逆透视变换车道线检测

摘要

随着社会的进步和发展，安全驾驶和汽车的简便操作越来越受到人们的重视。苹果、谷歌和特斯拉等公司相继推出了无人驾驶系统，国内的厂商也对此领域产生了高度兴趣。基于人工智能和大数据的无人驾驶技术，被认为是消除交通安全问题的最终方法。从美国DARPA 挑战赛到中国未来智能车大赛，无人驾驶技术在全世界兴起了一阵热潮。
对于无人驾驶系统来说，车道线检测是非常重要的技术。到现在为止，已经有一些基于机器视觉的无人驾驶技术得到了应用。对于车道线的检测方法大致可以归结为三种思想：基于车道线模型的方法和基于车道线特征的方法。基于车道线模型的算法就是针对结构化道路，根据其道路形状对车道线进行建模，可以有效的克服路面脏污、光照强、阴影等环境因素造成的影响。基于车道线特征的算法主要是两点：特征提取和特征聚合。首先根据目标信息，选取合适的特征，然后利用这些特征对像像素点进行归类处理，根据一定的准则将车道线类像素提取出来，进行聚合处理。
其中，一部分算法直接检测道路的边缘，而另一些算法首先利用道路的部分参数(例如颜色信息)来确定道路边缘。算法应用的技术也有很大差别(霍夫变换、逆透视变换和神经网络等)。其中，逆透视变换(IPM)技术己经在一些实验中得到了实际验证，如意大利帕尔玛大学的GOLD就使用了技术，对图像进行预处理；还有Massimo Bertozzi等使用双目立体视觉的进行障碍物检测，都取得了很好的效果。
本文提出了一种基于逆透视变换的车道线检测算法，首先通过matlab编写图像处理程序，然后将其在嵌入式智能小车上验证，将MT9V032摄像头拍摄的图像转换为俯视图，接着采用边缘检测的方法对车道标识线进行了提取，提取中线效果很好。

逆透视变换

车载摄像机拍摄到的场景图像是三维空