肖曉明，馬　智，蔡自興，唐 琎
中南大學(xué)信息科學(xué)與工程學(xué)院，湖南長(zhǎng)沙

摘　　　要：針對(duì)汽車(chē)在高速公路上行駛的道路區(qū)域分割問(wèn)題，以路面顏色特征為研究對(duì)象，提出了一種將聚類(lèi)分析應(yīng)用于區(qū)域生長(zhǎng)準(zhǔn)則的算法，實(shí)現(xiàn)道路分割。為了提高算法的精確度，對(duì)圖像進(jìn)行預(yù)處理，消除車(chē)道線對(duì)道路分割的干擾。根據(jù)圖像預(yù)處理之后道路信息分布的特點(diǎn)，將圖像分為３塊子區(qū)域分別用不同的算法進(jìn)行檢測(cè)。對(duì)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(zhǎng)的基礎(chǔ)上結(jié)合聚類(lèi)分析，提出了一種自適應(yīng)生長(zhǎng)準(zhǔn)則的區(qū)域生長(zhǎng)算法。該算法既能適應(yīng)高速公路各種行駛環(huán)境，且實(shí)時(shí)性好、可靠性高、魯棒性強(qiáng)。

關(guān)　鍵　詞：顏色特征；智能車(chē)輛；道路圖像分割；聚類(lèi)分析；區(qū)域生長(zhǎng)

１　引　言
近幾十年來(lái)，隨著科學(xué)技術(shù)的發(fā)展，特別是計(jì)算機(jī)技術(shù)、信息技術(shù)、人工智能、電子技術(shù)的突飛猛進(jìn)，為智能車(chē)輛的開(kāi)發(fā)研究奠定了堅(jiān)實(shí)的基礎(chǔ)，智能車(chē)輛進(jìn)入了深入、系統(tǒng)、大規(guī)模研究階段。自８０年代以來(lái)，智能車(chē)輛技術(shù)取得了突破性的發(fā)展，如德國(guó)的ＶａＭＰ測(cè)量系統(tǒng)、美國(guó)的Ｎａｖｌａｂ系統(tǒng)、意大利的ＡＲＧＯ系統(tǒng)等［１］。道路識(shí)別是一種較基本的智能車(chē)輛自動(dòng)駕駛功能，其技術(shù)要求是根據(jù)攝像機(jī)采集的車(chē)體前方的場(chǎng)景圖像，確定合適的行車(chē)路徑，以保證車(chē)輛始終在正確的車(chē)道（盡可能在車(chē)道中央）上行駛，是檢測(cè)車(chē)道線和圖像中障礙物的基礎(chǔ)。目前，各種基于視覺(jué)的道路分割技術(shù)基本采用下面兩種途徑：一種是分道線檢測(cè)法［２］，通過(guò)對(duì)邊緣或分道線的識(shí)別擬合或者建模來(lái)實(shí)現(xiàn)道路的檢測(cè)。在這種傳統(tǒng)的注重幾何特征的計(jì)算機(jī)視覺(jué)研究中，顏色信息未得到充分利用。另一種道路分割技術(shù)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(zhǎng)等分割算法來(lái)對(duì)道路路面進(jìn)行分割，這種方法魯棒性較弱，環(huán)境改變后的適應(yīng)能力較差。為了加強(qiáng)道路分割的魯棒性和實(shí)時(shí)性，本文提出一種以彩色圖像為基礎(chǔ)，利用聚類(lèi)分析提高區(qū)域生長(zhǎng)自適應(yīng)能力的算法，該算法對(duì)各種道路環(huán)境和天氣環(huán)境都能取得很好的檢測(cè)結(jié)果，是一個(gè)可靠性高、實(shí)時(shí)性好、魯棒性強(qiáng)的道路分割算法。

登錄網(wǎng)站后可下載文件