基于分数阶微分和Frangi的夜间车道线检测

• 作者: 陈卫卫 王卫星 闫迪
• 来源期刊: 四川大学学报（自然科学版）
• 关键词: 分数阶微分 Frangi Hessian 车道线特征点 递归霍夫变换
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机科学|Computer Science
• 页码范围: 49-59
• 页数: 11页
• 分类号: TP751
• 语种: 中文
• DOI: 10.19907/j.0490-6756.022001

摘要

基于机器视觉和图像处理的夜间车道线检测一直是该领域的研究难题,即使是近年的深度学习方法,检测精度只能达到50% 左右 .为此,研究了一种新的算法,根据车道线的特点和车辆的行驶速度,将视频中多幅图像融合到一幅图像中;利用图像的特点,在区域合并中识别出有效的车道线检测区域;将有效区域分割成新的图像后,采用基于 Frangi和 Hessian矩阵的算法对图像进行平滑和增强;为了提取车道线的特征点,提出了一种新的分数阶微分模板进行车道线特征点检测,该算法根据车道线在图像中可能的位置,从4个方向检测特征点;在检测出候选点后,应用递归Hough直线变换得到候选车道线,为了确定最终的车道线,一条车道线的角度应介于25°～65°之间,而另一条车道线的角度应介于115°～155°之间,否则,通过降低线点数的阈值继续进行Hough直线检测,直到获得两条车道线为止 .通过对数百幅夜间车道线图像的测试,并与深度学习方法和传统的图像分割算法进行比较,新算法的检测准确率可达70% .