摘要
随着自动驾驶技术的快速发展,基于视觉的车道线检测因成本低、分辨率高等优势成为研究热点。由于传统图像识别方法易受光照遮挡等因素影响,所以提出一种基于轮廓信息的改进RANSAC(Random Sample Consensus,随机抽样一致性)算法,旨在提升复杂场景下的车道线识别精度。算法流程分为图像预处理与直线拟合2个阶段,在图像预处理阶段,首先对RGB图像进行通道增强的灰度化处理,划定先验ROI (Region of Interest,感兴趣区域)以排除干扰;随后通过中值滤波和局部阈值分割获取二值化图像,并结合形态学操作消除噪声;最后使用边缘跟踪算法提取单像素轮廓,并利用PCA(Principal Component Analysis,主成分分析)算法筛选出来具有直线属性的车道线边缘像素点。在直线拟合阶段,通过截取轮廓中心区域生成脊线点,结合RANSAC算法迭代拟合出直线模型。实验基于CULane和LISA数据集,涵盖城市、夜间、遮挡及复杂光照场景。结果表明,该方法无需先验知识即可有效识别车道线,在车辆遮挡、阴影及夜间环境下均表现出较高鲁棒性,具备较强的工程应用潜力。
出处
《科技与创新》
2025年第15期51-53,共3页
Science and Technology & Innovation
基金
贵州省科研机构创新能力建设项目“贵州省能源智能开发与高效利用实验室”(编号:黔科合服企[2024]017)。
