该文采用基于LOG算子边缘增强的方法得到梯度图像,利用SUSAN算子对该梯度图像进行分割,实现了车道标识线边界的提取。在分割后的梯度图像中,利用Hough变换提取出车道标识线参数,完成了对道路图像中的车道标识线的识别,采用建立梯形的感兴趣区域的办法,实现了对车道标识线的实时跟踪。试验结果表明该方法具有较强的鲁棒性和较好的实时性。(本文来源于《计算机工程》期刊2006年18期）
余天洪,贾阳,王荣本,郭烈[8]（2006）在《基于熵最大化图像分割的直线型车道标识识别及跟踪方法》一文中研究指出为了解决在道路路面材料不一致或光照不均匀情况下的车道标识线的识别和跟踪问题,提出一种基于熵最大化的图像分割可变形模板的车道标识线识别及跟踪方法。该方法结合了图像变窗口处理技术和基于熵最大化分割方法来实现对道路图像的理想分割,然后利用可变形模板匹配方法得到车道标识线参数,最后采用建立梯形感兴趣区域的方法实现对车道标识线的实时跟踪。试验结果表明:该方法具有很好的可靠性、鲁棒性和实时性。(本文来源于《公路交通科技》期刊2006年06期）
邢艳云[9]（2006）在《强光照条件下车道标识线识别与跟踪算法研究》一文中研究指出车辆安全辅助驾驶系统是为解决当今世界上日益突出的交通安全问题而产生的。随着汽车保有量的迅速增加,公路上的交通事故,特别是恶性交通事故发生率居高不下,交通安全问题日益突出。车辆安全辅助驾驶技术已成为当前世界上研究的热点课题之一。车道标识线检测是车辆安全辅助驾驶系统的研究方向之一,其应用非常广泛,包括车道偏离预警、车辆自身定位等,从长远看,车道检测还可应用在车辆的自主导航中。目前世界上研究的车道检测绝大部分是基于视觉的。本文主要研究强光照条件下车道标识线识别与跟踪,其目的是为车道偏离预警系统提供技术支持。本文研究的主要内容包括以下几个方面:1.图像预处理:针对强光照图像对比度低的特点,本文首先利用直方图锥形拉伸法对图像进行了对比度增强,为图像的后续处理提供了良好的基础。接着本文根据车道线图像的特点提出了一种Prewitt算子的新用法,并利用该方法对图像进行了边缘增强。2.图像分割:本文提出了利用二维直方图法对图像进行了两次分割,首先对明显的背景和目标进行了初步分割,然后对不明显的背景和目标进行了最终分割,图像的细节很好的分割出来,同时剔除了部分噪声。3.基于Hough变换的车道标识线识别:由于车道标识线为断续的,且经常被其他车辆遮挡,或者由于时间过长变得模糊,本文选择了可靠性高,容错能力强的Hough变换法进行了车道标识线的识别。4.车道标识线跟踪:为了提高跟踪的可靠性和实时性,本文利用感兴趣区域和卡尔曼滤波融合的方法对车道标识线进行了跟踪,该方法可以根据跟踪情况自动调整感兴趣区域的大小。(本文来源于《吉林大学》期刊2006-05-25）
余天洪,王荣本,顾柏园,郭烈[10]（2006）在《基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述》一文中研究指出为了全面了解国内外在基于机器视觉的智能车辆前方道路边界及车道标识识别领域的研究进展,文章介绍了近年来一些典型的基于机器视觉的道路边界及车道标识识别系统,对基于机器视觉的前方道路边界及车道标识识别方法进行了分类,对各大类方法中采用的不同技术进行了阐述,然后对基于机器视觉与其他传感器融合的识别方法进行了总结,最后就该领域的研究难点及发展趋势进行了简要论述。(本文来源于《公路交通科技》期刊2006年01期）
车道标识线识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对夜间获取的车道图像对比度低的问题,提出了一种基于自适应阈值分割的夜间车道标识线识别算法。首先,对预处理后的图像进行分块拉伸以增强边缘信息。再结合Otsu门限法和邻域中值法,通过加权分配获取自适应阈值,对车道图像进行分割。最后,采用分区域搜索方式,利用Hough变换精确地提取车道标识线。现场实测表明,针对结构化道路的车道线,论文采用的车道线提取方法准确率高且实时性好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车道标识线识别论文参考文献
[1].梁朱冬,陈洪洋.基于改进最小二乘法车道线模型的车道标识线检测识别[J].汽车实用技术.2017
[2].刘伟,黎宁,张丹,徐涛.基于自适应分割阈值的夜间车道标识线识别[J].计算机与数字工程.2015
[3].申长安,段新涛,焦晓君,申东洋.基于OpenCv的车道标识线检测识别算法的研究[J].福建电脑.2014
[4].闫旭琴,王知学,李建新,成巍.一种结合模糊C均值聚类的车道标识线识别方法[J].山东科学.2010
[5].闫旭琴,吴晓兵,车晓波,张云,王知学.基于边缘分布函数的车道标识线识别方法[J].计算机应用.2010
[6].王荣本,余天洪,郭烈,顾柏园.强光照条件下车道标识线识别与跟踪方法[J].计算机应用.2006
[7].王荣本,余天洪,顾柏园,郭烈.基于边界的车道标识线识别和跟踪方法研究[J].计算机工程.2006
[8].余天洪,贾阳,王荣本,郭烈.基于熵最大化图像分割的直线型车道标识识别及跟踪方法[J].公路交通科技.2006
[9].邢艳云.强光照条件下车道标识线识别与跟踪算法研究[D].吉林大学.2006
[10].余天洪,王荣本,顾柏园,郭烈.基于机器视觉的智能车辆前方道路边界及车道标识识别方法综述[J].公路交通科技.2006