基于单目视觉的非结构化道路检测与跟踪

王燕清，陈德运，石朝侠

(1.哈尔滨理工大学 计算机科学与技术学院，黑龙江 哈尔滨 150080;2.南京理工大学 计算机科学与技术学院，江苏南京 210094)

通常智能车辆系统由道路感知、道路规划、车辆控制等功能模块组成.道路感知的方法多种多样，包括在道路中嵌入磁极、雷达、红外、激光、超声波、多传感器信息融合以及视觉等方法.传统的方法存在较大的缺陷，如:道路中嵌入磁极需要升级道路结构，这在短期内并不能实现;雷达虽然可以检测路面，但存在路面反射率不一样的问题，且这些方法不能利用道路路标的显著特征;基于多传感器信息融合的方法能够适用于各种复杂的未知环境，不需要具备环境的先验知识，然而造价较高，不适于在普通车辆上的普及.因此，基于视觉的道路检测技术提供了廉价的解决方案，成为ITS的研究热点之一.

尽管基于视觉的非结构化道路检测方法取得了突破性的进展，然而仍然存在实时性、鲁棒性、准确性等问题.为了解决上述难题，各国学者从不同的角度对道路视觉检测问题进行了研究，主要方法有:基于道路特征的方法［1-2］，基于道路模型的方法［3-6］，基于神经网络的方法［7］.

本文提出了一种基于视觉的非结构化道路检测方法.该方法将自适应道路区域分割与边缘检测方法结合，将智能车辆的运动学模型考虑在内，提出一种新型的自适应蒙特卡罗方法对道路的边界进行跟踪.

1 基于二维Otsu法的区域分割

与结构……