基于机器视觉的车道线智能识别系统的设计

刘文俊，陈世春

（广州学院）

1 引言

机器视觉系统应用作为当前智能化系统建设中一项较为重要的技术，在其技术的应用中，已经将对应的车道线检测系统识别和具体的机器视觉识别整合，借助这种智能化系统识别控制实现了整体系统应用的实践性能力提升，同时,也促进了智能化系统应用的科学化发展。本文针对基于机器视觉的车道线智能识别系统的设计进行了研究，以期找到适合智能化城市交通建设中视觉识别系统和车道检测系统应用的技术整合，对提升城市智能化交通建设工作开展实施能力具有重要性研究意义。

2 总体设计方案

在机器视觉系统的应用中，系统设计工作开展和具体的系统检测技术，系统构成和车道线检测技术的应用都具有明显的关联性，并且在系统构成中获取视频、图像处理、模型控制以及拟合车道线。系统构成设计如图1所示。

3 基于机器视觉的车道线智能识别消失点检测与梯形DROI的设立

机器视觉识别车道系统设计中，从系统设计和车道线检测之间切入，主要展现图像集中处理区域，并且在图像检测中，以图像识别消失点检测与梯形DROI的设立作为整个系统设计中的关键性因素，及时地在车道线检测技术的处理中将系统检测工作开展做好。从检测技术应用来看，在其处理过程中，需要及时地设置算法梯形，设计流程如下：

①按照梯形算法处理中的需求，及时地将算法处理点设置好，并且严格按照算法处理中的要求，进行算法整合构建。

②利用霍夫概率将整个检测技术处理中的直线概率控制好，同时，还应该按照算法处理中的技术控制，将整个车道线检测中的线性关系落实，检测成本函数控制需要将整体的检测消失点控制和成本函数整合，对控制成本函数整体的检测曲线进行对比重合，才能满足车道线智能化检测技术的应用需求[1]。

4 基于机器视觉的车道线智能识别的图像预处理

4.1 颜色空间转换

由于机器系统应用的车道线智能识别系统在处理图像中，需要借助色彩三原色转换，也就是借助RGB三原色进行系统识别原色转化，将已经识别的系统颜色和具体的系统颜色结合处理，以这种数据图像处理形式作为整体系统检测工作开展的实践需求。按照检测技术处理中的要求，将对应的检测技术应用和具体的系统载波建模滤波整合，并且严格按照系统检测技术处理中的需求进行色彩识别，转换机器视觉系统识别中获取的颜色，以此作为整个系统识别工作开展中的信息获取工作的实践需求。

4.2 车道线滤波

车道线滤波处理是机器视觉图像处理中一项较为重要的检测技术，在其检测技术的处理中，由于车道线自身的颜色变化存在着明显的差异，在检测工作开展时，滤波变化、系统检测滤波处理、车道线颜色检测中的亮度以及色彩结构变化等都出现了明显的改变，对检测技术中的改变实施控制，能够为整体的技术应用控制实践奠定基础，对保障整体的车道线检测工作开展实施具有重要性意义。

为了将车道线检测技术实施好，必须注重其检测技术处理中载波关系的分析，衡量载波分析控制中的技术处理要点，提高车道检测中信息技术的处理能力[2]。

5 车道线坐标获取

在车道线检测技术处理中，为了体现整体的检测系统应用能力，需要按照车道线检测技术处理中的需求，及时获取车道线的坐标，这样才能将检测技术应用和具体的车道线坐标定位工作整合。比如，按照车道线检测技术处理中的应用需求，及时进行车道线系统坐标轴的构建[3]。车道线坐标构建中，其对应的波动值曲线满足式（1）：

式中，a、b、c为车道线坐标获取中的参数，x为车道线检测中其对应的位置，y为在整个车道线检测中，其对应的车道线坐标标记位置。

6 系统仿真结果

按照该系统设计中的技术应用，将其和现实的系统仿真效果进行对比，得出系统仿真结果，如表1所示。

由表1中的数据可以看出，在检测工作的开展中，系统仿真效果在不同的道路检测中，识别效果是不同的，最大的系统识别效果正确率达到了98.31%，这在一定程度上为道路检测中的车道线检测提供了技术保障。

7 结语

通过本文的研究和分析，基于机器视觉的车道线智能识别系统的设计从图像识别消失点检测与梯形DROI的设立出发，将图像预处理技术应用进行了整合，并且分析了系统仿真应用结果。结果显示，将基于机器视觉的车道线智能识别系统应用到城市发展建设中，能够满足整体城市智能建设发展的需求，对城市化交通智能监控建设具有重要性研究意义。

表1 系统仿真检测结果