1. 研究目的与意义
1.1研究背景
随着当下计算机科学技术的迅猛发展，人工智能已成为研究开发能模拟和扩展人类智能理论、方法、技术以及应用系统的一门新科学技术，并已广泛地、大量地存在于生活中。道路事故是世界上最复杂的问题，据联合国新闻12月3日报道，道路事故导致全世界每年有130万人死亡和5000万人受伤，每24秒就有一人在交通事故中丧生。据统计，道路交通事故是全世界5至29岁儿童和年轻人的头号杀手。这些事故是由于道路建设不当、人畜混杂、道路湿滑和弯道等原因造成的。
1.2研究目的及意义
基于无人驾驶的车道识别算法的实现可以有效地对车辆行驶状态进行检测并发出警示，通过人工智能技术辅助驾驶员安全驾驶，这毫无疑问可以成为帮助保障驾驶人员安全和降低道路交通事故的关键。随着计算机视觉技术的快速发展，由于摄像机能够从多个角度拍摄周围的环境中，所以其应用也越来越广泛。车道线是路面的一种重要的交通标志，它能够有效地限制车辆在固定的道路区域内行驶，降低交通事故发生的可能。面向无人驾驶的车道检测算法的实现可以有效地检测前方道路状况并发出警示，利用人工智能技术辅助驾驶员安全驾驶，这毫无疑问可以成为帮助保证驾驶人员安全和减少道路交通事故的重要组成部分。随着基于计算机视觉技术的快速发展，相机的必要性也在增加，因为它可以在不同方向上捕捉环境。无人驾驶这可能是未来最热门、最具有挑战性的研究项目之一。尽管汽车工业已经从根本上向自动化转变，并且在各个领域都取得了显著的成绩。然而，自动驾驶技术仍然是个遥远的梦想。
有调查显示，由于长期驾车，司机容易出现精神疲惫、注意力不集中、分心、甚至打瞌睡等问题，一旦出现紧急状况，比如车道偏离了车道，就会容易出现交通事故。智能汽车可以提前发出警告，减少司机的工作压力。同时，良好的警示作用可以有效地警示司机，确保车辆遵守交通法规，避免超车、抢道等违法现象，有效地减轻了交通堵塞，提升了道路的通行能力。因此，对智能汽车中的车道识别技术进行深入的研究，就显得十分重要。具体体现在：
首先，驾驶辅助安全系统是基于车道检测技术的，如车道保持辅助系统和自适应巡航控制。这些设备可以大大减少司机的驾驶压力和疲劳，从而提高驾驶安全。其次，各种检测系统，如障碍物检测、车辆检测和行人检测，都依赖于基于图像的车道检测技术，因此是个重要的工具。最后，通过汽车整合，车道检测技术和其他技术将有助于提高汽车性能。例如，通过将车道检测技术与雷达传感器数据相结合，汽车可以自动停车，从而使倒车、停车和其他操作变得方便和可靠。总之，车道检测技术不仅可以有效提高道路安全，减少拥堵，而且对未来的研究具有重要的理论意义和实际应用价值。
2. 研究内容与预期目标
本课题主要对基于无人驾驶车道检测技术进行了深入的研究，研究的内容主要包括摄像机校准、透视变换、图像阈值化处理、车道线像素查找、滑动窗口检测、车道线拟合等方面，最后实现无人驾驶车道检测系统。
研究内容：
1.图像预处理部分，主要包括摄像机校准、透视变换、图像阈值化处理三部分，提高系统的检测效率。
3. 研究方法与步骤
研究方法：
首先第一部分是图像预处理部分，道路图像数据的获取是基于计算机视觉的道路检测的第一步，本课题实验中的所有数据均来自于行车记录仪。预处理对于车道线的标记具有重要作用。对于本次实验来说，为了降低操作的繁琐度，实验过程中只检测需要的图片信息，但是对于摄像机拍摄的图片来说，每一帧图像都包含了大量的无用信息，为了能够让系统减轻些负担，就需要多这些无用信息进行筛选和过滤，从而提高系统的准确性。第一步是摄像机校准，无论是什么样的摄像头都难免会出现图像失真的情况，为了让道路区域和车道线符合三维视图的结构，就必须要对照相机拍摄的图像进行失真处理。捕捉棋盘图案的图片，计算图片的内角，以及与预期测量值的偏差。通过使用这些信息，就可以计算出失真矩阵和失真系数。第二步是透视变换，在原始图像中选择出四个标记点，形成一个四角形，并将它们的相应坐标记录下来，然后在新的图中选取四个标点(投射点)所组成的矩形对应着原始图中的标记点。使用函数计算透视变换矩阵，最后通过对图像应用透视变换矩阵来包裹变换后的图像。第三步是图像阈值化处理，通过对颜色通道设置合适的阈值，处理之后的图像更加清晰直观，更能得到准确的结果，能够很好的过滤出车道线像素。
另一部分是车道线检测，本部分通过两部分实现，第一部分是车道线像素查找，在二进制图像（阈值图像）的下半部分绘制非零像素直方图。对已经完成边缘提取的图像绘制灰度直方图，将各灰度级像素对应的频率统计出来作为纵坐标从中可以推断出，各自代表了车道线左线和右线的大致位置；第二部分是滑动窗口检测，两个尖峰出现在左侧和右侧车道附近，并利用这两个尖峰的横坐标作为滑动窗口检测的左右起始基点。第三部分是二次多项式曲线拟合，利用x和y象素的位置函数，可以方便地进行二次多项曲线的计算。本课题将最小二乘法用于拟合二次多项式曲线拟合。最后一部分是把一个多边形放在两个点之间，然后把它投射到原来的影像上，从而使道路区域变得更加清晰。
4. 参考文献
[1] 侯长征. 基于视觉的车道线检测技术研究[D].西南交通大学,2017.
[2] 康渴楠. 基于视觉的智能车辆行驶道路附着状态判断研究[D].重庆交通大学,2019.
[3] A.S. Sagayaraj, G. Ramya, N.Dhanaraj, Analysis of sulphur content in copra[J], 2018，9 (2)：1882–1886.
5. 工作计划
3.01--3.20，熟悉课题背景，查阅中英文资料，完成毕设开题。
3.21--4.30，开展课题内容，完成课题的主要实验工作和程序调试。
5.01--5.10，撰写毕设论文初稿并完成中英文翻译。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
