基于动态区域搜索框及K-means聚类的三车道检测算法

摘要：

为解决现有车道线检测方法在弯曲道路上识别准确率较差及Hough检测方法耗时较长的问题,提出一种基于动态搜索框及K-means聚类的三车道检测算法.首先,根据逆透视变换(IPM)将感兴趣区域内部转化成鸟瞰图的形式,利用大津法(OTSU)将单帧图像分成前景和背景两部分区域,然后,在图像底部规定区域内进行直方图分析,得到车道线基准点建立初始搜索框,并在其内部使用K-means算法聚类得到车道线候选点,根据建立的车道线直线模型迭代生成搜索框;最后,将得到的车道线候选点根据贝塞尔曲线对其进行拟合得到检测车道线.实验结果表明算法可以很好地检测车道线弯曲部分,算法单帧处理时间达到30 ms,在包含障碍干扰的路况下识别准确率为90.1％.

关键词：无人驾驶、K-means、动态搜索框、逆透视变换、大津法、贝塞尔方程

所属期刊栏目：19

分类号：TP391.4(计算技术、计算机技术)

资助基金：山西省自然科学基金201701D121071;山西省高等学校大学生创新创业项目2018377

在线出版日期：2019-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：253-257