交通标线检测系统与实现

责的道路状况，环境信息都能提供较高的准确性和鲁棒性，才能确保其他部分的技术安全准确的执行，从而保证车辆的行驶安全。这将融合各种传感器获得的信息，以获得完整的道路信息。驾驶员面临的主要问题是车辆周围障碍物的有效识别、交通标志的识别和道路路线的识别。因为车道线检测涉及的内容颇多，本文主要通过行车视频获得的影像，针对基于卷积神经网络(CNN)的深度学习算法研究来识别交通标线中的虚实线。而对于交通标线的检测，目前比较主流的方法还是基于视觉的检测方法。通过视觉传感器结合图像处理的方法，将原本的于实际偏差较大的图像转换成鸟瞰图。因为本文主要讨论的是虚实线的识别，所以即使在图像处理过程中失去了颜色特征，但是图形特征十分明显，容易区分虚线和实线。不仅于此，将由远到近的车载摄像头画面转化成与实际相符的平行且宽度相等的鸟瞰图，再去除冗余的干扰信息后也十分方便且受周围环境等因素影响较小，进而能够有效的完成识别。单目视觉传感器是目前应用最广泛的传感器，具有成本低、信息量大等特点。而交通标线具有标准颜色、宽度和形状等视觉特性。然而，现有的算法系统并不是很稳定，准确度在恶劣天气条件和复杂条件下的时候还达不到需要的检测标准。但是相较于单目视觉，立体视觉的成像基准线也很难得到，激光雷达的造价成本高昂且不适合批量使用在汽车设备上，GPS&GIS信号不稳定，容易受到环境遮挡屏蔽和电磁干扰的影响。因此不难看出，基于视觉的车道线检测对于道路交通安全具有重要的意义，也为实例中由后车检测前车是否违法变道奠定基础。1.2国内外研究现状道路交通标线，是一种在道路上进行安装、规划的标志，标线内容包含线条、文字、图案、箭头以及实体路标、立面标记、轮廓灯众多交通设施，其主要目的是为了给道路行驶的驾驶员传递信息，从而做到指引、警告的作用。车道线是划分同方向交通流的边界线，主要有虚线、实线、黄虚线、黄实线、双虚线、双实线、双白实线、双黄线等表示不同的含义，并且交通标线检测技术就是使用图像处理方法来检测目标图像的位置，进而完成识别。随着车道线检测研究的逐步深入，在检测的准确性和鲁棒性上都有了显著的提高，检测速度相较于之前也明显加快，但是于人工识别相比，机器识别还是存在着明显的不足，在实际应用中