1。2 国内外研究现状

1。2。1 国外研究状况

1。2。2 国内研究状况

1。3 基于空间的道路检测方法的研究意义

上述基于视觉的道路监测方法在现实生活以及各项试验中体现出很好的效果，大幅度的 降低了交通事故发生率，对人们的人身财产安全起到了良好的保障作用。其中视觉辅助导航 系统以及先进自动驾驶系统（ADAS）更是起到了关键性的作用。其最根本的前提条件当然 是道路中央区域以及行道线和道路边界的检测。虽然上述方法可以解决一些基本的问题，但 还是有些技术方面的欠缺。例如，相机数据的融合与其他传感器：如雷达，出现了检测高栏 杆等障碍。特别是在城市场景中，视觉场景中有灰色的外观类似于道路区域(如房子的墙壁， 人行道，灰色的汽车等)。因此，道路的差异基于局部视觉外观可能出现强烈的模糊性问题， 即道路区域以外的区域外观视觉上非常类似于在道路上。这使得基于局部视觉外观的分类极 具挑战性。为此，我们出现了其他方法检测道路边界：如基于物理高度利用立体视觉，甚至 高度注释的数字地图信息。然而， 许多检测方法中出现路边石的物理高度不足，以至于无法 检测到的情况。

为了克服上述缺点，我们提出一个新的多层次的基于空间的道路检测方法以检测内部和 外部边界附近的道路。利用空间射线(SPRAY)特性捕捉视觉和空间的特征，从而进行道路环 境下的实时图像处理。由于空间进行了合并，例如 SPRAY 功能可以区分空间视觉上相似但不 同的路。本文的基本测试方法可以测试当地附近地区道路边界是否属于道路面积(内部)或非 道路(外部)。更具体地说，基于这些独特的视觉空间特性，分类器可以检测内部道路的边界 附近情况(IBV)，外道路边界附近(发射)，道路面积(RA)和剩余的部分。因为这些发生在同一 类序列中，即一条道路边界从 RA 、IBV 发射，我们可以根据其水平边界过渡模式来识别左 右道路边界。这个应用方法可测试出无名的城乡道路边界。通过定性和定量的评估表明，即 时在困难的条件下，该系统也可运行和处理各种类型的道路边界，如路边石以及软质的路肩 (见图 1。1)。

图 1。1 系统场景:城市和农村道路没有外在的标记

1。4 本文的结构及安排 第一章介绍了道路检测的两种方法以及主要技术的研究现状，并摘要了本文主要内容。 第二章对基于 Hough 变换的道路边界检测方法进行了研究、探讨以及实现。跟以往的方论文网

法有所区别的就是，我们在这里使用了分段的 Hough 变换，提高了道路边界检测的准确率。 第三章将重点介绍基于空间线模型（SPRAY）的道路识别方法研究的相关知识点。其中 包括技术系统的概述、阐述基本系统是如何计算 SPRAY 的特性的以及对边界分类进行详细分

析。

第四章为结论以及对未来的展望。

2 基于 Hough 变换道路边界检测

2。1 引言

道路边界的检测与识别是基于机器感应视觉的关键的智能车辆技术之一，为了能更准确 的进行道路边界的检测，我们将对目标图片进行兴趣区域的提取、Canny 边缘检测以及 Hough 变换等一系列的操作得到我们预期的结果。为了提高检测的准确度，我们对兴趣区域内的图 片进行了 3 段 Hough 变换。

2。2 基于 Hough 变换的方法研究以及改进

2。2。1