随着汽车产业的发展,高级辅助驾驶系统的应用越来越广泛。车道线检测技术是高级辅助驾驶系统中环境感知单元重要的组成部分。本文围绕结构化道路弯道检测展开研究,核心是车道线的曲线建模问题,提出了具有鲁棒性和适应性的两种弯道检测算法,并对弯道检测算法进行了嵌入式实现。论文的主要工作和创新如下:1.对比分析了 Sobel算子、Canny算子和PNG算法,对PNG算法提出了改进的办法。PNG算法的基本思想是对图像中的左右边缘进行匹配。利用梯度幅值直方图的思想来确定边缘阈值,解决了固定阈值带来的边缘信息缺失的问题,同时也避免了过多的干扰噪声。利用与车道线线宽相关的左边缘线搜索范围,使得到的边缘点更具有物理意义,也避免了干扰边缘的产生。边缘特征是车道线检测的根基,利用改进的PNG算法得到边缘特征为下面的车道线检测工作奠定了良好的基础。2.提出了一种基于三段式的弯道检测算法。该方法通过世界坐标系的前向距离的分割完成对处理图像区域的分段,分别对三段进行基于消失点的Hough变换,然后通过对三段分别进行直线筛选得到分段检测结果,最后根据分段检测结果及其可信度对车道线进行双曲线模型的拟合。通过实车采集图片和ROMA数据集实验发现该算法具有较好的适应性,比直线模型对弯道具有更好的描述性。3.提出了一种基于边缘俯视图的弯道检测算法。该方法是通过在上一帧检测结果的小范围内寻找车道线直线模型,将边缘图逆透视变换投影到俯视图中,根据车道线的直线检测结果在边缘俯视图中遍历满足曲率半径约束和距离约束的边缘点分别拟合得到多项式模型的高阶参数。这种方法在大部分场景下有较好的检测结果。4.通过对两种算法在不同道路场景下的检测结果进行分析对比,基于三段式的弯道检测算法相对优于基于边缘俯视图的弯道检测算法,所以对基于三段式的弯道检测算法在AP SoC嵌入式平台上进行了实现。根据算法的计算特点分为两部分进行处理,边缘检测和Hough变换在FPGA上完成,分段直线筛选和双曲线模型拟合在ARM上进行。经过大量的实车数据离线试验,该算法具有较强的准确性,帧率可以达到每秒钟15帧,可以满足实时性需求。