肖曉明，馬　智，蔡自興，唐 琎
中南大學信息科學與工程學院，湖南長沙

摘　　　要：針對汽車在高速公路上行駛的道路區(qū)域分割問題，以路面顏色特征為研究對象，提出了一種將聚類分析應用于區(qū)域生長準則的算法，實現(xiàn)道路分割。為了提高算法的精確度，對圖像進行預處理，消除車道線對道路分割的干擾。根據(jù)圖像預處理之后道路信息分布的特點，將圖像分為３塊子區(qū)域分別用不同的算法進行檢測。對于道路信息豐富，非道路信息也較多的中部區(qū)域，在傳統(tǒng)區(qū)域生長的基礎上結合聚類分析，提出了一種自適應生長準則的區(qū)域生長算法。該算法既能適應高速公路各種行駛環(huán)境，且實時性好、可靠性高、魯棒性強。

關　鍵　詞：顏色特征；智能車輛；道路圖像分割；聚類分析；區(qū)域生長

１　引　言
近幾十年來，隨著科學技術的發(fā)展，特別是計算機技術、信息技術、人工智能、電子技術的突飛猛進，為智能車輛的開發(fā)研究奠定了堅實的基礎，智能車輛進入了深入、系統(tǒng)、大規(guī)模研究階段。自８０年代以來，智能車輛技術取得了突破性的發(fā)展，如德國的ＶａＭＰ測量系統(tǒng)、美國的Ｎａｖｌａｂ系統(tǒng)、意大利的ＡＲＧＯ系統(tǒng)等［１］。道路識別是一種較基本的智能車輛自動駕駛功能，其技術要求是根據(jù)攝像機采集的車體前方的場景圖像，確定合適的行車路徑，以保證車輛始終在正確的車道（盡可能在車道中央）上行駛，是檢測車道線和圖像中障礙物的基礎。目前，各種基于視覺的道路分割技術基本采用下面兩種途徑：一種是分道線檢測法［２］，通過對邊緣或分道線的識別擬合或者建模來實現(xiàn)道路的檢測。在這種傳統(tǒng)的注重幾何特征的計算機視覺研究中，顏色信息未得到充分利用。另一種道路分割技術是整體路面法［３］，充分利用公路路面在色彩、灰度或者紋理方面的一致性和連續(xù)性，選用區(qū)域生長等分割算法來對道路路面進行分割，這種方法魯棒性較弱，環(huán)境改變后的適應能力較差。為了加強道路分割的魯棒性和實時性，本文提出一種以彩色圖像為基礎，利用聚類分析提高區(qū)域生長自適應能力的算法，該算法對各種道路環(huán)境和天氣環(huán)境都能取得很好的檢測結果，是一個可靠性高、實時性好、魯棒性強的道路分割算法。

登錄網(wǎng)站后可下載文件