车道线识别是智能交通系统(intelligent transport system,ITS)实现的重要组成部分。为了解决道路图像中光源干扰、阴影遮挡、车道线破损、标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出一种基于粒子滤波框架的Catmull-Rom...车道线识别是智能交通系统(intelligent transport system,ITS)实现的重要组成部分。为了解决道路图像中光源干扰、阴影遮挡、车道线破损、标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出一种基于粒子滤波框架的Catmull-Rom样条的车道线侦测及跟踪算法,这种算法利用Catmull-Rom样条数学模型能够灵活且精确的标定车道线,且基于粒子滤波框架的滤波器保障了系统的稳定性及鲁棒性。实地测试结果显示在9种路况环境下算法侦测及跟踪性能准确稳定;该方法与近远景分割算法比较,路况侦测及跟踪边界更清晰;进行基于影像序列的量化稳定性评估,正确识别率接近98%。展开更多
文摘车道线识别是智能交通系统(intelligent transport system,ITS)实现的重要组成部分。为了解决道路图像中光源干扰、阴影遮挡、车道线破损、标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出一种基于粒子滤波框架的Catmull-Rom样条的车道线侦测及跟踪算法,这种算法利用Catmull-Rom样条数学模型能够灵活且精确的标定车道线,且基于粒子滤波框架的滤波器保障了系统的稳定性及鲁棒性。实地测试结果显示在9种路况环境下算法侦测及跟踪性能准确稳定;该方法与近远景分割算法比较,路况侦测及跟踪边界更清晰;进行基于影像序列的量化稳定性评估,正确识别率接近98%。