基于机器学习的车道线检测系统仿真与优化

• 作者: 王程龙 董廷坤 高树静
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 机器学习 车道线识别 改进的霍夫变换 最小二乘拟合
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 140-143,288
• 页数: 5页
• 分类号: TP391.9
• 字数: 3592字
• 语种: 中文

摘要

真实的道路行驶环境是复杂多变的,会对车辆识别算法造成较大干扰.为准确识别车道线,提高车道线检测算法的实时性和鲁棒性,进行了多方面的改进.首先对采集到的图像进行预处理,包括图像灰度化、45.sobel算子边缘检测和二值化处理等,获得高质量图片.其次采用改进的Hough变换进行车道线识别和优化,提高检测结果的准确性,促进检测有序进行.最后通过最小二乘法对结果进一步优化,以期得出更加精确的车道线.实验结果表明:改进后的算法可以较为准确的识别车道线,具有较强的实时性、鲁棒性和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高树静	青岛科技大学信息科学技术学院	9	27	3.0	5.0
2	董廷坤	青岛科技大学信息科学技术学院	2	2	1.0	1.0
3	王程龙	青岛科技大学信息科学技术学院	2	2	1.0	1.0